* 注: 本文/本系列谢绝转载，如有转载，本人有权利追究相应责任。
1.堆是什么？
（如图所示是一个小堆）
1)堆是一颗完全二叉树，它的最后一层不是满的，其他每一层都是满的，最后一层从左到右也没有空隙。
简单的说? 完全二叉树也就是没有缝隙的二叉树。
2)堆常常通过数组实现，因为 父子节点直接的关系直接可以通过数组的索引换算
parent(i) = i/2
left child(i) = 2*i + 1
right child(i) = 2*i + 2
3)对于最大堆来说，每个节点的值都不大于其父节点的值，也就是根节点是最大的。
对于最小堆来说，每个节点的值都不小于其父节点的值，也就是根节点是最小的
4)堆进行插入和删除的时间复杂度均为 O(LogN)
2.堆的应用
堆可以解决的首先就是topK问题，假设要从N大小的实数数组中找到topK，那么需要K*logN的时间。
当N=10000时
当N=10000*10000时
也就是说N可以放的足够大，K可以适当大一些，经过本机实验，堆在单机单线程下只需要14s就可以处理一亿数据的Top1W操作。
3.堆的实现
堆的操作主要是两个 add、remove，有些地方也会存在buildHeap的操作，我们分别捋一下它们的思路。
一下基于一个最大堆。
1) add操作，添加元素
思路:
将添加的元素放在数组尾部，进行“上浮”操作。也就是比较父元素，如果大于父元素则上浮。
实际长度 ++
/**
* 插入过程需要上浮比较
* @param node
*/
public void insert(Node node){
if(actualSize == MAX_N){
System.out.println("当前堆已满!");
return;
}
// 插入
// 插入节点
nodes[actualSize] = node;
// 上浮过程
// 调整堆，从这个节点开始与其夫节点进行比较，如果大于父节点则交换上浮
for(int i = actualSize; i > 0 ;i = getParentIndex(i)){
Node current = nodes[i];
Node parent = nodes[getParentIndex(i)];
if(parent.data < current.data){
nodes[i] = parent;
nodes[getParentIndex(i)] = current;
}
}
actualSize ++;
}
2) remove操作，删除元素
思路:
获得堆顶的值，然后用堆底节点替换堆顶节点。并针对此节点进行"下沉"操作，所谓下沉，就是如果比较当前元素与左右子节点的值，如果比它们小，则与最大者交换。
实际长度 --
/**
* 删除过程需要下沉比较
* @param node
*/
public void remove(Node node){
if(actualSize == 0){
System.out.println("当前堆已空!");
return;
}
if(actualSize == 1){
actualSize --;
return;
}
// 删除过程
// 使用最后一个节点替换掉顶点
Node tailNode = nodes[actualSize-1];
nodes[0] = tailNode;
actualSize --;
// 下沉比较
for(int i = 0; i < actualSize;){
Node current = nodes[i];
Node leftChild = null;
if(getLeftChildIndex(i) < actualSize){
leftChild = nodes[getLeftChildIndex(i)];
}
Node rightChild = null;
if(getRightChildIndex(i) < actualSize){
rightChild = nodes[getRightChildIndex(i)];
}
if(leftChild == null && rightChild == null){
return;
}
if(leftChild != null && leftChild.data > current.data){
if(rightChild != null && rightChild.data > leftChild.data){ // 右枝最大
nodes[i] = rightChild;
nodes[getRightChildIndex(i)] = current;
// i走右枝
i = getRightChildIndex(i);
continue;
}else{ // 左枝最大
nodes[i] = leftChild;
nodes[getLeftChildIndex(i)] = current;
// i走左枝
i = getLeftChildIndex(i);
continue;
}
}else{
if(rightChild != null && rightChild.data > current.data){ // 右枝最大
nodes[i] = rightChild;
nodes[getRightChildIndex(i)] = current;
// i走右枝
i = getRightChildIndex(i);
continue;
}else if(rightChild != null && rightChild.data <= current.data){ // 当前点最大
//保持现状,直接结束循环
break;
}
}
}
}
3)buildHeap操作，给一个数组，进行建立堆操作
思路:
遍历数组的每一个节点，针对每个节点进行"上浮"操作.
