题型总结——前K系列（堆、优先队列）

1适用场景

求解最大/最小/最频繁的K个元素的题，都遵循这种模式。
求解k类型的最佳数据结构就是堆，堆分为最大堆和最小堆，而堆是通过优先队列来实现的，能够动态维护数据的有序性。
如下找到数组中前3个最大的值
流程：

• 根据题目要求，将K个元素插入到最小堆或是最大堆。
• 遍历剩下的还没访问的元素，如果当前出来到的这个元素比堆顶元素大，那咱们把堆顶元素先删除，再加当前元素进去。

2堆属性

堆的逻辑结构是一棵完全二叉树的数组对象。
堆的物理结构是顺序表(一维数组)，非线性数据结构，有两个直接后继。
同时，此处的堆不要与JAVA内存分配中的堆内存混淆。这里讨论的是数据
堆分为两种：最大堆和最小堆，两者的差别在于节点的排序方式。

最大堆
根结点的键值是所有堆结点键值中最大者，且每个结点的值都比其子节点的值大。

最小堆
根结点的键值是所有堆结点键值中最小者，且每个结点的值都比其子节点的值小。

3堆实现

通过优先队列来实现最大堆和最小堆
最大堆：

• PriorityQueue<Integer> maxHeapA = new PriorityQueue<>(Comparator.reverseOrder());
• PriorityQueue<Integer> maxHeapC = new PriorityQueue<>((o1, o2) -> -o1 + o2);
• PriorityQueue<Integer> maxHeap = new PriorityQueue<>((o1, o2) ->o2.compareTo(o1));

最小堆：

• PriorityQueue<Integer> minHeapB = new PriorityQueue<>();
• PriorityQueue<Integer> minHeap = new PriorityQueue<>((o1, o2) -> o1.compareTo(o2));
• PriorityQueue<Integer> maxHeapC = new PriorityQueue<>((o1, o2) -> o1 - o2);

注意： ((o1, o2) ->o2.compareTo(o1)此处为lambda表达式，语法结构由三部分组成：形参列表；箭头；代码块，形如（）->{}。
继续了解lambda见链接: java中的Lambda表达式
.

5力扣题型总结

• 13337方阵中战斗力最弱的 K 行
• 692前k个高频单词
• 未完待续

4堆常用的方法

• boolean offer(E e)：
  
• boolean add(E e)
  
• E peek()：获取堆顶元素
• E poll()：删除堆顶元素，并返回该元素
• E remove()：移除堆顶元素
  

题型总结目录

题型总结——前K系列（堆、优先队列）.
题型总结——二分查找（中间点计算的改进）.
题型总结——二维数组（矩阵）之逆逆时针输出、查找.
题型总结——栈的应用.
题型总结——双指针算法全部模型（持续更新）.