1、堆的定义
堆是计算机科学中一类特殊的数据结构的统称,堆通常可以被看做是一棵完全二叉树的数组对象。
堆的特性:
1.它是完全二叉树,除了树的最后一层结点不需要是满的,其它的每一层从左到右都是满的,如果最后一层结点不是满的,那么要求左满右不满。
![acc2873a63b24653bf4da86e45410fcd.png](https://i-blog.csdnimg.cn/blog_migrate/00f0884d055684b7bdbd9df2ca640fd4.png)
2.它通常用数组来实现。
具体方法就是将二叉树的结点按照层级顺序放入数组中,根结点在位置1,它的子结点在位置2和3,而子结点的子结点则分别在位置4,5,6和7,以此类推。
![283c0d9f30384dc38309ea098cfd29b5.png](https://i-blog.csdnimg.cn/blog_migrate/86ebf83d24e05687958da3db088f46dc.png)
如果一个结点的位置为k,则它的父结点的位置为[k/2],而它的两个子结点的位置则分别为2k和2k+1。这样,在不使用指针的情况下,我们也可以通过计算数组的索引在树中上下移动:从a[k]向上一层,就令k等于k/2,向下一层就令k等于2k或2k+1。
3.每个结点都大于等于它的两个子结点。这里要注意堆中仅仅规定了每个结点大于等于它的两个子结点,但这两个子结点的顺序并没有做规定,跟我们之前学习的二叉查找树是有区别的。
2、堆的API设计
类名
|
Heap
|
---|---|
构造方法
|
Heap(int capacity):创建容量为capacity的Heap对象
|
成员方法
|
1.private boolean less(int i,int j):判断堆中索引i处的元素是否小于索引j处的元素
2.private void exch(int i,int j):交换堆中i索引和j索引处的值
3.public T delMax():删除堆中最大的元素,并返回这个最大元素
4.public void insert(T t):往堆中插入一个元素
5.private void swim(int k):使用上浮算法,使索引k处的元素能在堆中处于一个正确的位置
6.private void sink(int k):使用下沉算法,使索引k处的元素能在堆中处于一个正确的位置
|
成员变量
|
1.private T[] imtes : 用来存储元素的数组
2.private int N:记录堆中元素的个数
|
3、堆的实现代码
public class Heap<T extends Comparable<T>> {
//存储堆中的元素
private T[] datas;
//记录堆中元素的个数
private int N;
public Heap(int capacity) {
this.datas = (T[]) new Comparable[capacity + 1];
this.N = 0;
}
//判断堆中索引i处的元素是否小于索引j出的元素
private boolean less(int i, int j) {
return datas[i].compareTo(datas[j]) < 0;
}
//交换堆中i索引和j索引处的值
private void exch(int i, int j) {
T temp = datas[i];
datas[i] = datas[j];
datas[j] = temp;
}
//往堆中插入一个元素
public void insert(T t) {
datas[++N] = t;
swim(N);
}
//使用上浮算法,使索引k处的元素能在堆中处于 一个正常的位置
private void swim(int k) {
//通过循环不断比较当前结点和其父结点的值
//如果父结点的值<当前结点的值,则交换位置
while (k > 1) {
//比较当前结点和其父结点
if (less(k / 2, k)) {
exch(k / 2, k);
}
k = k / 2;
}
}
//删除堆中最大的元素,并返回这个最大元素
public T delMax() {
T max = datas[1];
//交换索引1处的元素与最大索引处的元素,让完全二叉树中最右侧的元素变为临时根节点
exch(1, N);
//最大索引处的元素删除掉
datas[N] = null;
//元素个数减1
N--;
//通过下沉排序,让堆重新有序
sink(1);
return max;
}
//使用下沉算法,使索引k处的元素能在堆中处于一个正确的位置
private void sink(int k) {
//对比当前结点k和其子结点Max(2k,2k+1)
//如果当前结点小,则交换位置
while (2 * k <= N) {
//获取当前结点的子结点的较大结点
int max;
if (2 * k + 1 <= N) {
max = less(2 * k, 2 * k + 1) ? 2 * k + 1 : 2 * k;
} else {
max = 2 * k;
}
//比较当前结点的子结点中的较大值
if (!less(k, max)) {
break;
}
//交换k索引处的值和max索引的值
exch(k, max);
//变换k的值
k = max;
}
}
}
代码测试运行结果
![f4966635c7394c228340297d0ddafb54.png](https://i-blog.csdnimg.cn/blog_migrate/7abe0aab6c57d449d9917248db32dc07.png)
4、堆排序
堆排序(大根堆)的核心是上浮算法和下沉算法,两个原理都一样
上浮:最后面的结点一直与父结点比较,如果比父结点大,就交换。
下沉:第一个结点一直与 2个子结点中较大的子结点 比较,如果小于较大的子结点,就交换。
public class HeapSort<T extends Comparable<T>> {
//对source数组中的数据从小到大排序
public static void sort(Comparable[] source) {
//构建堆
Comparable[] heap = new Comparable[source.length + 1];
createHeap(source, heap);
//定义一个变量,记录未排序的元素中最大的索引
int N = heap.length - 1;
//循环,交换索引1处的元素和排序的元素中最大索引处的元素
while (N != 1) {
//交换元素
exch(heap, 1, N);
//排除交换后最大元素所在的索引,让它不参与堆的下沉调整
N--;
//需要索引1处的元素进行堆的下沉调整
sink(heap, 1, N);
}
//把heap中的数据复制到原数组source中
System.arraycopy(heap, 1, source, 0, source.length);
}
//根据原数组source,构造出堆heap
private static void createHeap(Comparable[] source, Comparable[] heap) {
//吧source中的元素拷贝到heap中,heap中的元素就形成一个无序的堆
System.arraycopy(source, 0, heap, 1, source.length);
//对堆中的元素做下沉调整(从长度的一半处开始,往索引1处扫描)
int l = heap.length;
for (int i = l / 2; i > 0; i--) {
sink(heap, i, l - 1);
}
}
//判断heap堆中索引i处的元素是否小于索引j处的元素
private static boolean less(Comparable[] heap, int i, int j) {
return heap[i].compareTo(heap[j]) < 0;
}
//交换heap堆中索引i和索引j处的值
private static void exch(Comparable[] heap, int i, int j) {
Comparable temp = heap[i];
heap[i] = heap[j];
heap[j] = temp;
}
//在heap堆中,对target处的元素做下沉,范围是0-range
private static void sink(Comparable[] heap, int target, int range) {
while (2 * target <= range) {
//找出当前结点的较大的结点
int max;
if (2 * target + 1 <= range) {
//如果有2个子结点,取其中较大的
max = less(heap, 2 * target, 2 * target + 1) ? 2 * target + 1 : 2 * target;
} else {
//如果只有1个子结点
max = 2 * target;
}
//比较当前结点的值和较大子结点的值,如果当前结点的值大于子结点的值就结束循环
if (!less(heap, target, max))
break;
exch(heap, target, max);
target = max;
}
}
}