目录
前言
前面我们学习了树以及二叉树,我们了解到有一种特殊的树被称为完全二叉树,是完全二叉树的话可以采用层序遍历的方式存储到数组中,也不会造成空间上的损失,而今天所要学习的堆也是这样的存储方式,堆本质上也是一棵完全二叉树,一起来让我们进入堆的学习!
一、什么是堆?
首先堆本质上是一棵完全二叉树,其物理上也可以理解为一个数组,堆也可以分为两种:大根堆和小根堆,也可以称为最大堆和最小堆。而所谓小根堆就是每一个双亲结点都小于其左右孩子,每一棵树都是这样的结构,才被成为是一个小根堆,大根堆则反之。
二、使用数组创建一个大根堆:
要创建一个大根堆我们首先要对其所给的数组模拟成一颗完全二叉树,然后在对其结构进行调整,将其转换成一个大根堆,然后才能对这个堆进行一系列的操作。
public class TestHeap {
public int[] elem;
public int usedSize;
public TestHeap() {
this.elem = new int[10];
}
/**
* 向下调整函数的实现
* @param parent 每棵树的根节点
* @param len 每棵树的调整的结束位置 10
*/
public void shiftDown(int parent,int len) {
int child = 2*parent+1;
//最起码是有左孩子的,至少有1个孩子
while (child < len) {
if(child+1 < len && elem[child] < elem[child+1]) {
child++;//保证当前左右孩子最大值的下标
}
if(elem[parent] < elem[child]){
int tmp = elem[parent];
elem[parent] = elem[child];
elem[child] = tmp;
parent = child;
child = 2*parent+1;
}else{
break;
}
}
}
//创建一个大根堆
public void createHeap(int[] array) {
for (int i = 0; i < array.length; i++) {
elem[i] = array[i];
usedSize++;
}
for (int parent = (usedSize-1-1)/2; parent >= 0 ; parent--) {
//调整
shiftDown(parent,usedSize);
}
}
private void shiftUp(int child) {
int parent = (child - 1) / 2;
while(child > 0){
if(elem[parent] > elem[child]){
break;
}else{
int tmp = elem[parent];
elem[parent] = elem[child];
elem[child] = tmp;
child = parent;
parent = (child - 1) / 2;
}
}
}
//放元素
public void offer(int val) {
if(isFull()) {
//扩容
elem = Arrays.copyOf(elem,2*elem.length);
}
elem[usedSize++] = val;
//注意这里传入的是usedSize-1
shiftUp(usedSize-1);
}
public boolean isFull() {
return usedSize == elem.length;
}
//出队
public int poll(){
if(isEmpty()){
throw new RuntimeException("优先级队列为空!");
}
int tmp = elem[0];
elem[0] = elem[usedSize - 1];
elem[usedSize - 1] = tmp;
usedSize -- ;
shiftDown(0,usedSize);
return tmp;
}
//优先级队列对顶
public int peek(){
if(isEmpty()){
throw new RuntimeException("优先级队列为空!");
}
return elem[0];
}
public boolean isEmpty() {
return usedSize == 0;
}
//堆排序
public void heapSort() {
int end = this.usedSize - 1;
while(end != 0){
int tmp = elem[0];
elem[0] = elem[end];
elem[end] = tmp;
shiftDown(0,end);
end --;
}
}
}
三、建一个堆的时间复杂度是多少呢?
四、优先级队列(PriorityQueue):
在创建优先级队列的时候,其源码是创建了一个小根堆,当然也可以利用一些方法可以创建一个大根堆,例如使用lambda表达式,但可读性差,还可以创建一个比较器来创建:
//大根堆的创建方式
PriorityQueue<Integer> priorityQueue = new PriorityQueue<>(new Comparator<Integer>() {
@Override//比较器
public int compare(Integer o1, Integer o2) {
return o1 - o2;
}
});
//lambda表达式:但可读性差
PriorityQueue<Integer> priorityQueue = new PriorityQueue<>((x,y)->{return y - x;});
最经典的topk问题:
public static List<List<Integer>> kSmallestPairs(int[] nums1, int[] nums2, int k) {
PriorityQueue<List<Integer>> maxHeap = new PriorityQueue<>(k, new Comparator<List<Integer>>() {
@Override
public int compare(List<Integer> o1, List<Integer> o2) {
return (o2.get(0)+o2.get(1))-(o1.get(0)+o1.get(1));
}
});//先以大根堆的形式创建一个堆
for(int i = 0;i < Math.min(k, nums1.length); i++){
for (int j = 0; j < Math.min(k, nums2.length); j++) {
//以topK的方法来做 求前k小的数需要先创建一个k大小的大根堆,然后把后面所有元素入堆,
// 小于堆顶的就先把堆顶的最大值出队再放入较小的值,有可能这个就是前面k个最小的值之一,
// 最后堆里面的值就是前k个最小的值堆顶是第k小的值
//要求前k个最大值也是一样的做法,只不过创建小根堆就可以
if(maxHeap.size() < k){
List<Integer> ret = new ArrayList<>();
ret.add(nums1[i]);
ret.add(nums2[j]);
maxHeap.offer(ret);
}else{
int top = maxHeap.peek().get(0) + maxHeap.peek().get(1);//获取栈顶元素
if(top > nums1[i] + nums2[j]){//比较哪个更小,后面的值更小就入堆
maxHeap.poll();
List<Integer> ret = new ArrayList<>();
ret.add(nums1[i]);
ret.add(nums2[j]);
maxHeap.offer(ret);
}
}
}
}
List<List<Integer>> tmp = new ArrayList<>();
for (int i = 0; i < k && !maxHeap.isEmpty(); i++) {
tmp.add(maxHeap.poll());
}
return tmp;
}
//前k个小的数
public static int[] topK(int[] array,int k){
PriorityQueue<Integer> priorityQueue = new PriorityQueue<>(new Comparator<Integer>(){
@Override
public int compare(Integer o1,Integer o2){
return o2 - o1;
}
});
for (int i = 0; i < array.length; i++) {
if(priorityQueue.size() < k){
priorityQueue.offer(array[i]);
}else{
int top = priorityQueue.peek();
if(top > array[i]){
priorityQueue.poll();
priorityQueue.offer(array[i]);
}
}
}
int[] tmp = new int[k];
for (int i = 0; i < tmp.length; i++) {
tmp[i] = priorityQueue.poll();
}
return tmp;
}
总结
二叉树这块是面试中常见的问题,而堆也将会包含在其中,尤其是topk问题,也是很常见的,后面我也会再将堆排序重新整理出来,这个也是很有意思的排序,当然也很重要!!!