二叉堆 之 Java的实现

最新推荐文章于 2023-02-08 20:06:01 发布
最新推荐文章于 2023-02-08 20:06:01 发布
阅读量835 收藏 2
点赞数
分类专栏： 数据结构温习

堆和二叉堆的介绍

堆的定义

堆(heap)，这里所说的堆是数据结构中的堆，而不是内存模型中的堆。堆通常是一个可以被看做一棵树，它满足下列性质：
[性质一] 堆中任意节点的值总是不大于(不小于)其子节点的值；
[性质二] 堆总是一棵完全树。
将任意节点不大于其子节点的堆叫做最小堆或小根堆，而将任意节点不小于其子节点的堆叫做最大堆或大根堆。常见的堆有二叉堆、左倾堆、斜堆、二项堆、斐波那契堆等等。

二叉堆的定义

二叉堆是完全二元树或者是近似完全二元树，它分为两种：最大堆和最小堆。
最大堆：父结点的键值总是大于或等于任何一个子节点的键值；最小堆：父结点的键值总是小于或等于任何一个子节点的键值。示意图如下：

二叉堆一般都通过”数组“来实现。数组实现的二叉堆，父节点和子节点的位置存在一定的关系。有时候，我们将”二叉堆的第一个元素”放在数组索引0的位置，有时候放在1的位置。当然，它们的本质一样(都是二叉堆)，只是实现上稍微有一丁点区别。
假设”第一个元素”在数组中的索引为 0 的话，则父节点和子节点的位置关系如下：
(01) 索引为i的左孩子的索引是 (2*i+1);
(02) 索引为i的左孩子的索引是 (2*i+2);
(03) 索引为i的父结点的索引是 floor((i-1)/2);

假设”第一个元素”在数组中的索引为 1 的话，则父节点和子节点的位置关系如下：
(01) 索引为i的左孩子的索引是 (2*i);
(02) 索引为i的左孩子的索引是 (2*i+1);
(03) 索引为i的父结点的索引是 floor(i/2);

注意：本文二叉堆的实现统统都是采用”二叉堆第一个元素在数组索引为0”的方式！

二叉堆的图文解析

图文解析是以”最大堆”来进行介绍的。
最大堆的核心内容是”添加”和”删除”，理解这两个算法，二叉堆也就基本掌握了。下面对它们进行介绍，其它内容请参考后面的完整源码。

1. 添加

假设在最大堆[90,80,70,60,40,30,20,10,50]种添加85，需要执行的步骤如下：

如上图所示，当向最大堆中添加数据时：先将数据加入到最大堆的最后，然后尽可能把这个元素往上挪，直到挪不动为止！
将85添加到[90,80,70,60,40,30,20,10,50]中后，最大堆变成了[90,85,70,60,80,30,20,10,50,40]。

最大堆的插入代码(Java语言)

/*
 * 最大堆的向上调整算法(从start开始向上直到0，调整堆)
 *
 * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
 *
 * 参数说明：
 *     start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引)
 */
protected void filterup(int start) {
    int c = start;            // 当前节点(current)的位置
    int p = (c-1)/2;        // 父(parent)结点的位置 
    T tmp = mHeap.get(c);        // 当前节点(current)的大小

    while(c > 0) {
        int cmp = mHeap.get(p).compareTo(tmp);
        if(cmp >= 0)
            break;
        else {
            mHeap.set(c, mHeap.get(p));
            c = p;
            p = (p-1)/2;   
        }       
    }
    mHeap.set(c, tmp);
}

/* 
 * 将data插入到二叉堆中
 */
public void insert(T data) {
    int size = mHeap.size();

    mHeap.add(data);    // 将"数组"插在表尾
    filterup(size);        // 向上调整堆
}

insert(data)的作用：将数据data添加到最大堆中。mHeap是动态数组ArrayList对象。
当堆已满的时候，添加失败；否则data添加到最大堆的末尾。然后通过上调算法重新调整数组，使之重新成为最大堆。