Code：
package ds6.heap;
import java.util.Arrays;
public class Heap {
static class Node{
long data;
public Node(long data) {
this.data = data;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
‘}‘;
}
}
/**
* TopN最大值堆
*/
static class TopNMaxHeap{
int MAX_N = 10; // Top N ,指定堆的最大大小
Node[] nodes;
int actualSize = 0;
public TopNMaxHeap(int MAX_N) {
this.MAX_N = MAX_N;
nodes = new Node[MAX_N];
}
public void foreachPrint(){
System.out.println(Arrays.toString(nodes));
}
/**
* 删除过程需要下沉比较
* @param node
*/
public void remove(Node node){
if(actualSize == 0){
System.out.println("当前堆已空!");
return;
}
if(actualSize == 1){
actualSize --;
return;
}
// 删除过程
// 使用最后一个节点替换掉顶点
Node tailNode = nodes[actualSize-1];
nodes[0] = tailNode;
actualSize --;
// 下沉比较
for(int i = 0; i < actualSize;){
Node current = nodes[i];
Node leftChild = null;
if(getLeftChildIndex(i) < actualSize){
leftChild = nodes[getLeftChildIndex(i)];
}
Node rightChild = null;
if(getRightChildIndex(i) < actualSize){
rightChild = nodes[getRightChildIndex(i)];
}
if(leftChild == null && rightChild == null){
return;
}
if(leftChild != null && leftChild.data > current.data){
if(rightChild != null && rightChild.data > leftChild.data){ // 右枝最大
nodes[i] = rightChild;
nodes[getRightChildIndex(i)] = current;
// i走右枝
i = getRightChildIndex(i);
continue;
}else{ // 左枝最大
nodes[i] = leftChild;
nodes[getLeftChildIndex(i)] = current;
// i走左枝
i = getLeftChildIndex(i);
continue;
}
}else{
if(rightChild != null && rightChild.data > current.data){ // 右枝最大
nodes[i] = rightChild;
nodes[getRightChildIndex(i)] = current;
// i走右枝
i = getRightChildIndex(i);
continue;
}else{ // 当前点最大
//保持现状,直接结束循环
break;
}
}
}
}
/**
* 插入过程需要上浮比较
* @param node
*/
public void insert(Node node){
if(actualSize == MAX_N){
System.out.println("当前堆已满!");
return;
}
// 插入
// 插入节点
nodes[actualSize] = node;
// 上浮过程
// 调整堆，从这个节点开始与其夫节点进行比较，如果大于父节点则交换上浮
for(int i = actualSize; i > 0 ;i = getParentIndex(i)){
Node current = nodes[i];
Node parent = nodes[getParentIndex(i)];
if(parent.data < current.data){
nodes[i] = parent;
nodes[getParentIndex(i)] = current;
}
}
actualSize ++;
}
public int getParentIndex(int x){
return (x-1)/2;
}
public int getLeftChildIndex(int x){
return 2*x + 1;
}
public int getRightChildIndex(int x){
return 2*x + 2;
}
}
public static void main(String[] args) {
TopNMaxHeap topNMaxHeap = new TopNMaxHeap(10);
topNMaxHeap.insert(new Node(27));
topNMaxHeap.insert(new Node(33));
topNMaxHeap.insert(new Node(30));
topNMaxHeap.insert(new Node(31));
Node nodeToRemove = new Node(40);
topNMaxHeap.insert(nodeToRemove);
topNMaxHeap.insert(new Node(20));
topNMaxHeap.foreachPrint();
topNMaxHeap.remove(nodeToRemove);
topNMaxHeap.foreachPrint();
}
}
result:
[Node{data=40}, Node{data=33}, Node{data=30}, Node{data=27}, Node{data=31}, Node{data=20}, null, null, null, null]
[Node{data=33}, Node{data=31}, Node{data=30}, Node{data=27}, Node{data=20}, Node{data=20}, null, null, null, null]
4.堆排序
因为堆的这个特性，通过不断poll出堆顶元素就可以对元素列表进行排序。
测试:
public static void test2(){
int[] toSort = new int[]{
7,10,6,8,9,3,5,4
};
TopNMaxHeap heap = new TopNMaxHeap(toSort.length);
for(int i = 0 ; i < toSort.length; i++ ){
heap.insert(new Node(toSort[i]));
}
int[] result = new int[toSort.length];
for(int i = 0; i < toSort.length; i++ ){
result[i]=(int)heap.nodes[0].data;
heap.remove(heap.nodes[0]);
}
System.out.println(Arrays.toString(result));
}
result:
[10, 9, 8, 7, 6, 5, 4, 3]
原文地址：https://www.cnblogs.com/yosql473/p/10769650.html
时间： 2024-08-01 00:34:35