堆的定义
“堆”通常指的是计算机科学中的一种数据结构,它是一棵完全二叉树,其中每个节点都有一个值,并且这些值具有一定的顺序关系。堆通常被用来实现优先队列,其中具有最高(或最低)优先级的元素始终位于堆的顶部。
在堆中,通常有两种常见的类型:最大堆(大根堆)和最小堆(小根堆)。在最大堆中,父节点的值始终大于或等于其子节点的值,而在最小堆中,父节点的值始终小于或等于其子节点的值。
在 Java 中优先队列默认情况下使用的是小根堆,本文以小根堆为例进行介绍,以下出现的堆均指小根堆。
堆通常用数组实现,其中父节点和子节点之间的关系通过数组索引来表示。这种实现方式使得堆的操作更加高效,并且可以在常数时间内访问堆的顶部元素。
堆的基本操作
1、调整
通过数组存储堆
public static final int MAXN = 100;
// heap为堆, n 为元素个数
int heap[] = new int[MAXN], n = 10;
由于堆要维持一种大小关系,故堆要不断进行调整,以下是堆的两种调整方式。
向下调整
将大值不断下沉到相应的位置
// 对 heap 数组在 [low, high] 范围进行向下调整
// 其中 low 为欲调整结点的数组下标, high 一般为堆的最后一个元素的数组下标
private void downAdjust(int low, int high) {
// i 为调整结点, j 为其左孩子
int i = low, j = i * 2;
// 存在孩子结点
while (j <= high) {
// 如果右孩子存在,且右孩子的值小于左孩子
if (j + 1 <= high && heap[j + 1] < heap[j]) j = j + 1; // 让 j 存储右孩子下标,确保 j 存储了最小孩子的下标
// 如果的孩子的值小于欲调整结点 i 的值
if (heap[j] < heap[i]) {
// 交换孩子与欲调整结点的值,使得大值下沉
int tmp = heap[j];
heap[j] = heap[i];
heap[i] = tmp;
// 修改欲调整结点,使得小值上冒
i = j;
j = i * 2;
} else break; // 孩子结点值大于欲调整结点的值,调整结束
}
}
向上调整
将小值不断上冒到相应的位置
// 对 heap 数组在 [low, high] 范围进行向上调整
// 其中 low 一般为堆的第一个元素的数组下标, high 为欲调整结点的数组下标
private void upAdjust(int low, int high) {
// i 为调整结点, j 为其父亲结点
int i = high, j = i / 2;
// 父亲结点在堆中
while (j >= low) {
// 如果的父亲结点的值大于欲调整结点 i 的值
if (heap[j] < heap[i]) {
// 交换父亲结点与欲调整结点的值,使得小值上冒
int tmp = heap[j];
heap[j] = heap[i];
heap[i] = tmp;
// 修改欲调整结点,使得大值下沉
i = j;
j = i / 2;
} else break; // 父亲结点值小于欲调整结点的值,调整结束
}
}
2、建堆
假设堆中元素为 n, 堆又是一棵完全二叉树, 由于完全二叉树的非叶子结点范围在 [ 1 , n 2 ] [1,\frac{n}{2}] [1,2n], 那么便可从 n 2 \frac{n}{2} 2n 倒着枚举, 从而使得每个结点位置都根据大小关系得到调整
// 建堆
// 时间复杂度 O(n)
private void creatHeap() {
for (int i = n / 2; i >= 1; i--) {
downAdjust(i, n);
}
}
3、删除堆顶元素
删除堆顶元素,只需将堆中最后一个元素覆盖掉第一个元素,并在逻辑上使得堆中元素减少,并重新调整结点位置即可
// 时间复杂度 O(log n)
private void deleteTop() {
// 将最后一个元素覆盖堆顶元素,并让元素个数减 1
heap[1] = heap[n--];
// 向下调整堆顶元素
downAdjust(1, n);
}
4、插入元素
在堆的末尾位置插入一个元素,需要调整该元素在堆中位置,并且将的堆的元素增 1 即可
由于该元素在末尾,大概率需要将该元素向上移动位置,故采用向上调整
// 时间复杂度 O(log n)
private void insert(int x) {
// 将元素个数加 1, 然后将数组末位赋值为 x
heap[++n] = x;
// 向上调整新加入的元素
upAdjust(1, n);
}
堆的具体使用
1、堆排序
记堆大小为 n,由于堆顶一定是堆中最大的元素,只要将其与堆中最后一个元素交换位置,这样就保证了序列中最后一个元素为最大,再进行 [1, n - 1] 向下调整,再重复上述便得到序列中第二大元素在倒数第二个位置,如此往复序列便有序了。
最终可得到一个降序序列
private void heapSort() {
// 建堆
creatHeap();
// 倒着枚举,直到堆中只有一个元素
for (int i = n; i > 1; i--) {
// 交换 heap[i] 与堆顶
int tmp = heap[i];
heap[i] = heap[1];
heap[1] = tmp;
// 调整堆顶
downAdjust(1, i - 1);
}
}
2、数据流中的第 K 大元素 (力扣)
题目描述
