堆

目录

1 堆的基础概念

2 堆的实现

　2.1 实现一个堆类

　2.2 将无序数组调整为最大堆

 

 

1 堆的基础概念

最大堆：父节点要比每一个子节点的值都要大

 最小堆：父节点要比每一个子节点的值都要小

堆可以看做是一个完全二叉树的数组对象

堆的出队入队时间复杂度如下图所示：

2 堆的实现

2.1 实现一个堆类

 利用数组实现一个堆的原理：

自上而下，自左向右对每一个节点标上序号，可以看出：对于每一个节点而言，每个左节点都是父节点的2倍，右节点是父节点的2倍加1。

堆的经典数组实现如下图所示：

 

 ShiftUp：当需要对堆中添加一个元素时用到了ShiftUp操作。当有一个新元素到来时，按照上面的数组实现，则52在数组末尾，其树形结构如下图所示：

对于上图的树形结构显然是不符合堆的定义的，因此需要对元素进行移动，因为加入了一个元素不满足堆的性质，所以问题就出在新加入元素的部分，比较52的父节点，发现父节点小，交换位置，那么对于52的这个子树就满足了堆的定义了。

接着继续比较此时52的父节点，发现还是父节点小，因此继续交换：

 那么最后继续比价52的父节点，发现的确52小，因此不用再交换了，最后如下图所示：

 ShiftDown：当从堆中取出一个元素是只能取出堆中跟节点的元素，在下图中即62

取出根节点元素后，把最后一个元素放在根节点，进行下沉操作，因为count表示当前对堆中有多少个元素，当拿出一个元素后把count自减1即可，以count为界限 

下沉时对两个子节点比较，都比子节点小那么原则就是两个子节点再进行比较谁大就跟谁交换，这里应该和52进行交换：

 接着继续比较当前16的两个子节点分别是28和41，那么就应该和41进行交换：

 接着继续比较，发现15比16小，因此下沉操作到此全部结束，此时堆的结构如下图所示：

最终一个完整的堆操作代码如下图所示：

// 在堆的有关操作中，需要比较堆中元素的大小，所以Item需要extends Comparable，这里的Item就相当于T
public class MaxHeap<Item extends Comparable> {
    // 堆的底层采用数组实现
    protected Item[] data;
    // 实际保存元素的个数
    protected int count;
    // 设定的堆的容量
    protected int capacity;

    // 构造函数, 构造一个空堆, 可容纳capacity个元素
    public MaxHeap(int capacity){
        data = (Item[])new Comparable[capacity+1];
        count = 0;
        this.capacity = capacity;
    }

    // 返回堆中的元素个数
    public int size(){
        return count;
    }
    // 返回一个布尔值, 表示堆中是否为空
    public boolean isEmpty(){
        return count == 0;
    }

    // 向最大堆中插入一个新的元素 item
    public void insert(Item item){
        // 因为有可能再插入一个元素就超出容量，因此在这里断言一下，保证程序安全
        assert count + 1 <= capacity;
        // 注意数组中是从1开始存数据的，因此这里要count+1
        data[count+1] = item;
        count ++;
        // 插入元素上浮
        shiftUp(count);
    }

    // 从最大堆中取出堆顶元素, 即堆中所存储的最大数据
    public Item extractMax(){
        // 进行一个断言即保证堆中是有元素的
        assert count > 0;
        Item ret = data[1];
        //取出元素先进行交换堆顶和最后一个元素的操作
        swap( 1 , count );
        count --;
        // 进行下沉操作，下沉位置为根节点位置
        shiftDown(1);
        return ret;
    }

    // 获取最大堆中的堆顶元素
    public Item getMax(){
        assert( count > 0 );
        return data[1];
    }

    //********************
    //* 最大堆核心辅助函数
    //********************
    private void shiftUp(int k){
        // 比较k处的父节点即k/2与k处的大小，要保证k是有意义的，因此要大于1
        while( k > 1 && data[k/2].compareTo(data[k]) < 0 ){
            //父节点小则交换
            swap(k, k/2);
            k /= 2;
        }
    }

    private void shiftDown(int k){
        //当前节点只要有孩子就进行循环操作，在完全二叉树中只要当前节点有左孩子即是有孩子，k*2是其子节点的索引要小于count才代表有左孩子
        while( 2*k <= count ){
            // 在此轮循环中,data[k]和data[j]交换位置，j表示的左孩子
            int j = 2*k;
            // 判断是否有右孩子，当右孩子大时就让j++此时指向了右孩子
            if( j+1 <= count && data[j+1].compareTo(data[j]) > 0 ){
                j ++;
            }
            // data[j] 是 data[2*k]和data[2*k+1]中的最大值，当前节点如果大于孩子节点就可以停止了
            if( data[k].compareTo(data[j]) >= 0 ){
                break;
            }
            swap(k, j);
            k = j;
        }
    }

    // 交换堆中索引为i和j的两个元素
    private void swap(int i, int j){
        Item t = data[i];
        data[i] = data[j];
        data[j] = t;
    }
}

2.2 将无序数组调整为最大堆

在2.1中是在已经构造好了一个堆进行操作，那么如何从无序数组中构造处一个堆结构？一个随机数组如下图所示：

 

 Heapify操作：利用数组构建出堆结构

首次开始时从最底层的节点，可以认为叶子节点便是一个已经最大堆，只不过这个最大堆的元素只有一个。有一个完全二叉树的性质：第一个非叶子节点的索引是完全二叉树的个数除以2，在上面的二叉树中便是10/2 = 5。注意这里的第一个非叶子节点是从右向左、从底向下而来的。在第一个非叶子节点上执行下沉操作，其结果如下图所示：

 依照这样的格式分别考虑前面的非叶子节点4、3进行下沉操作，最后结果如下图所示：

 接着是元素17，首先和62交换位置，然后因为22大所以还要交换位置，最后结果如下图所示：

 继续考虑前面的节点，最后实现的树如下图所示：

// 构造函数, 通过一个给定数组创建一个最大堆，该构造堆的过程, 时间复杂度为O(n)
public MaxHeap(Item arr[]){

    int n = arr.length;

    data = (Item[])new Comparable[n+1];
    capacity = n;
    // 将数组中的元素存储到类中定义的数组
    for( int i = 0 ; i < n ; i ++ ){
        data[i+1] = arr[i];
    }
    count = n;
    // 按照上面的思路进行下沉
    for( int i = count/2 ; i >= 1 ; i -- ){
        shiftDown(i);
    }
}

 注：关于算法复杂度分析：将n个元素逐个插入到一个空堆中（下沉上浮操作）算法复杂度是O(nlogn)；heapify过程的算法复杂度为O(n)

 

 

 

 

0