堆
堆的定义
通常情况下我们把堆看成是一棵完全二叉树。
堆一般分为两种,一种是最大堆,一种是最小堆。
最大堆要求根节点的值即大于左子树的值,又大于右子树的值。也就是说最大堆根节点的值是堆中最大的。最小堆根节点的值是堆中最小的,以最小堆为例子,如下图
他是数组结构,结点中的数字是数组元素的下标,不是数组元素的值。所以如果我们知道父节点的下标我们就可以知道他的两个子节点(如果有子节点),如果知道子节点的下标也一定能找到父节点的下标,他们的关系是:
父节点的下标 =(子节点下标 - 1)>>1;
左子节点下标 = 父节点下标 * 2 + 1;
右子节点下标 = 父节点下标 * 2 + 2 ;
堆的创建
堆有两种,一种是最大堆,一种是最小堆。顾名思义,最大堆就是堆顶的元素是最大的,最小堆就是堆顶的元素是最小的。原理都差不多,我们只分析一个就行了,我们就以数组【10,4,8,3,5,1】为例来画个图分析一下最小堆是怎么创建的。
这就是堆的创建,把元素加入到堆中的时候,都要和父节点进行比对,在最小堆中,如果比父节点小,就要和父节点交换,交换之后还要继续和再和新的父节点对比……。同理在最大堆中,如果比父节点大,就要和父节点交换。
我们看到上面堆创建之后数组的元素顺序变为【1,4,3,10,5,8】
堆添加元素方法代码
public boolean add(E e) {
if (e == null) // e 不能为空
throw new IllegalArgumentException();
// 如果堆的空间不够了就扩容,这里是扩大2倍
if (size >= data.length)
data = Arrays.copyOf(data, data.length << 1);
//如果堆是空的,直接添加就可以了,不需要调整,因为就一个没发调整
if (size == 0)
data[0] = e;
else // 如果堆不是空的,就要往上调整。
siftUp(e); // 向上调整的方法,详细请看完整代码
size++;
return true;
}
堆的删除
堆的添加会往上调整,堆的删除不仅会往下调整而且还有可能往上调整。堆中元素的删除我们可以从堆顶删除,也可以从中间某个位置删除,如果从堆顶删除的话我们只需要往下调整即可,因为堆顶没有父节点,不需要往上调整。如果从中间删除的话,我们先要往下调整,如果往下调整没有成功(比如在最小堆中,他比两个子节点都小),我们还要进行往上的调整。调整的原理就是把数组最后一个元素放到要删除的元素位置上,然后在删除元素的位置上进行上下调整,原理其实都差不多,我们来看一下最小堆顶部元素删除之后的调整。
上面是我们把堆顶元素1删除之后堆的调整,如果我们再把堆顶元素3删除之后,只需要用数组的最后一个元素5替换3,然后再往下调整即可……
堆删除元素的方法代码
public E remove() {
if (size == 0)
return null;
size--;
E result = (E) data[0]; // 获取堆顶元素
E x = (E) data[size]; // 取出数组的最后一个元素
data[size] = null; // 数组最后一个元素置空
// 这里实际上是把数组的最后一个元素取出放到栈顶,然后再往下调整。
if (size != 0)
siftDown(x); // 向下调整的方法,详细请看完整代码
return result;
}
完整代码
import java.util.Arrays;
import java.util.Comparator;
public class MyHeap<E> {
private Object [] data; // 数据存放
private int size; // 堆的大小
private Comparator<? super E> comparator; //比较器
public MyHeap(int initialCapacity) {
this(initialCapacity, null);
}
public MyHeap(int initialCapacity, Comparator<? super E> comparator) {
if (initialCapacity < 1)
throw new IllegalArgumentException("堆的大小必须大于0");
this.data = new Object[initialCapacity];
this.comparator = comparator;
}
// 向堆中添加元素
public boolean add(E e) {
if (e == null) // e 不能为空
throw new IllegalArgumentException();
// 如果堆的空间不够了就扩容,这里是扩大2倍
if (size >= data.length)
data = Arrays.copyOf(data, data.length << 1);
//如果堆是空的,直接添加就可以了,不需要调整,因为就一个没发调整
if (size == 0)
data[0] = e;
else // 如果堆不是空的,就要往上调整。
siftUp(e);
size++;
return true;
}
// 返回堆的大小
public int getSize() {
return size;
}
// 删除堆顶元素
public E remove() {
if (size == 0)
return null;
size--;
E result = (E) data[0]; // 获取堆顶元素
E x = (E) data[size]; // 取出数组的最后一个元素
data[size] = null; // 数组最后一个元素置空
// 这里实际上是把数组的最后一个元素取出放到栈顶,然后再往下调整。
