Lintcode - 数据流中位数

class Solution {
#if 1   
    // 1. 用最简单的数组来保存读入的数据，显示未排序的，用Partition方法找出中位数，
    //    插入时间O(1)，查找中位数时间O(n)；
    // 2. 用最简单的数组来保存读入的数据，插入数据，保持其排序的特性，移动排序数据
    //    需要O(n)时间，最终读取中位数时间O(1);
    // 3. 用排序的列表，在O(n)的时间找到合适的位置，插入新读入的数据，再用两个指针
    //    指向中间元素，如果是奇数指向同一个元素，查找中位数在O(1)时间。
    // 4. 用二叉搜索树，插入新数据的平均时间为O(logn)，但是二叉搜索树极度不平衡的时候，
    //    会退化成一个排序列表，插入新数据的时间为O(n)；为了得到中位数，可以在节点中
    //    加入一个字段数目，表示子树结点的数目，有了这个字段，可以在O(logn)平均时间在
    //    得到中位数，最差情况仍然需要O(n)时间；
    // 5. AVL搜索树，AVL树的左右高度相差不超过1，可以稍加修改其左右高度相差的修改，
    //    O(logn)往书中添加节点，O(1)时间内获取中位数；系统中没有默认的AVL树结构
    //    可以使用，自己实现的话，调整AVL树太麻烦了；
    // 6. 用一个答对和一个小堆实现；
public:
    /*
     * @param nums: A list of integers
     * @return: the median of numbers
     */
    vector<int> medianII(vector<int> &nums) {
        // write your code here
        vector<int> ans;
        for (int i=0; i<nums.size(); i++) {
            Insert(nums[i]);
            ans.push_back(GetMedian());
        }
        
        return ans;
    }
private:
    void Insert(int num) {
        if(((min.size() + max.size()) & 1) == 0) { // 偶数
            if(max.size() > 0 && num < max[0]) { // 比最大堆中某些数据还小
                max.push_back(num); // 插入最大堆
                //对刚插入的（尾部）元素做堆排序，从大到小堆化
                push_heap(max.begin(), max.end(), less<int>());

                num = max[0]; // 取出最大的
                // 将front（即第一个最大元素）移动到end的前部，同时将剩下的元素重新构造成(堆排序)一个新的heap， 从大到小堆化。
                pop_heap(max.begin(), max.end(), less<int>()); 
                max.pop_back(); // 从尾部弹出
            }

            min.push_back(num); // 插入到最小堆
            // 对刚插入的（尾部）元素做堆排序，从小到大堆化
            push_heap(min.begin(), min.end(), greater<int>());
        } else { // 奇数
            if(min.size() > 0 && min[0] < num)
            {
                min.push_back(num); // 插入到最小堆
                push_heap(min.begin(), min.end(), greater<int>());

                num = min[0]; // 取出最小

                pop_heap(min.begin(), min.end(), greater<int>());
                min.pop_back();
            }

            max.push_back(num); // 插入到最大堆
            push_heap(max.begin(), max.end(), less<int>());
        }
    }
    
    int GetMedian()
    { 
        int size = min.size() + max.size();
        if(size == 0)
            -1;

        int median = 0;
        if((size & 1) == 1)
            median = min[0];
        else
            median = max[0];

        return median;
    }
private:
    // [最大堆] < [最小堆]
    vector<int> min;
    vector<int> max;
#endif
};