1、概念
(1)逻辑上是一颗完全二叉树,物理上是保存在数组当中的。
(2).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、最大堆;反之则称为小堆,或者最小堆。
(3)堆最大的优点是在于可以非常快速的找到最值。
2、向下调整(主要以大堆为例)
(1)首先确保左右子树均已经是堆,否则无法进行操作。
(2)树状结构满足:如果父节点下标为i,左子树下标为2i+1,右子树下标为2i+2,如果子树下标为i,父节点为(i-1)/2,而堆作为一颗完全二叉树,相应的也是满足这些规律的。
(3)具体思路:数组array存储数据,其中0-size的部分表示一个堆结构,设置index为开始下沉位置,child为左子树下标,对应的child+1则为右子树,父节点作为开始位置满足parent=index且child=2*parent+1,因为我们要构建的是大堆,所以先判断左右子树的大小,选出最大的再和父节点进行比较,如果父节点大那么不进行调整,如果孩子结点大那么就交换两者,接下来重复上述操作,直到完全满足堆的特性,那么就结束调整过程。
3、创建一个堆:给出一个数组,逻辑上可以看做一颗完全二叉树,但是还不是一个堆,通过算法把它构建成一个堆。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。
创建堆时粗略估算,可以认为是在循环中执行向下调整,为 O(n * log(n)),但实际上是 O(n),解释见堆排序中建堆过程时间复杂度O(n)怎么来的
4、具体代码实现
package Heap;
import java.util.Arrays;
public class Heap {
//在array中,0-size的部分是一个堆结构
//index表示开始下沉的位置
//大堆为例
public static void shiftDown(int[] array,int size,int index) {
int parent =index;
//左子树下标
int child = 2*parent+1;
while(child<size) {
//child+1为右子树,判断左右子树谁大
if(child+1<size
&& array[child+1]>array[child]) {
child = child+1;
}
//if之后child无法区分左右,但一定是左右子树中的最大值
if(array[child]>array[parent]) {
//不符合大堆的特性,因此交换二者位置
swap(array,child,parent);
} else {
//满足堆特性,调整结束
break;
}
parent = child;
child = 2*parent + 1;
}
}
public static void swap(int[] array,int x,int y) {
int tmp = array[x];
array[x] = array[y];
array[y] = tmp;
}
//把[0,size)范围的元素建成堆
//直观来看建堆复杂度为O(NlogN),实际为O(N)
public static void createHeap(int[] array,int size) {
//从最后一个非叶子结点出发,从后往前,对每个节点进行向下调整
//最后一个节点size-1,最后一个非叶子结点((size-1)-1)/2
for(int i=(size-2)/2;i>=0;i--){
shiftDown(array, size, i);
}
}
public static void main(String[] args) {
int[] array = {1,2,3,4,5,6,7};
createHeap(array, array.length);
System.out.println(Arrays.toString(array));
}
}