数据结构-堆

注： 本文章都是以 大根堆 的形式来存储，存储数据都是 [1,13,4,25,6,3]，编程语言是 java

什么是堆

堆是以 完全二叉树 的形式存储，它分为 大根堆 与 小根堆

大根堆： 每一颗树的父节点都比子节点都要 大

---

小根堆： 每一颗树的父节点都比子节点都要 **小**

堆的创建

首先，在创建之前需要了解几个公式，其中 root 表示父节点的下标， childLeft 表示左子树的下标， childRight 表示右子树的下标，child 表示左/右子树的下标

1. root = (child - 1) / 2
2. childLeft = root * 2 + 1
3. childRight = root * 2 + 2

在创建之前，先要提一下 向下位移， 如果了解了这个，那么堆一半的内容就基本会了

向下筛选

/**
 * 应用的场景：
 * 	1. 创建堆
 * 	2. 删除数据	
 * 思路：
 * 	1. 找到子树中的较大者
 * 	2. 将较大者与父节点的值经行比较
 * 	3. 如果父节点的值比较大就退出，
 *  4. 如果较小，那么交换，然后再对已经交换后的子树重复如上的操作
 * @param root 是每棵子树的根节点的下标
 * @param len  是每棵子树调整结束的结束条件
 * 向下调整的时间复杂度：O(logn)
 */
private void siftDown(int root,int len) {
    int child = root * 2 + 1;

    while(child < len) {
        if(child + 1 < len && elem[child] < elem[child + 1]) {
            // 有右树并且右树的元素比左边大
            child++;
        }
        // 此时 child 一定是较大着的下标
        if (elem[child] > elem[root]) {
            swap(child, root); // 交换数据
            root = child;
            child = root * 2 + 1;
        } else {
            break;
        }
    }
}

创建

    /**
     * 建堆的时间复杂度：O(N)
     * 从最后一个非叶子节点的下标部开始创建，直到到下标 0
     * 为什么？
     * 因为如果从下标 0 开始创建，一次遍历完还不能创建好
     * 怎么找到 最后一个非叶子节点
     * 因为它是完全二叉树 由公式 root = (child - 1) / 2 可知
     * 最后一个叶子节点的下标是 (array.length - 1) / 2
     * @param array
     */
    public void createHeap(int[] array) {
        elem = Arrays.copyOf(array, array.length); // 克隆
        usedSize = array.length;
        int child = array.length;
        // 从最后一个非叶子节点的下标部开始创建
        for (int i = (child - 1) / 2; i >= 0; i--) {
            siftDown(i, array.length);// 向下位移
        }
    }

删除

/**
 * 思路：
 * 	1. 将第一个元素与最后一个元素调换
 * 	2. 然后再用 向下位移 将其重新变为大根堆
 * 出队【删除】：每次删除的都是优先级高的元素
 * 仍然要保持是 大根堆
 */
public void pollHeap() {
    if(isEmpty()) {
        return;
    }
    swap(0, usedSize - 1);
    usedSize--;
    siftDown(0, usedSize);
}

添加

由于添加在末尾，所以不适合用 向下位移，所以就需要用到 向上位移

向上筛选

/**
 * 应用场景： 添加
 * 因为是向上位移 所以传入的是 要位移的子树的下标
 * 思路与向下位移类似，所以就不说了
 */
private void siftUp(int child) {
    int root = (child - 1) / 2; // 得到父节点下标
    while(child > 0) {
        if(elem[child] > elem[root]) {
            swap(child, root); // 交换
            child = root;
            root = (child - 1) / 2;
        } else {
            break;
        }
    }
}

添加

/**
 * 入队：仍然要保持是大根堆
 * @param val
 */
public void push(int val) {
    if(isFull()) {
        elem = Arrays.copyOf(elem, elem.length + (elem.length >>> 1)); // 增大为原来的1.5倍
    }
    elem[usedSize] = val;
    siftUp(usedSize);
    usedSize++;
}

所有的代码

import java.util.Arrays;

public class PriorityQueue {
    public int[] elem;
    public int usedSize;

    public PriorityQueue() {
        elem = new int[10];
    }

    /**
     * 建堆的时间复杂度：O(N)
     *
     * @param array
     */
    public void createHeap(int[] array) {
        elem = Arrays.copyOf(array, array.length);
        usedSize = array.length;
        int child = array.length;
        for (int i = (child - 1) / 2; i >= 0; i--) {
            siftDown(i, array.length);
        }
    }

    /**
     *
     * @param root 是每棵子树的根节点的下标
     * @param len  是每棵子树调整结束的结束条件
     * 向下调整的时间复杂度：O(logn)
     */
    private void siftDown(int root,int len) {
        int child = root * 2 + 1;

        while(child < len) {
            if(child + 1 < len && elem[child] < elem[child + 1]) {
                // 有右树并且右树的元素比左边大
                child++;
            }
            // 此时 child 一定是较大着的下标
            if (elem[child] > elem[root]) {
                swap(child, root);
                root = child;
                child = root * 2 + 1;
            } else {
                break;
            }
        }
    }

    private void swap(int i, int j) {
        int t = elem[i];
        elem[i] = elem[j];
        elem[j] = t;
    }


    /**
     * 入队：仍然要保持是大根堆
     * @param val
     */
    public void push(int val) {
        if(isFull()) {
            elem = Arrays.copyOf(elem, elem.length + (elem.length >>> 1));
        }
        elem[usedSize] = val;
        siftUp(usedSize);
        usedSize++;
    }

    private void siftUp(int child) {
        int root = (child - 1) / 2;
        while(child > 0) {
            if(elem[child] > elem[root]) {
                swap(child, root);
                child = root;
                root = (child - 1) / 2;
            } else {
                break;
            }
        }
    }

    public boolean isFull() {
        return usedSize == elem.length;
    }

    /**
     * 出队【删除】：每次删除的都是优先级高的元素
     * 仍然要保持是 大根堆
     */
    public void pollHeap() {
        if(isEmpty()) {
            return;
        }
        swap(0, usedSize - 1);
        usedSize--;
        siftDown(0, usedSize);
    }

    public boolean isEmpty() {
        return usedSize == 0;
    }

    /**
     * 获取堆顶元素
     * @return
     */
    public int peekHeap() {
        return elem[0];
    }
}

java中的优先级队列 PriorityQueue

创建

// 采用 lambda表达式写比较器 创建大根堆
PriorityQueue<Integer> queue = new PriorityQueue<>((o1, o2) -> -o1.compareTo(o2));
// 采用 匿名内部类创建 创建大根堆
PriorityQueue<Integer> queue1 = new PriorityQueue<>(new Comparator<Integer>() {
 	@Override
    public int compare(Integer o1, Integer o2) {
        return o2.compareTo(o1);
    }
});
// 采用默认模式创建 --> 创建小根堆
PriorityQueue<Integer> queue1 = new PriorityQueue<>();

功能

方法名	作用
offer(E val)	添加 val
peek()	查看但不删除
poll()	查看并删除