2. 删除

假设从最大堆[90,85,70,60,80,30,20,10,50,40]中删除90，需要执行的步骤如下：

如上图所示，当从最大堆中删除数据时：先删除该数据，然后用最大堆中最后一个的元素插入这个空位；接着，把这个“空位”尽量往上挪，直到剩余的数据变成一个最大堆。
从[90,85,70,60,80,30,20,10,50,40]删除90之后，最大堆变成了[85,80,70,60,40,30,20,10,50]。

注意：考虑从最大堆[90,85,70,60,80,30,20,10,50,40]中删除60，执行的步骤不能单纯的用它的字节点来替换；而必须考虑到”替换后的树仍然要是最大堆”！

二叉堆的删除代码(Java语言)

/* 
 * 最大堆的向下调整算法
 *
 * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
 *
 * 参数说明：
 *     start -- 被下调节点的起始位置(一般为0，表示从第1个开始)
 *     end   -- 截至范围(一般为数组中最后一个元素的索引)
 */
protected void filterdown(int start, int end) {
    int c = start;          // 当前(current)节点的位置
    int l = 2*c + 1;     // 左(left)孩子的位置
    T tmp = mHeap.get(c);    // 当前(current)节点的大小

    while(l <= end) {
        int cmp = mHeap.get(l).compareTo(mHeap.get(l+1));
        // "l"是左孩子，"l+1"是右孩子
        if(l < end && cmp<0)
            l++;        // 左右两孩子中选择较大者，即mHeap[l+1]
        cmp = tmp.compareTo(mHeap.get(l));
        if(cmp >= 0)
            break;        //调整结束
        else {
            mHeap.set(c, mHeap.get(l));
            c = l;
            l = 2*l + 1;   
        }       
    }   
    mHeap.set(c, tmp);
}

/*
 * 删除最大堆中的data
 *
 * 返回值：
 *      0，成功
 *     -1，失败
 */
public int remove(T data) {
    // 如果"堆"已空，则返回-1
    if(mHeap.isEmpty() == true)
        return -1;

    // 获取data在数组中的索引
    int index = mHeap.indexOf(data);
    if (index==-1)
        return -1;

    int size = mHeap.size();
    mHeap.set(index, mHeap.get(size-1));// 用最后元素填补
    mHeap.remove(size - 1);                // 删除最后的元素

    if (mHeap.size() > 1)
        filterdown(index, mHeap.size()-1);    // 从index号位置开始自上向下调整为最小堆

    return 0;
}

二叉堆的Java实现(完整源码)

二叉堆的实现同时包含了”最大堆”和”最小堆”。
二叉堆(最大堆)的实现文件(MaxHeap.java)

/**
 * 二叉堆(最大堆)
 *
 * @author skywang
 * @date 2014/03/07
 */

import java.util.ArrayList;
import java.util.List;

public class MaxHeap<T extends Comparable<T>> {

    private List<T> mHeap;    // 队列(实际上是动态数组ArrayList的实例)

    public MaxHeap() {
        this.mHeap = new ArrayList<T>();
    }

    /* 
     * 最大堆的向下调整算法
     *
     * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
     *
     * 参数说明：
     *     start -- 被下调节点的起始位置(一般为0，表示从第1个开始)
     *     end   -- 截至范围(一般为数组中最后一个元素的索引)
     */
    protected void filterdown(int start, int end) {
        int c = start;          // 当前(current)节点的位置
        int l = 2*c + 1;     // 左(left)孩子的位置
        T tmp = mHeap.get(c);    // 当前(current)节点的大小

        while(l <= end) {
            int cmp = mHeap.get(l).compareTo(mHeap.get(l+1));
            // "l"是左孩子，"l+1"是右孩子
            if(l < end && cmp<0)
                l++;        // 左右两孩子中选择较大者，即mHeap[l+1]
            cmp = tmp.compareTo(mHeap.get(l));
            if(cmp >= 0)
                break;        //调整结束
            else {
                mHeap.set(c, mHeap.get(l));
                c = l;
                l = 2*l + 1;   
            }       
        }   
        mHeap.set(c, tmp);
    }

