目录:
1 堆的存储方式
1.1 堆的表示:
使用数组保存二叉树结构,方式即将二叉树用层序遍历方式放入数组中。
一般只适合表示完全二叉树,因为非完全二叉树会有空间的浪费。
1.2 下标关系
已知双亲(parent)的下标,则:
左孩子(left)下标 = 2 * parent + 1;
右孩子(right)下标 = 2 * parent + 2;
已知孩子(不区分左右)(child)下标,则:
双亲(parent)下标 = (child - 1) / 2;
2 堆(heap)
2.1 概念
-
堆逻辑上是一棵完全二叉树
-
堆物理上是保存在数组中
-
满足任意结点的值都大于其子树中结点的值,叫做大堆,或者大根堆,或者最大堆
-
反之,则是小堆,或者小根堆,或者最小堆
-
堆的基本作用是,快速找集合中的最值
2.2 向下调整操作 代码实现
以调整为大根堆为例子
注意:
- 调整是从最后一棵子树出发的
- 每棵子树的调整都是向下调整的
/**
* 向下调整函数的实现
* @param parent 每棵树的根节点
* @param len 每棵树的调整的结束位置 10
*/
public void shiftDown(int parent,int len) {
int child = 2*parent+1;
//1、最起码 是有左孩子的,至少有1个孩子
while (child < len) { //循环结束条件;比如10个数据最大下标就是9
if(child+1 < len && elem[child] < elem[child+1]) {
child++;//保证当前左右孩子最大值的下标
}
if (elem[child]>elem[parent]){ //交换过程
int tmp=elem[child];
elem[child]=elem[parent];
elem[parent]=tmp;
parent=child;//向下调整
child=2*parent+1;
}else {
break;
}
}
}
时间复杂度分析:
最坏的情况,从根一路比较到叶子,比较的次数为完全二叉树的高度
即时间复杂度为 O(log(n))
2.3 操作 — 建堆
以建一个大根堆为列:
public class TestHeap {
public int[] elem; //依据数组来建堆
public int usedSize; //当前数组中元素个数(相应下标为元素个数-1)
public TestHeap() {
this.elem = new int[10];
}
public void createHeap(int[] array) {
for (int i = 0; i < array.length; i++) {
elem[i] = array[i];
usedSize++;
}
//从最后一棵子树建起
for (int parent = (usedSize-1-1)/2; parent >= 0 ; parent--) {
//每次建堆都需要重新向下调整
shiftDown(parent,usedSize);
}
}
时间复杂度分析:
粗略估算,可以认为是在循环中执行向下调整,为 O(n * log(n)) (节点个数*高度)
但是,实际上是 O(n) (错位相消法得出)
那么,堆排序中建堆过程时间复杂度O(n)怎么来的?
相关推导过程可以参考这个链接,点击跳转!
3. 堆的应用-优先级队列
3.1 概念
在很多应用中,我们通常需要按照优先级情况对待处理对象进行处理,比如首先处理优先级最高的对象,然后处理次高的对象。
在这种情况下,我们的数据结构应该提供两个最基本的操作,一个是返回最高优先级对象,一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)
3.2 内部原理
优先级队列的实现方式有很多,但最常见的是使用堆来构建。
3.3 操作 — 入队列
过程(以大堆为例):
- 首先按尾插方式放入数组
- 比较其和其双亲的值的大小,如果双亲的值大,则满足堆的性质,插入结束
- 否则,交换其和双亲位置的值,重新进行 2、3 步骤
- 直到根结点
3.3.1 向上调整函数实现
因为入队是从尾入的,所以每入一次都需要向上调整,具体代码实现如下;
private void shifUp(int child) {
int parent = (child - 1) / 2;
while (child>0) {
if (elem[child] > elem[parent]) {
int tmp = elem[child];
elem[child]=elem[parent];
elem[parent]=tmp;
child = parent; //向上调整
parent = (child - 1) / 2;
} else {
break;
}
}
}
3.3.2 入队操作代码实现
public void offer(int val){
if (isFull()){
//扩容
elem= Arrays.copyOf(elem,2*elem.length);
elem[usedSize++]=val;
//注意这里传入的是usedsise-1
shifUp(usedSize-1);
}
}
public boolean isFull(){
return usedSize==elem.length;
}
3.4 操作-出队列(优先级最高)
为了防止破坏堆的结构,删除时并不是直接将堆顶元素删除,而是用数组的最后一个元素替换堆顶元素,然后通过向下调整方式重新调整成堆
/**
* 出队列:
* 1.交换0下标元素和最后一个下标元素
* 2.向下调整0下标这棵树就可以了;
* @return 出队列的值
*/
public int poll(){
if (isEmpty()){
throw new RuntimeException("优先级队列为空!");
}
int tmp = elem[0];
elem[0]=elem[usedSize-1];
elem[usedSize-1]=tmp;
shiftDown(0,usedSize);
return tmp; //出的就是原来的堆顶元素
}
public boolean isEmpty(){
return usedSize==0;
}
3.5 返回队首元素(优先级最高)
返回堆顶元素即可
public int peek(){
if (isEmpty()){
throw new RuntimeException("优先级队列为空!");
}
return elem[0];
}
public boolean isEmpty(){
return usedSize==0;
}
4. 堆的其他应用-堆排序
升序排序(从小到大排序,借助的应该是一个大根堆!)
降序排序(从大到小排序,借助的应该是一个小根堆!)
下面进行的是借助大根堆的升序排序:
public void heapSort(){
int end=this.usedSize-1;
while (end>0){
int tmp=elem[0];
elem[0]=elem[end];
elem[end]=tmp;
shiftDown(0,end); //向下调整为大顶堆
end--;
}
}
排序前:
排序后:
完结
有关 数据结构—优先级队列(堆) 的讲解以及实现到此就结束了~
如果觉得博主的文章对你有所帮助,欢迎大家多多点赞收藏 ~