堆（一）最大堆和最小堆的实现

最大堆和最小堆的实现

这一讲讲的还是堆，因此将它归入到堆（一）中。这一篇博客的目的非常简单，就是补充一下堆的实现代码。Heap是抽象类，它有两个子类，MaxHeap和MinHeap。回顾一下堆的性质：

最大堆：堆中每一个元素（root除外）都满足，A[parent(i)] >= A[i]. (A为堆, A[i]为相应元素)。

最小堆：堆中每一个元素（root除外）都满足，A[parent(i)] <= A[i]. (A为堆, A[i]为相应元素)。

Heap

Heap，代码如下，它是一个抽象的父类。两个最重要的方法是buildHeap和heapify。

heapify方法：在一个最大堆中，改变元素i的值，为了保持最大堆性质，而调用这个方法。时间复杂度是O(h)，h为元素i的高度。

buildHeap方法：从底部元素开始，自底向上构建最大堆。时间复杂度是O(n).​​​​​​​

其中，heapify方法由子类重写。

package heap;

public abstract class Heap {
    int[] items;
    int heapSize;

    Heap(int capacity) {
        items = new int[capacity];
    }

    // 根据Max或者Min而变化
    private void buildHeap() {
        heapSize = items.length;
        for (int i = heapSize/2-1; i > -1;i--) {
            heapify(i);
        }
    }

    // 根据Max或者Min而变化
    protected abstract void heapify(int i);

    int left(int i) {
        return 2*i+1;
    }
    int right(int i) {
        return 2*i+2;
    }
}

MinHeap

实现了minHeapify方法。

package heap;

public class MinHeap extends Heap{
    public MinHeap(int capacity) {
        super(capacity);
    }

    @Override
    protected void heapify(int i) {
        int l = left(i);
        int r = right(i);
        int smallest = i;
        if (l < heapSize && items[l] < items[smallest]) smallest = l;
        if (r < heapSize && items[r] < items[smallest]) smallest = r;
        if (smallest != i) {
            int tmp = items[smallest];
            items[smallest] = items[i];
            items[i] = tmp;
            heapify(smallest);
        }
    }
}

MaxHeap

package heap;

public class MaxHeap extends Heap {
    public MaxHeap(int capacity) {
        super(capacity);
    }

    @Override
    protected void heapify(int i) {
        int l = left(i);
        int r = right(i);
        int largest = i;
        if (l < heapSize && items[l]>items[largest]) largest = l;
        if (r < heapSize && items[r]>items[largest]) largest = r;
        if (largest != i) {
            int tmp = items[i];
            items[i] = items[largest];
            items[largest] = tmp;
            heapify(largest);
        }
    }


}