    /*
     * 删除最大堆中的data
     *
     * 返回值：
     *      0，成功
     *     -1，失败
     */
    public int remove(T data) {
        // 如果"堆"已空，则返回-1
        if(mHeap.isEmpty() == true)
            return -1;

        // 获取data在数组中的索引
        int index = mHeap.indexOf(data);
        if (index==-1)
            return -1;

        int size = mHeap.size();
        mHeap.set(index, mHeap.get(size-1));// 用最后元素填补
        mHeap.remove(size - 1);                // 删除最后的元素

        if (mHeap.size() > 1)
            filterdown(index, mHeap.size()-1);    // 从index号位置开始自上向下调整为最小堆

        return 0;
    }

    /*
     * 最大堆的向上调整算法(从start开始向上直到0，调整堆)
     *
     * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
     *
     * 参数说明：
     *     start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引)
     */
    protected void filterup(int start) {
        int c = start;            // 当前节点(current)的位置
        int p = (c-1)/2;        // 父(parent)结点的位置 
        T tmp = mHeap.get(c);        // 当前节点(current)的大小

        while(c > 0) {
            int cmp = mHeap.get(p).compareTo(tmp);
            if(cmp >= 0)
                break;
            else {
                mHeap.set(c, mHeap.get(p));
                c = p;
                p = (p-1)/2;   
            }       
        }
        mHeap.set(c, tmp);
    }

    /* 
     * 将data插入到二叉堆中
     */
    public void insert(T data) {
        int size = mHeap.size();

        mHeap.add(data);    // 将"数组"插在表尾
        filterup(size);        // 向上调整堆
    }

    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        for (int i=0; i<mHeap.size(); i++)
            sb.append(mHeap.get(i) +" ");

        return sb.toString();
    }

    public static void main(String[] args) {
        int i;
        int a[] = {10, 40, 30, 60, 90, 70, 20, 50, 80};
        MaxHeap<Integer> tree=new MaxHeap<Integer>();

        System.out.printf("== 依次添加: ");
        for(i=0; i<a.length; i++) {
            System.out.printf("%d ", a[i]);
            tree.insert(a[i]);
        }

        System.out.printf("\n== 最 大 堆: %s", tree);

        i=85;
        tree.insert(i);
        System.out.printf("\n== 添加元素: %d", i);
        System.out.printf("\n== 最 大 堆: %s", tree);

        i=90;
        tree.remove(i);
        System.out.printf("\n== 删除元素: %d", i);
        System.out.printf("\n== 最 大 堆: %s", tree);
        System.out.printf("\n");
    }
}

二叉堆(最小堆)的实现文件(MinHeap.java)

/**
 * 二叉堆(最小堆)
 *
 * @author skywang
 * @date 2014/03/07
 */

import java.util.ArrayList;
import java.util.List;

public class MinHeap<T extends Comparable<T>> {

    private List<T> mHeap;        // 存放堆的数组

    public MinHeap() {
        this.mHeap = new ArrayList<T>();
    }

    /* 
     * 最小堆的向下调整算法
     *
     * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
     *
     * 参数说明：
     *     start -- 被下调节点的起始位置(一般为0，表示从第1个开始)
     *     end   -- 截至范围(一般为数组中最后一个元素的索引)
     */
    protected void filterdown(int start, int end) {
        int c = start;          // 当前(current)节点的位置
        int l = 2*c + 1;     // 左(left)孩子的位置
        T tmp = mHeap.get(c);    // 当前(current)节点的大小

        while(l <= end) {
            int cmp = mHeap.get(l).compareTo(mHeap.get(l+1));
            // "l"是左孩子，"l+1"是右孩子
            if(l < end && cmp>0)
                l++;        // 左右两孩子中选择较小者，即mHeap[l+1]

            cmp = tmp.compareTo(mHeap.get(l));
            if(cmp <= 0)
                break;        //调整结束
            else {
                mHeap.set(c, mHeap.get(l));
                c = l;
                l = 2*l + 1;   
            }       
        }   
        mHeap.set(c, tmp);
    }

