一、堆(heap)
1.1 概念
1.堆在结构上是一颗完全二叉树。
2.从节点值看:
根节点的值一定不小于左右子树的节点值——大根堆(最大堆)
根节点的值一定不大于左右子树的节点值——小根堆(最小堆)
3.堆在物理上是保存在数组中
4.堆的实现基本都是基于二叉树——二叉堆。
判断一棵二叉树是不是堆,从两点出发,首先看它的结构是否一棵完全二叉树,然后看根节点的值与左右子树节点值的大小关系,若根节点>=左右子树,则为最大堆,若根节点 <=左右子树,则为最小堆。
相同的数据可以构建成多种类型的堆。
堆是用数组存储,因此编号就表示元素在数组中对应的下标,存储的方式有两种:
1、
数组中索引从1 开始存储堆节点,对于一个索引值为k的节点(k>0),他的parent(k)=k/2,left(child k)=k*2,right(child k)=k*2+1。
2、
数组中索引从0开始存储堆节点,对于对于一个索引值为k的节点(k>0),他的parent(k)=k/2,left(child k)=k*2+1,right(child k)=k*2+2。
1.2 在堆中添加一个元素——元素上浮-siftUp()
1.向数组末尾添加一个元素data[size]=val;
2.调整添加后堆的节点,使其仍然满足堆的性质:siftUp(int k),k就是当前需要上浮的节点索引。
3.在k>0且当前k对应的值大于其父节点值的情况下,循环交换当前的节点值和其父节点的值,直到满足堆的性质结束循环。
import java.awt.*;
import java.util.ArrayList;
import java.util.List;
/**
* 基于数组实现的最大堆
* 编号从0开始,编号对应数组的下标index,index>0;
* 父节点=index-1/2
* 若有左右孩子,保证2*index+1或2*index+2<data.length
* 左孩子=2*index+1 右孩子=2*index+2
*/
public class MaxHeap {
private ArrayList<Integer> data;
public MaxHeap() {
data=new ArrayList<>();
}
public MaxHeap(int capacity){
data=new ArrayList<>(capacity);
}
//heapify
//TODO
public MaxHeap(int[] arr){
data=new ArrayList<>(arr.length);
}
public boolean isEmpty(){
return data.size()==0;
}
//三个私有方法
//获取父节点的索引
private int parent(int k){
return (k-1)/2;
}
//获取左孩子的索引
private int left(int k){
return 2*k+1;
}
//获取右孩子的索引
private int right(int k){
return 2*k+2;
}
//增删改查
//增加元素 上浮操作
public void add(int val){
data.add(val);
siftUp(data.size()-1);
}
/**
* 元素的上浮操作
* @param i 当前要上浮的元素下标
*/
private void siftUp(int i) {
while (i > 0 && data.get(i) > data.get(parent(i))) {
swap(i, parent(i));
//继续向上判断i是否需要交换
i = parent(i);
}
}
//交换当前数组中i和parent的值
private void swap(int i, int parent) {
int tmp=data.get(i);
int parentVal=data.get(parent);
data.set(i,parentVal);
data.set(parent,tmp);
}
@Override
public String toString() {
StringBuilder stringBuilder=new StringBuilder();
stringBuilder.append("[");
for (int i = 0; i < data.size(); i++) {
stringBuilder.append(data.get(i));
if(i!=data.size()-1){
stringBuilder.append(",");
}
}
stringBuilder.append("]");
return stringBuilder.toString();
}
}
1.3 在堆中取出元素的最大值——数组下沉-siftDown()
1.直接从堆顶取出元素,就是最大值;
2.删除堆顶元素,然后对剩下的节点进行调整,使其仍然满足堆的性质。
3.在删除完堆顶元素后,将数组最后一个节点移到堆顶,并删除最后一个节点,然后开始元素下沉-siftDown(int k),在满足左节点和右节点都存在的情况下,判断左节点和右节点的大小,大的与下标为k的节点进行交换,一直循环直到满足堆的性质。
import java.awt.*;
import java.util.ArrayList;
import java.util.List;
/**
* 基于数组实现的最大堆
* 编号从0开始,编号对应数组的下标index,index>0;
* 父节点=index-1/2
* 若有左右孩子,保证2*index+1或2*index+2<data.length
* 左孩子=2*index+1 右孩子=2*index+2
*/
public class MaxHeap {
private ArrayList<Integer> data;
public MaxHeap() {
data=new ArrayList<>();
}
public MaxHeap(int capacity){
data=new ArrayList<>(capacity);
}
//heapify
//TODO
public MaxHeap(int[] arr){
data=new ArrayList<>(arr.length);
}
public boolean isEmpty(){
return data.size()==0;
}
//三个私有方法
//获取父节点的索引
private int parent(int k){
return (k-1)/2;
}
//获取左孩子的索引
private int left(int k){
return 2*k+1;
}
//获取右孩子的索引
private int right(int k){
return 2*k+2;
}
//增删改查
//增加元素 上浮操作
public void add(int val){
data.add(val);
siftUp(data.size()-1);
}
/**
* 取出当前堆的最大值
* 继续调整当前堆,使其满足堆的节点性质
*/
public int extractMax(){
if(isEmpty()){
System.out.println("heap is empty!");
}
int max=data.get(0);
data.set(0,data.get(data.size()-1));
data.remove(data.size()-1);
siftDown(0);
return max;
}
/**
*元素的下沉操作
* @param i 当前要下沉的元素下标
*/
private void siftDown(int i) {
//左子树存在
while (left(i)<data.size()){
int j=left(i);
//右子树也存在
if(right(i)< data.size()){
int leftVal=data.get(left(i));
int rightVal=data.get(right(i));
if(leftVal<rightVal){
j=j+1;
}
}
if(data.get(i)>=data.get(j)){
//当前节点已经大于左右孩子,下沉结束
break;
}else {
