堆常用来实现优先队列,在这种队列中,待删除的元素为优先级最高(最低)的那个。在任何时候,任意优先元素都是可以插入到队列中去的,是计算机科学中一类特殊的数据结构的统称。
一、堆的定义:
如果有一个关键码的集合K={k0,k1,k2,…kn-1},把它的所有元素按完全二叉树的顺序存储方式存储
在一个一维数组中,并满足:Ki<=K2i+1且Ki<=K2i+2(Ki>=K2i+1且Ki>=K2i+2) i =0,1,2…则称为小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆,根节点最小的堆叫做最小堆或小根堆。
堆的性质:
●堆中某个节点的值总是不大于或不小于其父节点的值;·堆总是一棵完全二叉树。
如下图,图一为大根堆,图二为小根堆。
二、堆的存储
从堆的概念可知,堆是一棵完全二叉树,因此可以层序的规则采用顺序的方式来高效存储。
注意:对于非完全二叉树,则不适合使用顺序方式进行存储,因为为了能够还原二叉树,空间中必须要存储空节点,就会导致空间利用率比较低。
将元素存储到数组中后,可以根据二叉树章节的性质5对树进行还原。假设i为节点在数组中的下标,则有:
- 如果i为0,则i表示的节点为根节点,否则i节点的双亲节点为(i -1)/2;
- 如果2i+1小于节点个数,则节点的左孩子下标为2i+1,否则没有左孩子;
- 如果2i+2小于节点个数,则节点i的右孩子下标为2i+2,否则没有右孩子。
三、支持的基本操作
堆支持以下的基本操作:
- creat:建立一个空堆;
- offer:向堆中插入一个新元素;
- peek:获取当前堆顶元素的值;
- poll:删除堆顶元素。
堆的两种调整方式:
- 向下调整
- 向上调整
四、自定义实现堆的基本操作
1、向下调整:
(1)前提:当前节点的左右子树,都是符合堆的要求,只有根节点不符合。这个时候就可以针对根节点开始进行向下调整了。
(2)方法:以大堆为例
- 先找到左右子树中较大的值;
- 拿着较大的值和根节点进行比较判定是否符合堆的要求;如果不符合,就交换这两个元素;
- 交换完毕之后,再针对对应的子树继续进行向下调整,直到整个树都符合堆的规则为止。
// array 表示用来存储堆的数组.
// size 表示数组上有效元素的个数(有效元素不一定和 array.length 一样)
// index 表示从哪个位置开始进行向下调整
// 以大堆为例
public static void shiftDown(int[] array, int size, int index) {
int parent = index;
int child = 2 * parent + 1;
// 循环条件的含义:
// 如果 child < size, 就意味着 child 是存在的.
// 如果 child >= size, 就说明 parent 已经是叶子节点.
while (child < size) {
// 第一次比较, 找出左右子树的最大值.
if (child + 1 < size && array[child + 1] > array[child]) {
// 如果发现右子树存在, 且右子树比左子树大,
// 就让 child 指向 右子树
child = child + 1;
}
// 希望这个条件结束之后, 无论如何 child 都指向左右子树中较大的那个
// 第二次比较, 拿刚才的 child 位置的元素和 parent 进行比较
// 看是否符合堆的要求. 如果不符合就交换两个元素
if (array[parent] < array[child]) {
// 不符合大堆要求
int tmp = array[parent];
array[parent] = array[child];
array[child] = tmp;
} else {
// 调整就完成了, 刚才index位置的节点已经被放到合适的位置了
// 不需要继续调整了
break;
}
// 更新循环变量
parent = child;
child = 2 * parent + 1;
}
}
2、向上调整:
与向下调整刚好相反
public static void shiftUp(int[] array, int size, int index) {
int child = index;
int parent = (child - 1) / 2;
while (child > 0) {
// 比较父节点和子节点是否符合堆的要求
if (array[parent] < array[child]) {
// 如果不符合大堆的要求, 就交换这两个元素
int tmp = array[parent];
array[parent] = array[child];
array[child] = tmp;
} else {
// 只要发现现在的父子节点符合堆要求
// 就认为现在这个堆已经调整完毕了~
break;
}
// 更新循环变量
child = parent;
parent = (child - 1) / 2;
}
}
3、创建堆:
方法:从后往前遍历数组,依次进行向下调整。
// createHeap 方法, 看起来时间复杂度就是 O(NlogN)
// 实际上时间复杂度是 O(N)
public static void createHeap(int[] array) {
// 最后一个元素的下标是 length - 1,
// 目的是从最后一个非叶子节点开始往前循环.
// 最后一个非叶子节点正是最后一个节点的父节点.
for (int i = (array.length - 1 - 1) / 2; i >= 0; i--) {
shiftDown(array, array.length, i);
}
}
4、插入元素:
方法:拿当前位置的节点和父节点进行比较,如果当前不符合堆的要求,就交换。
public void offer(int val) {
if (size >= data.length) {
// 堆已经满了, 直接插入失败/扩容
return;
}
// 1. 先把新元素放到数组的末尾.
data[size] = val;
size++;
// 2. 加入新的元素之后, 很可能就破坏了原有的堆的结构.
// 就需要调整堆, 让堆能够重新符合要求.
// 向上调整的方式~, 从新元素的位置进行向上调整
shiftUp(data, size, size - 1);
}
5、获取堆顶元素:
方法:取树根结点的值,即取数组下标为0的位置的值。
// 获取堆顶元素
public Integer peek() {
if (size == 0) {
return null;
}
return data[0];
}
6、删除堆顶元素:
方法:移形换影。
- 先把堆顶元素和最后一个元素互换;
- size–删除最后一个元素;
- 再从0号位置向下调整即可。
// 删除堆顶元素
public Integer poll() {
if (size == 0) {
return null;
}
Integer result = data[0];
// 先把 0 号元素和最后一个元素互换.
// 或者直接把最后一个元素给赋值到 0 号元素也成~
data[0] = data[size - 1];
// 删除最后一个元素
size--;
// 从 0 号位置开始进行向下调整
shiftDown(data, size, 0);
return result;
}