if (size != 0)
siftDown(x);
return result;
}
// 访问堆顶元素,不删除
public E peek() {
return size == 0 ? null : (E) data[0];
}
// 返回数组的值
public <T> T[] toArray(T[] a) {
if (a.length < size)
return (T[]) Arrays.copyOf(data, size, a.getClass());
System.arraycopy(data, 0, a, 0, size);
if (a.length > size)
a[size] = null;
return a;
}
// 往上调整,往上调整只需要和父节点比较即可,如果比父节点大就不需要在调整
private void siftUp(E e) {
int s = size;
while (s > 0) {
// 通过子节点的位置找到父节点的位置
int parent = (s-1) >>> 1;
Object pData = data[parent];
//和父节点比较,如果比父节点大就退出循环不再调整
if (comparator != null && comparator.compare(e, (E)pData) >= 0)
break;
else if (comparator == null && ((Comparable<? super E>) e).compareTo((E) pData) >= 0)
break;
// 如果比父节点小,就和父节点交换,然后再继续往上调整
data[s] = pData;
s = parent;
}
// 通过上面的往上调整,找到合适的位置,再把e放进去
data[s] = e;
}
// 往下调整,往下调整需要和他的两个子节点(如果有两个子节点)都要比较,
// 哪个最小就和哪个交换,如果比两个子节点都小就不用再交换
private void siftDown(E e) {
int half = size >>> 1; // 非终端结点的个数
int index = 0;
while (index < half) {
// 根据父节点的位置可以找到左子节点的位置
int min = (index<<1) + 1;
Object minChild = data[min];
// 根据左子节点找到右子节点的位置
int right = min + 1;
if (right < size) { // 如果有右子节点时
// 如果有右子节点,肯定会有左子节点。那么就需要左右两个子节点比较,把小的赋值给minChild
if (comparator != null) {
if (comparator.compare((E) minChild, (E) data[right]) > 0)
minChild = data[min = right];
} else {
if (((Comparable<? super E>) minChild).compareTo((E)data[right]) > 0)
minChild = data[min = right];
}
}
// 用节点e和他的最小的子节点比较,如果小于他最小的子节点就退出循环,不再往下调整了。
if (comparator != null) {
if (comparator.compare(e, (E) minChild) <= 0)
break;
} else {
if (((Comparable<? super E>) e).compareTo((E) minChild) <= 0)
break;
}
// 如果e比它的最小的子节点小,就用最小的子节点和e交换位置,然后再继续往下调整。
data[index] = minChild;
index = min;
}
data[index] = e;
}
}
堆排序
使用堆排序测试一下
public static void main(String[] args) {
int[] arr = {10, 4, 8, 3, 5, 1};
System.out.print("数组原始的值:");
for (int i = 0; i < arr.length; i++) {
System.out.printf(arr[i] + "\t");
}
System.out.println();
MyHeap myHeap = new MyHeap(10, new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return (o1 - o2 > 0) ? 1 : -1;
}
});
for (int i = 0; i < arr.length; i++) {
myHeap.add(arr[i]);
}
System.out.printf("堆中元素的值:");
Object[] temp = myHeap.toArray(new Object[myHeap.getSize()]);
for (int i = 0; i < temp.length; i++) {
System.out.printf((int)temp[i] + "\t");
}
System.out.println();
System.out.print("排序之后的值:");
for (int i = 0, length = myHeap.size; i < length; i++) {
System.out.printf(myHeap.remove() + "\t");
}
}
运行结果
数组原始的值:10 4 8 3 5 1
堆中元素的值:1 4 3 10 5 8
排序之后的值:1 3 4 5 8 10