swap(i,j);
i=j;
}
}
}
//交换当前数组中i和parent的值
private void swap(int i, int parent) {
int tmp=data.get(i);
int parentVal=data.get(parent);
data.set(i,parentVal);
data.set(parent,tmp);
}
@Override
public String toString() {
StringBuilder stringBuilder=new StringBuilder();
stringBuilder.append("[");
for (int i = 0; i < data.size(); i++) {
stringBuilder.append(data.get(i));
if(i!=data.size()-1){
stringBuilder.append(",");
}
}
stringBuilder.append("]");
return stringBuilder.toString();
}
}
这样子操作元素的下沉和上浮,时间复杂度为O(n*logn)。
1.4 堆化(heapify)
给我们一个任意数组,逻辑上可以看成一棵完全二叉树,但不是一个堆,现在我们将它堆化。
堆化:从最后一个非叶子节点开始,进行子树的siftDown操作,直到调整到根节点为止,就可以调整成堆。堆化的操作一次性砍掉了所有的叶子节点,是一个自底向上调整堆的过程。
堆化的时间复杂度为O(n)。
public class MaxHeap {
private ArrayList<Integer> data;
public MaxHeap() {
data=new ArrayList<>();
}
public MaxHeap(int capacity){
data=new ArrayList<>(capacity);
}
//heapify
public MaxHeap(int[] arr){
data=new ArrayList<>(arr.length);
for (int i:arr) {
data.add(i);
}
for (int i =parent(data.size()-1) ; i >=0; i--) {
siftDown(i);
}
}
public boolean isEmpty(){
return data.size()==0;
}
//三个私有方法
//获取父节点的索引
private int parent(int k){
return (k-1)/2;
}
//获取左孩子的索引
private int left(int k){
return 2*k+1;
}
//获取右孩子的索引
private int right(int k){
return 2*k+2;
}
//增删改查
//增加元素 上浮操作
public void add(int val){
data.add(val);
siftUp(data.size()-1);
}
/**
* 取出当前堆的最大值
* 继续调整当前堆,使其满足堆的节点性质
*/
public int extractMax(){
if(isEmpty()){
System.out.println("heap is empty!");
}
int max=data.get(0);
data.set(0,data.get(data.size()-1));
data.remove(data.size()-1);
siftDown(0);
return max;
}
//交换当前数组中i和parent的值
private void swap(int i, int parent) {
int tmp=data.get(i);
int parentVal=data.get(parent);
data.set(i,parentVal);
data.set(parent,tmp);
}
/**
*元素的下沉操作
* @param i 当前要下沉的元素下标
*/
private void siftDown(int i) {
//左子树存在
while (left(i)<data.size()){
int j=left(i);
//右子树也存在
if(right(i)< data.size()){
int leftVal=data.get(left(i));
int rightVal=data.get(right(i));
if(leftVal<rightVal){
j=j+1;
}
}
if(data.get(i)>=data.get(j)){
//当前节点已经大于左右孩子,下沉结束
break;
}else {
swap(i,j);
i=j;
}
}
}
@Override
public String toString() {
StringBuilder stringBuilder=new StringBuilder();
stringBuilder.append("[");
for (int i = 0; i < data.size(); i++) {
stringBuilder.append(data.get(i));
if(i!=data.size()-1){
stringBuilder.append(",");
}
}
stringBuilder.append("]");
return stringBuilder.toString();
}
}
Test:
public class MaxHeapTest {
public static void main(String[] args) {
int[] arr={17,90,68,12,15,14,70,30,20};
MaxHeap heap=new MaxHeap(arr);
for (int i = 0; i <arr.length ; i++) {
arr[i]=heap.extractMax();
}
System.out.println(Arrays.toString(arr));
}
}
//执行结果:
[90, 70, 68, 30, 20, 17, 15, 14, 12]
2.优先级队列
优先级队列是基于堆的实现,优先级队列的入队列与普通的队列一样,但是出队列是按照优先级出队列。因此入队就是堆的添加元素,进行元素上浮的操作,出队就是按照优先级的高低进行出队,然后进行元素的下沉操作。
public class PriorityQueue implements Queue {
MaxHeap heap=new MaxHeap();
@Override
public void offer(int value) {
heap.add(value);
}
@Override
public int poll() {
return heap.extractMax();
}
@Override
public int peek() {
return heap.peekHeap();
}
@Override
public boolean isEmpty() {
return heap.isEmpty();
}
}
Test:
public class QueueTest {
public static void main(String[] args) {
int[] arr={3,5,2,1,7,6,9,8};
Queue queue=new PriorityQueue();
for (int i :arr) {
queue.offer(i);
}
for (int i = 0; i < arr.length; i++) {
arr[i]=queue.poll();
}
System.out.println(Arrays.toString(arr));
}
}
//执行结果:
[9, 8, 7, 6, 5, 3, 2, 1]
以上是我们自定义的优先级队列,是以最大堆实现的,但是JDK内置的优先级队列是基于最小堆实现的。因此我们在使用JDK内置的优先级队列时,若传入的时自定义类型,如Student类,要么向优先级队列中传入该类的比较器,要么自定义类型实现了comparable接口。但是JDK内置的类,如String、包装类,自动覆写了comparable接口,可以直接比较。