高频刷题-最大最小堆(Two heaps)专题

有许多问题是关于一组元素，可以把他们分成两个部分。为了解决问题，我们会对前半部分元素的最小的元素、另一半元素的最大的一部分感兴趣。Two heaps模式就是一种有效解决这样的问题的方法。

Two heaps使用了两个堆：一个最小堆找到最小的元素，最大堆找到最大的元素。我们存储前半部分元素到最大堆种，后半部分元素到最小堆种。这样，如果我们需要计算中位数，直接可以根据这两个堆的堆顶元素就可以计算出来。

Two heaps模式适用于如下场景：

1. 在Priority Queue, 日程安排(Scheduling)类似问题；
2. 如果问题是我们需要找到数组中最小、最大、中位数；

 

https://leetcode.com/problems/find-median-from-data-stream/

看题目就知道是设计一个数据结构，解决中位数求解的问题。主要此时是中位数，也就是排序数组的中间那个数字。对于奇数元素的数组，就是中间那个数字；偶数则为中间两个数的平均数。

Brute force解决方案是可以维持一个排序的数组，这样每次插入元素的时候时间复杂度为O(N)，计算中位数可以直接找到中间元素的index为O(1)。这是一种方案。

另外一个方案就是本文要介绍的Two heaps模式。我们可以设想，要找到中位数，其实就是找到一个元素，它左边的元素都小于它；右边的元素都大于它。这样这个元素就是中位数。这样就得到一个算法：

1. 我们使用smaller 堆存储较小元素的部分，堆顶需要是最大值，所以是大根堆。这样我们知道该部分最大的元素；
2. 使用larger堆存储较大元素的部分，堆顶需要最小元素，因此是小根堆。这样我们知道该集合的最小元素是什么；