算法课3-堆和优先队列

堆的性质

1. 堆是一个完全二叉树（最后一层的节点都在左边）
2. 一般都用数组来表示堆，i结点的父结点下标就为(i – 1) / 2。它的左右子结点下标分别为2 * i + 1和2 * i + 2
3. 建堆 O(N) 合并两个堆的时间复杂度和建堆相同
4. 把元素插入堆和把某元素删除，时间复杂度O(logn)

每次插入都是将先将新数据放在数组最后，由于从这个新数据的父结点到根结点必然为一个有序的序列，将新数据与其父节点比较，上浮。
删除元素，把最后一个元素插到删除的位置，如果最后一个元素大于被替换的元素，则与父节点比较上浮，小于则下沉。

堆排序
主要思想是把数组建一个堆，然后不断把根节点弹出，继续维护除根节点外的堆。

// C++ program for implementation of Heap Sort 
#include <iostream> 
  
using namespace std; 
  
// To heapify a subtree rooted with node i which is 
// an index in arr[]. n is size of heap 
void heapify(int arr[], int n, int i) 
{ 
    int largest = i; // Initialize largest as root 
    int l = 2*i + 1; // left = 2*i + 1 
    int r = 2*i + 2; // right = 2*i + 2 
  
    // If left child is larger than root 
    if (l < n && arr[l] > arr[largest]) 
        largest = l; 
  
    // If right child is larger than largest so far 
    if (r < n && arr[r] > arr[largest]) 
        largest = r; 
  
    // If largest is not root 
    if (largest != i) 
    { 
        swap(arr[i], arr[largest]); 
  
        // Recursively heapify the affected sub-tree 
        heapify(arr, n, largest); 
    } 
} 
// main function to do heap sort 
void heapSort(int arr[], int n) 
{ 
    // Build heap (rearrange array) 
    for (int i = n / 2 - 1; i >= 0; i--) 
        heapify(arr, n, i); 
  
    // One by one extract an element from heap 
    for (int i=n-1; i>=0; i--) 
    { 
        // Move current root to end 
        swap(arr[0], arr[i]); 
  
        // call max heapify on the reduced heap 
        heapify(arr, i, 0); 
    } 
} 
  
/* A utility function to print array of size n */
void printArray(int arr[], int n) 
{ 
    for (int i=0; i<n; ++i) 
        cout << arr[i] << " "; 
    cout << "\n"; 
} 
  
// Driver program 
int main() 
{ 
    int arr[] = {12, 11, 13, 5, 6, 7}; 
    int n = sizeof(arr)/sizeof(arr[0]); 
  
    heapSort(arr, n); 
  
    cout << "Sorted array is \n"; 
    printArray(arr, n); 
} 

Java优先队列

//匿名Comparator实现
    public static Comparator<Customer> idComparator = new Comparator<Customer>(){
 
        @Override
        public int compare(Customer c1, Customer c2) {
            return (int) (c1.getId() - c2.getId());
        }
    };

        //优先队列使用示例
        Queue<Customer> customerPriorityQueue = new PriorityQueue<>(7, idComparator);
         customerPriorityQueue.add(new Customer(id, "Pankaj "+id));
        Customer cust = customerPriorityQueue.poll();

例题
Dynamic Median

题目描述：

设计一个数据结构，初始为空，支持以下操作：

（1）增加一个元素，要求在log(n)时间内完成，其中n是该数据结构中当前元素的个数。注意：数据结构中允许有重复的元素。

（2）返回当前元素集合的中位数，要求在常数时间内完成。如果当前元素的个数为偶数，那么返回下中位数（即两个中位数中较小的一个）。

（3）删除中位数，要求在log(n)时间内完成。

输入

输入的第一行是一个自然数T，代表测试数据的组数((1 ≤ T ≤ 600))。每组测试数据的第一行是个自然数N，代表操作的次数，1<=N<=10000。后面的N行中的每行代表一个操作，每次操作首先输入一个单字符代表操作的类型：

I表示插入，后面跟着输入一个正整数（这是唯一带有输入数值的操作）。
Q表示查询，输出当前的中位数（这是唯一产生输出的操作）。
D表示删除当前的中位数。

输入保证是正确的：查询时集合保证不为空（即中位数是存在的），删除时保证集合中有足够可供删除的元素。

输出

每次查询操作Q时输出的中位数，每次输出单独占一行。

样例输入

1

8

I 4

I 3

I 5

Q

D

I 10

I 2

Q

样例输出

4
3

思路：
使用一个大根堆维护数据中较小部分，小根堆维护较大部分，中间的元素即为中位数。

题解
https://blog.csdn.net/u013517182/article/details/54235743