    /*
     * 最小堆的删除
     *
     * 返回值：
     *     成功，返回被删除的值
     *     失败，返回null
     */
    public int remove(T data) {
        // 如果"堆"已空，则返回-1
        if(mHeap.isEmpty() == true)
            return -1;

        // 获取data在数组中的索引
        int index = mHeap.indexOf(data);
        if (index==-1)
            return -1;

        int size = mHeap.size();
        mHeap.set(index, mHeap.get(size-1));// 用最后元素填补
        mHeap.remove(size - 1);                // 删除最后的元素

        if (mHeap.size() > 1)
            filterdown(index, mHeap.size()-1);    // 从index号位置开始自上向下调整为最小堆

        return 0;
    }

    /*
     * 最小堆的向上调整算法(从start开始向上直到0，调整堆)
     *
     * 注：数组实现的堆中，第N个节点的左孩子的索引值是(2N+1)，右孩子的索引是(2N+2)。
     *
     * 参数说明：
     *     start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引)
     */
    protected void filterup(int start) {
        int c = start;            // 当前节点(current)的位置
        int p = (c-1)/2;        // 父(parent)结点的位置 
        T tmp = mHeap.get(c);        // 当前节点(current)的大小

        while(c > 0) {
            int cmp = mHeap.get(p).compareTo(tmp);
            if(cmp <= 0)
                break;
            else {
                mHeap.set(c, mHeap.get(p));
                c = p;
                p = (p-1)/2;   
            }       
        }
        mHeap.set(c, tmp);
    }

    /* 
     * 将data插入到二叉堆中
     */
    public void insert(T data) {
        int size = mHeap.size();

        mHeap.add(data);    // 将"数组"插在表尾
        filterup(size);        // 向上调整堆
    }

    public String toString() {
        StringBuilder sb = new StringBuilder();
        for (int i=0; i<mHeap.size(); i++)
            sb.append(mHeap.get(i) +" ");

        return sb.toString();
    }

    public static void main(String[] args) {
        int i;
        int a[] = {80, 40, 30, 60, 90, 70, 10, 50, 20};
        MinHeap<Integer> tree=new MinHeap<Integer>();

        System.out.printf("== 依次添加: ");
        for(i=0; i<a.length; i++) {
            System.out.printf("%d ", a[i]);
            tree.insert(a[i]);
        }

        System.out.printf("\n== 最 小 堆: %s", tree);

        i=15;
        tree.insert(i);
        System.out.printf("\n== 添加元素: %d", i);
        System.out.printf("\n== 最 小 堆: %s", tree);

        i=10;
        tree.remove(i);
        System.out.printf("\n== 删除元素: %d", i);
        System.out.printf("\n== 最 小 堆: %s", tree);
        System.out.printf("\n");
    }
}

二叉堆的Java测试程序

测试程序已经包含在相应的实现文件中了，这里只说明运行结果。

最大堆(MaxHeap.java)的运行结果：

== 依次添加: 10 40 30 60 90 70 20 50 80 
== 最 大 堆: 90 80 70 60 40 30 20 10 50 
== 添加元素: 85
== 最 大 堆: 90 85 70 60 80 30 20 10 50 40 
== 删除元素: 90
== 最 大 堆: 85 80 70 60 40 30 20 10 50

最小堆(MinHeap.java)的运行结果：

== 最 小 堆: 10 20 30 50 90 70 40 80 60 
== 添加元素: 15
== 最 小 堆: 10 15 30 50 20 70 40 80 60 90 
== 删除元素: 10
== 最 小 堆: 15 20 30 50 90 70 40 80 60

