java数据结构堆_数据结构：堆

这是小密圈《进击的Java新人》第十一周第二课。

我们今天接着昨天讲的内容把选择排序的相关知识都讲完。选择排序中有一类特殊的排序算法，叫做堆排序。在介绍堆排序之前，我们必须先来讲明白堆是什么。

堆是一种非常灵活的数据结构，我们可以单独地使用它来解决很多有趣的问题。而且，由于堆的定义本来就有最优的含义，所以它与贪心算法有着天然的联系。在后面的讲解中，我们会不断地遇到以堆做为基本的数据结构进行贪心求解的例子。

堆这种数据结构本质是一个完全二叉树，如图 4.1 所示，但是通过分析，我们可以使用数组来实现它。由于堆本质上是一棵完全二叉树，因此，这里可以直接使用二叉树的相关概念，例如高度等等。在实现二叉树的时候，树结点通常这样定义：

public class Node {

public T data;

public Node left;

public Node right;

public Node parent;

public int state;

public Node(T d) {

this.data = d;

}

}

就是说，一个结点通常会有左，右孩子结点指针和父结点指针。但在完全二叉树中，是可以省略掉这三个指针的，因为完全二叉树的结点编号都是有规律的。给定某一个结点，假设它的下标为i，那么它的左孩子结点的下标就是2i + 1，右孩子结点的下标就是2i + 2，它的父结点为(i−1)/2。这样，我们就把可以省略去这些指针，直接将堆中的结点存储在数组中了。请对照示意图理解一下这段话。

堆又分为最大堆和最小堆。堆的性质非常简单，如果是最大堆，对于每个结点，都有结点的值大于两个孩子结点的值。如果是最小堆，那么对于每个结点，都有结点的值小于孩子结点的值。由此，可以得到一个推论，那就是，最大堆的根结点，必然是堆中的最大值，同理，最小堆的根结点，也必然是堆中的最小值。

建堆

对于一个堆，如果除了堆顶元素不满足结点大于孩子结点的条件，它的两个子树已经是符合条件的最大堆，我们很容易就可以将其再维护成一个符合条件的最大堆。将堆顶元素与两个孩子结点中最大的那个进行交换，然后再对互换的子树递归地进行维护。

public static void maxHeapify(int arr[], int length, int root) {

if (root >= length) {

return;

}

int largest = root;

int left = root * 2 + 1;

int right = root * 2 + 2;

if (left < length && arr[left] < arr[largest]) {

largest = left;

}

if (right < length && arr[right] < arr[largest]) {

largest = right;

}

if (largest != root) {

int t = arr[root];

arr[root] = arr[largest];

arr[largest] = t;

maxHeapify(arr, length, largest);

}

}

如图 4.2 所示，除了堆顶元素不满足最大堆的条件外，根结点的两棵子树已经分别是两个最大堆。使这个堆规范化的过程实际上就是堆顶元素13不断地向下降的过程。

有了规范化最大堆的函数以后，我们就可以轻松地从把一个无序数组规范化成一个堆。首先，如果堆中只含有一个元素，那么它必然是一个规范的最大堆，也就是说，如果把一个数组表示成完全二叉树，那么树上的每一个叶子结点都是一个规范的最大堆。这样，我们可以不断地自底向上规范化子堆，直到整个堆已经全部规范化。

public static void buildUpHeap(int[] arr) {

if (arr.length <= 1)

return;

int n = (arr.length - 2) / 2;

while (n >= 0) {

maxHeapify(arr, arr.length, n);

n--;

}

}

好了。今天的课程就到这里了。我们今天讲的方法是自底向上地建堆。这种方法应用于堆排序可以减少空间的使用，但其实不利于扩展。明天我们再讲一下自上而下的建堆方法。然后，我们再讲一下堆排序。

堆的内容还没讲解完，今天不留作业，因为好几道题目都是要求自上而下建堆的。今天只要对照图和代码把堆的性质牢牢掌握就可以了。