Heap

 

   Heap中文翻译过来叫做堆，但他并不是大家所说的内存中的堆栈区，而是一种用数组来实现的弱序的完全二叉树。他是一种数据结构。Heap 很像前面所说的二叉搜索树，但是他并没有二叉搜索树那样有严格的顺序规定。二叉搜索树中，父接点必须大于它的左孩子，而小于他的右孩子；但是在Heap中，只要规定父接点大于两个子接点就可以了，而且其中的每个元素并不是通过Link来连接的，而是对这个完全二叉树进行编号，然后放到数组中。由父接点的编号能找到相应的子接点的编号，反之亦然。

• Its parent is (x–1) / 2
• Its left child is 2*x + 1
• Its right child is 2*x + 2

   Heap的作用可以看成是一个优先级队列，他并不能实现查找某个接点的功能，因为Heap是一个弱序的二叉树，他是搜索不到要找的接点的。但是Heap可以像一个优先级队列一样，支持删除最大（最小）的接点（因为删除都是删除根，而根通常是整个树中最大的或者最小的接点），插入新接点。

  插入接点就是将新接点插入到数组的最后一个位置，也就是二叉树的第1个空位上。然后将这个接点向上遍历，直到找到他合适的位置，也就是第1个大于他的父接点。

  public boolean insert(int key)
  {
         if(arraySize == maxSize)
                  return false;
         Node newNode = new Node(key);
         heapArray[arraySize++] = newNode;
         trickleUp(arraySize);//将这个接点向上遍历，以找到合适的位置
         return true;
}

删除接点就是将root删除，然后将二叉树中的最后一个元素移至root，再向下便利以找到合适的位置。向下遍历比向上遍历要麻烦的一点就是要比较出子接点中较大的，然后再比较此接点，如果小于大点的子接点就和大的子接点互换位置。

public Node remove()
{
         Node temp = heaparray[0];
         heapArray[0] = heapArray[--arraySize];
         tricleDown(0);
         return temp;
}

除了实现了insert 和remove之后，再多实现一个change()，这个方法用于改变特定Node的key，就像在优先级 队列中改变一个元素的优先级别一样。

public boolean change(int key,Node newNode)
{
         if(key<0||key>arraySize)
                    return false;
          Node oldNode = heapArray[key];
          heapArray[key] = newNode;
          if(oldNode.iData<newNode.iData)
                    trickleDown(key);
          else
                    trickleUp(key);
          return true;
}

写到这儿，其实实现Heap最难的无非是trickleDown和trickleUp方法了。

public void trickeUp(int index)
{
         Node temp = heapArray[index];
         parent = index/2;
         while(index>0&&heapArray[index]>heapArray[parent])
         {
                  heapArray[index] = heapArray[parent];
                  index = index/2;
                  parent = index/2;
         }
         heapArray[index] = temp;
}

public void trickleDown(int index)
{
         Node temp = heapArray[index];
         int larger;
         while(index<arraySize/2)
         {
                  if(index*2+2<arraySize&&heapArray[index*2+1]<heapArray[inde*2+2])
                           larger = index*2+2;
                  else
                           larger = index*2+1;
                  if(heapArray[index]>heapArray[larger])
                           break;
                  heapArray[index] = heapArray[larger];
                  index = larger;
         }
         heapArray[index] = temp;
}