二叉堆:https://blog.csdn.net/qq_40794973/article/details/102532323
1 二叉堆底层实现
1.1 定义二叉堆
public class MaxHeap<E extends Comparable<E>> {
private ArrayList<E> data;
public MaxHeap(int capacity) {
data = new ArrayList<>(capacity);
}
public MaxHeap() {
data = new ArrayList<>();
}
public MaxHeap(E[] arr) {
this(arr.length);
data.addAll(Arrays.asList(arr));
for (int i = parent(arr.length - 1); i >= 0; i--) {
siftDown(i);
}
}
1.2 辅助函数
// 返回堆中的元素个数
public int size() {
return data.size();
}
// 返回一个布尔值, 表示堆中是否为空
public boolean isEmpty() {
return data.isEmpty();
}
// 返回完全二叉树的数组表示中,一个索引所表示的元素的父亲节点的索引
private int parent(int index) {
if (index == 0) {
throw new IllegalArgumentException("index-0 doesn't have parent.");
}
return (index - 1) / 2;
}
// 返回完全二叉树的数组表示中,一个索引所表示的元素的左孩子节点的索引
private int leftChild(int index) {
return index * 2 + 1;
}
// 返回完全二叉树的数组表示中,一个索引所表示的元素的右孩子节点的索引
private int rightChild(int index) {
return index * 2 + 2;
}
//交换data里面的索引为a和b的值
private void swap(int a, int b) {
E temp = data.get(a);
data.set(a, data.get(b));
data.set(b, temp);
}
//删除data里面的最后一个元素
private void removeLast() {
data.remove(data.size() - 1);
}
//往data末尾添加一个元素
private void addLast(E e) {
data.add(data.size(), e);
}
1.3 siftUp
private void siftUp(int k) {
// data[k] > data[parent(k)]
while (k > 0 && data.get(parent(k)).compareTo(data.get(k)) < 0) {
swap(k, parent(k));
k = parent(k);
}
}
1.4 siftDown
private void siftDown(int k) {
// 有左节点
while (leftChild(k) < data.size()) {
// 在此轮循环中,data[k]和data[j]交换位置
int j = leftChild(k);
// 左节点 < 右节点
if (j + 1 < data.size() && data.get(j + 1).compareTo(data.get(j)) > 0) {
j++;
}
// data[j] 是 leftChild 和 rightChild 中的最大值
// data[k] > data[j]
if (data.get(k).compareTo(data.get(j)) >= 0) {
break;
}
swap(k, j);
k = j;
}
}
1.5 添加元素
// 向堆中添加元素
public void add(E e) {
addLast(e);
siftUp(data.size() - 1);
}
1.6 最大元素相关
// 看堆中的最大元素
public E findMax() {
if (data.size() == 0) {
throw new IllegalArgumentException("Can not findMax when heap is empty.");
}
return data.get(0);
}
// 取出堆中最大元素
public E extractMax() {
E ret = findMax();
swap(0, data.size() - 1);
removeLast();
siftDown(0);
return ret;
}
// 取出堆中的最大元素,并且替换成元素e
public E replace(E e) {
E ret = findMax();
data.set(0, e);
siftDown(0);
return ret;
}
2 测试代码
2.1 测试是否正确
//int n = 1000000;
//MaxHeap<Integer> maxHeap = new MaxHeap<>();
//Random random = new Random();
//for (int i = 0; i < n; i++) {
// maxHeap.add(random.nextInt(Integer.MAX_VALUE));
//}
//int[] arr = new int[n];
//for (int i = 0; i < n; i++) {
// arr[i] = maxHeap.extractMax();
//}
//System.out.println(Arrays.toString(arr));
//for (int i = 1; i < n; i++) {
// if (arr[i - 1] < arr[i]) {
// throw new IllegalArgumentException("Error");
// }
//}
//System.out.println("Test MaxHeap completed.");
2.2 测试heapify
//public class Main {
// private static double testHeap(Integer[] testData, boolean isHeapify) {
// long startTime = System.nanoTime();
// MaxHeap<Integer> maxHeap;
// if (isHeapify) {
// maxHeap = new MaxHeap<>(testData);
// } else {
// maxHeap = new MaxHeap<>(testData.length);
// for (int num : testData) {
// maxHeap.add(num);
// }
// }
// int[] arr = new int[testData.length];
// for (int i = 0; i < testData.length; i++) {
// arr[i] = maxHeap.extractMax();
// }
// for (int i = 1; i < testData.length; i++) {
// if (arr[i - 1] < arr[i]) {
// throw new IllegalArgumentException("Error");
// }
// }
// System.out.println("Test MaxHeap completed.");
// long endTime = System.nanoTime();
// return (endTime - startTime) / 1000000000.0;
// }
// /**
// * Test MaxHeap completed.
// * Without heapify: 7.572264 s
// * Test MaxHeap completed.
// * With heapify: 4.5880423 s
// */
// public static void main(String[] args) {
// int n = 5000000;
// Random random = new Random();
// Integer[] testData1 = new Integer[n];
// for (int i = 0; i < n; i++) {
// testData1[i] = random.nextInt(Integer.MAX_VALUE);
// }
// Integer[] testData2 = Arrays.copyOf(testData1, n);
// double time1 = testHeap(testData1, false);
// System.out.println("Without heapify: " + time1 + " s");
//
// double time2 = testHeap(testData2, true);
// System.out.println("With heapify: " + time2 + " s");
// }
//}