堆的主要知识点
1.堆结构就是用数组实现的完全二叉树结构
2.完全二叉树中如果每棵子树的最大值都在顶部就是大根堆
3.完全二叉树中如果每棵子树的最小值都在顶部就是小根堆
4.堆结构的heapInsert与heapify操作
5.堆结构的增大和减少
6.优先级队列结构,就是堆结构(在Java中是PriorityQueue)
堆是用数组实现的,二叉树的结构实际上不存在,只是我们脑补出来的结构。
若数组下标i从0开始,则存在一下关系:
左孩子下标:i * 2 + 1
右孩子下标:i * 2 + 2
父节点下标:(i - 1) / 2
注意以下讨论的情况都是围绕大根堆的。
heapInsert操作(把节点向上调的过程)
适用场景:1.新加一个元素到最后一个节点;2.某元素的值变大,需要调整大根堆
时间复杂度:O(logN)。因为完全二叉树的高度为log(2, N),所以最多比较log(2, N)次,故时间复杂度为O(logN)。
Code:
public static void heapInsert(int[] arr, int index) {
while (arr[index] > arr[(index - 1) / 2]) {
swap(arr, index, (index - 1) / 2);
}
}
heapify操作(把节点向下调的过程)
把节点向下调的过程,与子节点中较大的节点交换。因为要是交换较小的节点以后,那么这个节点调上去之后子节点都比自己大,这就破坏了大根堆的结构。
适用场景:某元素的值变小,需要调整大根堆
时间复杂度:O(logN)
如果元素的值变化,但不知道是变大还是变小,可以同时尝试heapify和heapInsert,因为只会发生其中的一个操作,所以时间复杂度为O(logN)。
Code:
public static void heapify(int[] arr, int index, int size) {
int left = index * 2 + 1;
while (left < size) {
int largest = left + 1 < size && arr[left] < arr[left + 1] ? left + 1 : left; // 这个条件很重要
largest = arr[index] < arr[largest] ? largest : index;
if (largest == index) {
break;
}
swap(arr, largest, index);
index = largest;
left = index * 2 + 1;
}
}
堆排序
堆排序就是先把未排序的数组调整成大根堆(以升序为例,如果是降序,则需要调整为小根堆),然后每次都把大根堆的堆顶调整到最后,再把堆的大小减去1。因为堆的大小变小了,我们再把这个堆继续调整为大根堆,把堆顶调整到最后,再把堆的大小减1,周而复始,直到堆的大小变为0。由于每次调整堆后都把堆顶的置换到最后,所以我们得到的最终结果一定是一个排序的数组。
思路:
1.把数组变成大根堆(heapInsert)
2.a[0]与a[size]交换(size为堆的长度),size-1
3.把a[0]向下heapify
4.重复2、3,直到size=0
时间复杂度:O(n*logN)
Code:
public class HeapSort {
public static void heapSort(int[] arr) {
if (arr == null || arr.length < 2) {
return;
}
//先把数组调整成大根堆
for (int i = 0; i < arr.length; i++) { // O(n)
heapInsert(arr, i); //O(nlogN)
}
//由于大根堆的第一个节点最大,所以直接把它调到最后
int size = arr.length;
swap(arr, 0, --size);
while (size > 0) { // O(n)
heapify(arr, 0, size); // O(logN)
swap(arr, 0, --size);
}
}
public static void heapInsert(int[] arr, int index) {
while (arr[index] > arr[(index - 1) / 2]) {
swap(arr, index, (index - 1) / 2);
}
}
public static void heapify(int[] arr, int index, int size) {
int left = index * 2 + 1;
while (left < size) {
int largest = left + 1 < size && arr[left] < arr[left + 1] ? left + 1 : left; // 判断右孩子是否存在,以及左右孩子哪个比较大
largest = arr[index] < arr[largest] ? largest : index;
if (largest == index) {
break;
}
swap(arr, largest, index);
index = largest;
left = index * 2 + 1;
}
}
public static void swap(int[] arr, int i, int j) {
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
public static void printArray(int[] arr) {
if (arr == null) {
return;
}
for (int i = 0; i < arr.length; i++) {
System.out.print(arr[i] + " ");
}
System.out.println();
}
public static void main(String[] args) {
int[] arr = {1, 8, 4, 7, 3, 6, 5, 2};
printArray(arr);
heapSort(arr);
printArray(arr);
}
}
注意heapify代码中的这个条件要这样写
int largest = left + 1 < size && arr[left] < arr[left + 1] ? left + 1 : left;
只有同时满足两个条件最大索引才是left + 1。
上述的堆排序建堆的时候是从上往下建堆,时间复杂度是O(n*logN)。
如果从下往上建堆,则需要的时间复杂度为O(N)。具体实现思路是从最后一个节点开始依次往前heapify。
Java中的优先队列
在Java中,PriorityQueue实际上就是堆的结构,默认上是小根堆。
//默认小根堆(底层就是堆结构)
PriorityQueue<Integer> heap = new PriorityQueue<>();
heap.add(4);
heap.add(7);
heap.add(2);
heap.add(1);
heap.add(0);
heap.add(9);
while(!heap.isEmpty()) {
System.out.println(heap.poll());
}
//0 1 2 4 7 9