PS. 二叉堆是”堆排序”的理论基石。以后讲解算法时会讲解到”堆排序”，理解了”二叉堆”之后，”堆排序”就很简单了。

转载自：二叉堆(三)之 Java的实现

Coding-lover
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
二叉堆最小堆的Java实现
03-01
个人实现的最小权重的二叉堆实现，效率很高，适合任意场合下的临时列表排序。 可在外部写脚本对该文件进行测试 需要继承Tuple类实现排序对象类型，并实现Tuple的抽象方法weight()来反映排序对象权重
二叉堆（大顶堆、小顶堆）学习（使用java手写）
fengxiandada的博客
06-15 1678
我们现在有一个需求，用来存放整数，要求需要提供三个接口我们可以用我们熟悉的数据结构去解决这些问题O(logn)那有没有更优的数据结构呢？当然有，那就是堆。
玩转数据结构之Java实现二叉堆
故不积跬步无以至千里
02-08 303
二叉堆是一颗完全二叉树，并满足堆中某个节点的值总是小于或等于父节点的值；根节点元素最大值；根节点元素最小值；ღ( ´･ᴗ･` )
数据结构与算法(java版)第一季 - 15 二叉堆
m0_47489229的博客
08-19 144
二叉堆的笔记总结
二叉堆主要方法的java实现
weixin_45189666的博客
07-17 218
二叉堆接口 public interface Heap<E> { int size(); boolean isEmpty(); void clear(); void add(E element);//添加元素到堆 E get();//取堆顶元素 E remove();//删除堆顶元素 E replace(E element);//删除堆顶元素的同时插入一个新元素 } 大顶二叉堆的实现 存储结构 对于采用二叉树结构的堆，使用数组存储结构，可以不需要有额外的保存左右孩子节点和父亲
java 二叉堆_二叉堆的介绍和Java实现
weixin_39564187的博客
02-16 289
一、堆和二叉堆堆，英文名称Heap，所谓二叉堆(也有直接称二叉堆为堆的)，本质上是一个完全二叉树，前面也提到过，如果树接近于完全二叉树或者满二叉树，采用顺序存储代价会小一点，因此常见的二叉堆均是顺序实现的。按照排列的顺序可以分为最大堆和最小堆，最大堆的特征是父节点一定大于(依据情况判断是大于等于还是严格大于，数据结构归根到底还是用来使用的)子节点的数据。同样，有最大堆就会有最小堆，最小堆的 父节点...
Java语言实现二叉堆的打印代码分享
08-28
主要介绍了Java语言实现二叉堆的打印代码分享，具有一定借鉴价值，需要的朋友可以了解下。
java编程实现优先队列的二叉堆代码分享
08-28
主要介绍了java编程实现优先队列的二叉堆代码分享，具有一定参考价值，需要的朋友可以了解下。
java 实现二叉排序树 堆
12-15
java 实现二叉排序树
java-二叉堆（堆）binaryHeap
08-05
4.binaryHeap 二叉堆 支持排序，父子之间只有一种大小关系。孩子大于父，或者小于父。 二叉堆不支持合并。 实现了各种增删查改算法。
看图说话之二叉堆(优先队列)——java实现
涂印的博客
10-13 3713
介绍了二叉堆的建堆操作，给出了java代码对二叉堆结构的简单实现
二叉堆的理解和实现（java）
如是说的博客
07-15 498
其实在写二叉堆实现的时候，已经在堆排序中了解了二叉堆，所以在这里不再详细讲解二叉堆的性质，有兴趣的可以看一看这里：堆排序(最大堆)的理解和实现(Java) 最大堆 代码实现： package 二叉堆; import java.util.ArrayList; /** * 最大堆 * @author lishanlei * */ public class MaxHeap<T exte...
二叉堆及java实现
johnhuster的专栏
03-18 516
