假装看不见,余光千百遍
大家好,这里是新一,请多关照🙈🙉🙊。在本篇博客中,新一将会为大家介绍数据结构与算法之优先级队列——堆,堆在面试也占了一席之地,所以为了方便大家理解,新一特地给大家附上了 源码和图片 便于大家理解,干货满满哟。(以下结果均在IDEA中编译)希望在方便自己复习的同时也能帮助到大家。😜😜😜🎪🚀🧰
以下是我们的文章
文章目录
一.🎪 二叉树的顺序存储
1.1 🚀 堆的表示
我们知道所有数据结构的存储都逃不开我们的顺序存储
和链式存储
,我们之前所实现的二叉树不难看出来是链式存储,那么接下来我们讲讲二叉树的顺序存储,所谓二叉树的顺序存储——使用数组保存二叉树结构,方式即将二叉树用层序遍历方式放入数组中。一般只适合表示完全二叉树,因为非完全二叉树会有空间的浪费。这种方式的主要用法就是堆的表示
1.2 🚀 下标关系
我们之前讲完全二叉树的时候,讲过有以下关系:
链接戳这里:👇👇👇
已知双亲(parent)的下标,则:左孩子(left)下标 = 2 * parent + 1;右孩子(right)下标 = 2 * parent + 2
已知孩子(不区分左右)(child)下标,则:双亲(parent)下标 = (child - 1) / 2
二.🎪 堆
2.1 🚀 堆的要素
1. 堆逻辑上是一棵完全二叉树
2. 堆物理上是保存在数组中
3. 满足任意结点的值都大于其子树中结点的值,叫做大堆,或者大根堆,或者最大堆
4. 反之,则是小堆,或者小根堆,或者最小堆
5. 堆的基本作用是,快速找集合中的最值
2.2 🚀 建堆——向下调整法
下面我们给出一个数组,这个数组逻辑上可以看做一颗完全二叉树,但是还不是一个堆,现在我们通过算法,把它构建成一个堆。根节点左右子树不是堆,我们怎么调整呢?当我们从倒数的第一个非叶子节点的子树开始调整,一直调整到根节点的树,就可以调整成堆
但是我们调整越往上的节点时,它们之间值的交换,又会影响下面的节点,所以说我们的向下调整法之间应该有个循环,一直往下调整才行
public class TestHeap {
public int[] elem;
int usedSize;
public TestHeap() {
this.elem = new int[10];
}
/**
* 向下调整
* @param parent 每棵树的根节点
* @param len 每棵树调整的结束位置
*/
public void shiftDown(int parent, int len) {
int child = 2 * parent + 1;
//数学公式推导 - 错位相减 - 时间复杂度O(n)
//1.循环依次修改位置
while (child < len) {//向下调整一直到根
if (child + 1 < len && elem[child] < elem[child + 1]){//判断是否已经是叶子结点或者当前堆已经为大根堆
child++;
}
if (elem[parent] < elem[child]){//交换
int ret = elem[parent];
elem[parent] = elem[child];
elem[child] = ret;
}else{
break;
}
parent = child;//向下调整具体操作
child = child * 2 + 1;
}
}
public void createHeap(int[] array){
for (int i = 0; i < array.length; i++) {
elem[i] = array[i];
usedSize++;
}
for (int parent = (usedSize - 2) / 2; parent >= 0; parent--) {
shiftDown(parent,usedSize);
}
}
}
2.3 🚀 建堆——时间复杂度分析
当最坏情况时,我们每一次向下调整是不是都得调整到根节点,时间复杂度为整棵树的高度——O(log(n)),在遍历整棵树时间复杂度为O(n),那么建堆的时间复杂度是否为O(n * log(n))呢?——当然不是,我们来看看以下对建堆时间度的分析:
三.🎪 堆的应用——优先级队列
3.1 🚀 优先级队列——堆
在很多应用中,我们通常需要按照优先级情况对待处理对象进行处理,比如首先处理优先级最高的对象,然后处理次高的对象。最简单的一个例子就是,在手机上玩游戏的时候,如果有来电,那么系统应该优先处理打进来的电话。
在这种情况下,我们的数据结构应该提供两个最基本的操作,一个是返回最高优先级对象,一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)
public static void main(String[] args) {
PriorityQueue<Integer> priorityQueue = new PriorityQueue<>();
//每次入队的时候,都得保证当前是大堆或者小堆
priorityQueue.offer(12);
priorityQueue.offer(3);
priorityQueue.offer(15);
//保证每次弹出后,也得保证是小堆或者大堆
System.out.println(priorityQueue.peek());
System.out.println(priorityQueue.poll());
System.out.println(priorityQueue.poll());
}
3.2 🚀 入队优先级队列——模拟实现
相信理解了向下调整理解向上调整也不难。
过程(以大堆为例):
- 首先按尾插方式放入数组
- 比较其和其双亲的值的大小,如果双亲的值大,则满足堆的性质,插入结束
- 否则,交换其和双亲位置的值,重新进行 2、3 步骤
- 直到根结点
private void shiftUp(int child){
int parent = (child - 1) / 2;
while (parent >= 0){
if (elem[parent] < elem[child]){
int ret = elem[parent];
elem[parent] = elem[child];
elem[child] = ret;
}else{
break;
}
child = parent;
parent = (parent - 1) / 2;
}
}
public void offer(int val){
if (isFull()){
elem = Arrays.copyOf(elem, 2 * elem.length);
}
elem[usedSize++] = val;
shiftUp(usedSize - 1);
}
public boolean isFull(){
return usedSize == elem.length;
}
3.3 🚀 出队优先级队列——模拟实现
为了防止破坏堆的结构,删除时并不是直接将堆顶元素删除,而是用数组的最后一个元素替换堆顶元素,然后通过向下调整方式重新调整成堆
public int poll(){
if (isEmpty()){
throw new RuntimeException("优先级队列为空!");
}
int ret = elem[0];
elem[0] = elem[usedSize - 1];
elem[usedSize - 1] = ret;
usedSize--;
shiftDown(0,usedSize);
return ret;
}
public boolean isEmpty() {
return usedSize == 0;
}
想对大家说的话
💕家人们,学到这里我们的数据结构与算法中的堆已经彻底弄懂啦,后续新一将会对面试高频考点关于堆的部分给大家整理出来,如果觉得新一讲得还清楚的话,可以点个赞收藏一下支持一下哦🥳🥳🥳,后续新一会持续更新JAVA的有关内容,学习永无止境,技术宅,拯救世界!