大根堆和小根堆

先看一下调整好的小根堆和大根堆


下面举一个调整的例子


下面是一个实际的问题:数据流中的中位数
题目描述:

如何得到一个数据流中的中位数?如果从数据流中读出奇数个数值,那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值,那么中位数就是所有数值排序之后中间两个数的平均值。

import java.util.ArrayList;

public class BuilderHeap {
	void adjustMaxHeap(ArrayList<Integer> array, int parent) {
		// array[0 ~ size-1]
		int lchild = 2 * parent + 1;
		int rchild = 2 * parent + 2;
		int max = parent;
		int size = array.size();

		if (parent < size / 2) {
			if (lchild < size && array.get(lchild) > array.get(max))
				max = lchild;
			if (rchild < size && array.get(rchild) > array.get(max))
				max = rchild;

			if (max != parent) {
				int tmp = array.get(parent);
				array.set(parent, array.get(max));
				array.set(max, tmp);

				adjustMaxHeap(array, max);
			}
		}
	}

	void adjustMinHeap(ArrayList<Integer> array, int parent) {
		// array[0 ~ size-1]
		int lchild = 2 * parent + 1;
		int rchild = 2 * parent + 2;
		int min = parent;

		int size = array.size();

		if (parent < size / 2) {
			if (lchild < size && array.get(lchild) < array.get(min))
				min = lchild;
			if (rchild < size && array.get(rchild) < array.get(min))
				min = rchild;

			if (min != parent) {
				int tmp = array.get(parent);
				array.set(parent, array.get(min));
				array.set(min, tmp);

				adjustMaxHeap(array, min);
			}
		}
	}

	ArrayList<Integer> minArray = new ArrayList<>();
	ArrayList<Integer> maxArray = new ArrayList<>();

	public void Insert(Integer num) {
		if (((minArray.size() + maxArray.size()) & 1) == 1) { // 已经插入奇数个

			if (minArray.size() + maxArray.size() >= 3) {
				if (num > maxArray.get(0)) { // insert into maxArray
					minArray.add(maxArray.get(0));
					// update max
					maxArray.set(0, num);
					adjustMinHeap(maxArray, 0);

				} else { // insert into minArray
					minArray.add(num);
				}
				// update minArray
				for (int i = minArray.size() / 2 - 1; i >= 0; --i) {
					adjustMaxHeap(minArray, i);
				}
			} else {
				if (num > maxArray.get(0)) { // insert into maxArray
					minArray.add(maxArray.get(0));
					// update max
					maxArray.set(0, num);

				} else { // insert into minArray
					minArray.add(num);
				}
			}

		} else { // 已经插入偶数个
			if (minArray.size() + maxArray.size() >= 2) {
				if (num > minArray.get(0)) { // insert into maxArray
					// update max
					maxArray.add(num);
				} else {
					maxArray.add(minArray.get(0));

					minArray.set(0, num);
					adjustMaxHeap(minArray, 0);
				}
				// update maxArray
				for (int i = maxArray.size() / 2 - 1; i >= 0; --i) {
					adjustMinHeap(maxArray, i);
				}
			} else {
				maxArray.add(num);
			}
		}
	}

	public Double GetMedian() {
		if (((minArray.size() + maxArray.size()) & 1) == 1) { // 已经插入奇数个
			return 1.0 * maxArray.get(0);
		} else if (maxArray.size() + minArray.size() > 0) {
			return (maxArray.get(0) + minArray.get(0)) / 2.0;
		}
		return 0.0;
	}

	public static void main(String[] args) {
		BuilderHeap heap = new BuilderHeap();
		int[] vals = new int[] { 5, 2, 3, 4, 1, 6, 7, 0, 8 };
		for (int i = 0; i < vals.length; ++i) {
			heap.Insert(vals[i]);
			System.out.println(heap.maxArray);
			System.out.println(heap.minArray);
			System.out.println(heap.GetMedian());
		}
	}
}



### 大根堆小根堆的定义 #### 大根堆 大根堆是一种特殊的完全二叉树结构,在这种结构中,任意一个非叶子节点的值都大于或等于其左右子节点的值[^5]。这意味着堆顶(即根节点)始终保存着整个堆中的最大值。 #### 小根堆 小根堆同样是基于完全二叉树的一种特殊结构,但在该结构中,任意一个非叶子节点的值都小于或等于其左右子节点的值[^4]。因此,堆顶(即根节点)保存的是整个堆中的最小值。 --- ### 大根堆小根堆的区别 两者的根本区别在于它们维护的性质不同: 1. **节点大小关系** - 在大根堆中,父节点的值总是大于或等于子节点的值。 - 在小根堆中,父节点的值总是小于或等于子节点的值。 2. **堆顶元素特性** - 对于大根堆而言,堆顶元素是整个堆中的最大值。 - 对于小根堆来说,堆顶元素则是整个堆中的最小值。 3. **应用场景差异** - 大根堆通常用于寻找集合中的最大值或者构建优先队列时需要处理高优先级的任务。 - 小根堆则适用于寻找集合中的最小值以及某些特定场景下的最短路径计算等问题。 以下是两种堆的一个简单实现示例: ```python # 大根堆插入操作演示 def heap_insert_max(heap, value): heap.append(value) index = len(heap) - 1 while index > 0: parent_index = (index - 1) // 2 if heap[parent_index] >= heap[index]: break heap[parent_index], heap[index] = heap[index], heap[parent_index] index = parent_index # 小根堆插入操作演示 def heap_insert_min(heap, value): heap.append(value) index = len(heap) - 1 while index > 0: parent_index = (index - 1) // 2 if heap[parent_index] <= heap[index]: break heap[parent_index], heap[index] = heap[index], heap[parent_index] index = parent_index # 测试代码 max_heap = [] min_heap = [] heap_insert_max(max_heap, 10) heap_insert_max(max_heap, 20) heap_insert_max(max_heap, 15) heap_insert_min(min_heap, 10) heap_insert_min(min_heap, 20) heap_insert_min(min_heap, 15) print("Max Heap:", max_heap) # 输出应为 [20, 10, 15] print("Min Heap:", min_heap) # 输出应为 [10, 20, 15] ``` --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值