基础知识 本文要讲的堆不是jvm内存结构中的堆，而是一种数据结构，在jdk的优先级队列就涉及到堆这种数据结构，堆可以分为大顶堆以及小顶堆两种。下面我们来看下大顶堆等效的二叉树结构，小顶堆类似，这里就不再赘述。 如上图所示，大顶堆的满足以下条件： 1、大顶堆等效构成的二叉树的父节点不小于其子节点 1、需要注意的是大顶堆以及小顶堆只关注每个节点与其子节点的大小，至于一个节点的子节点大小则不...
二叉堆算法具体实现细节- Java实现
weixin_44871341的博客
03-04 212
前言：之前在学习二叉堆算法时，感觉自己明白了。但是当我自己去写代码的时候，或者回想的时候，却很难系统的描述出来。在仔细研究源码之后，发现了一些之前没有发现的新东西，特地，记录下来，供大家参考。 文章目录二叉堆原理二叉堆的应用二叉堆操作具体实现 二叉堆原理 二叉堆类似于完全二叉树。不过与二叉树不同之处在于，二叉堆底层是数组，其左右子节点和父节点的关联是通过索引建立。例如当前节点的元素为arr[index]，如果该元素有子节点，那么左子节点为arr[2*index + 1], 右子节点为arr[2*inde.
数据结构之优先队列--二叉堆(Java实现)
热门推荐
LCore的专栏
06-16 1万+
前言               数据结构队列的学习中，我们知道队列是先进先出的。任务被提交到队列中，按照先进先出的原则      对各个任务进行处理。不过在现实的情况下，任务通常有着优先级的概念，例如短任务、管理员的操作      应该优先执行。这是使用队列就无法描述了，这种特殊的应用我们使用一种称之为优先队列(堆)的方式      来解决。   优先队列             和
二叉堆的Java实现及应用举例
fanchaoo的专栏
03-14 551
二叉堆实现 import java.util.Arrays; //二叉堆 public class BinaryHeap { private static final int DEFAULT_CAPACITY = 10; private int currentSize; private int[] arr; public BinaryHeap() { this(DEFAULT_
二叉堆（JAVA实现）
nvnnv的博客
04-04 745
定义二叉堆（简称堆，当然还有别的堆），是一种具有特定规则的树形结构，二叉堆规定：父节点的值必定大于（小于）其孩子节点，因此可以称其为最大堆（最小堆），堆是维护极值的非常快速的一种数据结构。实现思路堆一般都是数组实现的（不明白用数组怎么写树的，请自己脑补，很容易想的）。 拿最小堆来说，堆的根节点一定是最小的，堆只可以从根节点取值，所以堆的调整是最重要的工作。 比如对数列： 10 1 11 9 6
什么是二叉堆/java实现
罗伯特是疯子丶
09-11 499
堆的定义 二叉堆是一种特殊的堆，可以看做是完全二叉树，它分为两个类型： 1.最大堆 2.最小堆 什么是最大堆呢？就是父结点的键值总是大于或等于任何一个子节点的键值； 什么是最小堆呢？父结点的键值总是小于或等于任何一个子节点的键值。 其中二叉堆的根节点叫...
算法(第四版)学习笔记之java实现基于堆的优先队列
seabear008的专栏
07-25 1519
一台电脑之所以能同时运行多个应用程序的时候，是通过为每个应用程序的事件分配一个优先级，并总是处理下一个优先级最高的事件来实现的。在这种情况下，一个合适的数据结构应该支持两种操作：删除最大元素和插入元素。我们称这种数据类型叫做优先队列。 优先队列是一种抽象数据类型，它表示了一组值和对这些值的操作，其中最重要的操作就是删除最大元素和插入元素。 数据结构二叉堆能够很好地实现优先队列的基本操作。在二叉
使用java代码实现堆排序
最新发布
09-23
它通过将待排序的元素构建成一个二叉堆，然后按照特定的规则将最大（最小）元素与堆的最后一个元素进行交换，并逐步缩小堆的范围，直到堆为空，完成排序。 下面是使用Java代码实现堆排序的例子： ```java public ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值