设计一个找到数据流中第 k
大元素的类(class)。注意是排序后的第 k
大元素,不是第 k
个不同的元素。
请实现 KthLargest
类:
KthLargest(int k, int[] nums)
使用整数k
和整数流nums
初始化对象。int add(int val)
将val
插入数据流nums
后,返回当前数据流中第k
大的元素。
示例:
输入:
["KthLargest", "add", "add", "add", "add", "add"]
[[3, [4, 5, 8, 2]], [3], [5], [10], [9], [4]]
输出:
[null, 4, 5, 5, 8, 8]
解释:
KthLargest kthLargest = new KthLargest(3, [4, 5, 8, 2]);
kthLargest.add(3); // return 4
kthLargest.add(5); // return 5
kthLargest.add(10); // return 5
kthLargest.add(9); // return 8
kthLargest.add(4); // return 8
提示:
1 <= k <= 104
0 <= nums.length <= 104
-104 <= nums[i] <= 104
-104 <= val <= 104
- 最多调用
add
方法104
次 - 题目数据保证,在查找第
k
大元素时,数组中至少有k
个元素
题解
由于优先队列底层就是由堆实现的,直接使用优先队列即可
class KthLargest {
private PriorityQueue<Integer> pq = new PriorityQueue<>();
int k;
public KthLargest(int k, int[] nums) {
this.k = k;
for (int num : nums) pq.add(num);
}
public int add(int val) {
pq.offer(val);
while (pq.size() > k) pq.poll();
return pq.peek();
}
}
/**
* Your KthLargest object will be instantiated and called as such:
* KthLargest obj = new KthLargest(k, nums);
* int param_1 = obj.add(val);
*/
堆的模板
public class MinHeap {
int[] heap;
int n;
public MinHeap(int capacity) {
heap = new int[capacity];
}
// 建堆
private void creatHeap() {
for (int i = (n >> 1) - 1; i >= 0; i--) {
down(i);
}
}
// 得到堆顶元素,并且将该元素出堆
public int poll() {
swap(0, n - 1);
n--;
down(0);
return heap[n];
}
// 得到指定下标的堆中元素,并且将该元素出堆
public int poll(int index) {
swap(index, n - 1);
n--;
down(index);
return heap[n];
}
// 得到堆顶元素,但该元素不出堆
public int peek() {
return heap[0];
}
// 插入元素
public boolean offer(int offered) {
if (n == heap.length) {
return false;
}
up(offered);
n++;
return true;
}
// 堆中是否满了
public boolean isFull() {
return n == heap.length;
}
// 替换堆顶元素
public void replace(int replaced) {
heap[0] = replaced;
down(0);
}
// 向上调整
private void up(int offered) {
int child = n;
while (child > 0) {
int parent = (child - 1) >> 1;
if (offered < heap[parent]) {
heap[child] = heap[parent];
} else {
break;
}
child = parent;
}
heap[child] = offered;
}
// 向下调整
private void down(int parent) {
int left = (parent << 1) + 1;
int right = left + 1;
int min = parent;
if (left < n && heap[left] < heap[min]) {
min = left;
}
if (right < n && heap[right] < heap[min]) {
min = right;
}
if (min != parent) {
swap(min, parent);
down(min);
}
}
// 交换两个索引处的元素
private void swap(int i, int j) {
int t = heap[i];
heap[i] = heap[j];
heap[j] = t;
}
}