轻松掌握堆的使用

堆

堆的概念

1. 堆是一颗顺序存储的二叉树，激素hi将二叉树层序遍历放到数组当中，是完全二叉树。
2. 已知双亲(parent)的下标，则： 左孩子(left)下标 = 2 * parent + 1。 右孩子(right)下标 = 2 * parent + 2。
3. 已知孩子（不区分左右）(child)下标，则： 双亲(parent)下标 = (child - 1) / 2。
4. 堆有大根堆和小根堆两种： 大根堆：每个根都比结点大。 小根堆：每个根都比结点小。
5. 堆对应的集合：priorityQueue（优先级队列）是完全二叉树。
6. 堆物理上是保存在数组当中

实现堆

因为堆在物理上是数组，所以通过数组来实现。

定义参数

publicint[] elem;publicint usedSize;publicTestHeap(){this.elem =newint[10];}

向下调整

把数据从上往下调整，然后形成堆。但前提是：左右子树必须已经是一个堆，才可以调整。一般在插入元素的时候进行向下调整。

说明

1. array 代表存储堆的数组
2. size 代表数组中被视为堆数据的个数
3. index 代表要调整位置的下标
4. left 代表 index 左孩子下标
5. right 代表 index 右孩子下标
6. min 代表 index 的最小值孩子的下标

过程

1. index 如果已经是叶子结点，则整个调整过程结束： 判断 index 位置有没有孩子 因为堆是完全二叉树，没有左孩子就一定没有右孩子，所以判断是否有左孩子 因为堆的存储结构是数组，所以判断是否有左孩子即判断左孩子下标是否越界，即 left >= size 越界
2. 确定 left 或 right，谁是 index 的最小孩子 min 如果右孩子不存在，则 min = left 否则，比较 array[left] 和 array[right] 值得大小，选择小的为 min
3. 比较 array[index] 的值 和 array[min] 的值，如果 array[index] <= array[min]，则满足堆的性质，调整结束
4. 否则，交换 array[index] 和 array[min] 的值
5. 然后因为 min 位置的堆的性质可能被破坏，所以把 min 视作 index，向下重复以上过程

如图

像这样通过向下调整，就得到了一个小根堆。
调整前：int[] array = { 27,15,19,18,28,34,65,49,25,37 };
调整后：int[] array = { 15,18,19,25,28,34,65,49,27,37 };
所以代码如下：

publicvoidshiftDown(int parent,int len){int child =2*parent+1;while(child < len){if(child +1< len && elem[child]< elem[child +1]){
            child++;}if(elem[child]> elem[parent]){int tmp = elem[child];
            elem[child]= elem[parent];
            elem[parent]= tmp;
            parent = child;
            child =2*parent+1;}else{break;}}}

创建堆

因为向下调整是适用于插入一个数据之后依然是堆，所以我们可以从第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆。代码如下：

publicvoidcreateHeap(int[] array){for(int i =0; i < array.length; i++){
        elem[i]= array[i];this.usedSize++;}for(int parent =(usedSize-1-1)/2; parent >=0; parent--){//调整shiftDown(parent, usedSize);}}

向上调整

向上调整用在入堆的时候。当一个元素入堆之后，其实是放在二叉树的最后面的。如图：

把新入堆的元素调整之后，保证还是一个大根堆或者小根堆。代码如下：

privatevoidshiftUp(int child){int parent =(child -1)/2;while(parent >=0){if(elem[child]> elem[parent]){int tmp = elem[child];
            elem[child]= elem[parent];
            elem[parent]= tmp;
            child = parent;
            parent =(child -1)/2;}else{break;}}}

判断是否满

判断是否满的时候，只需将 usedSize 和数组长度比较就可以了。代码如下：

publicbooleanisFull(){return  usedSize == elem.length;}

插入堆

向上调整是为了方便一个元素插入堆中，所以插入的时候，只需判断是否满了，如果没满，就向上调整。代码如下：

publicvoidoffer(int val){if(isFull()){//满了 扩容
        elem =Arrays.copyOf(elem,2*elem.length);}
    elem[usedSize++]= val;//传入的是 usedSize - 1shiftUp(usedSize-1);}

判断堆是否为空

判空的方法就是看 usedSize 是否为 0 即可。

publicbooleanisEmpty(){return usedSize ==0;}

出堆顶元素

先判断堆是否为空，然后拿到堆顶元素，然后把堆顶元素的值改为堆的最后一个元素，然后向下调整就好了。代码如下：

publicintpoll(){if(isEmpty()){thrownewRuntimeException("优先级队列为空！");}int tmp = elem[0];
    elem[0]= elem[usedSize -1];
    elem[usedSize -1]= tmp;
    usedSize--;shiftDown(0,usedSize);return tmp;}

拿到堆顶元素

先判断堆是否为空，然后返回数组 0 下标的元素就可以了。代码如下：

publicintpeek(){if(isEmpty()){thrownewRuntimeException("优先级队列为空！");}return elem[0];}

堆排序

这里的排序就是每次都进行向下调整，直到全部调整完成。代码如下：

publicvoidheapSort(){int end =this.usedSize-1;while(end >0){int tmp = elem[0];
        elem[0]= elem[end];
        elem[end]= tmp;shiftDown(0,end);
        end--;}}

代码测试

publicstaticvoidmain(String[] args){int[] arr ={27,15,19,18,28,34,65,49,25,37};TestHeap testHeap =newTestHeap();
    testHeap.createHeap(arr);//得到调整之后的结果System.out.println(Arrays.toString(testHeap.elem));
    testHeap.offer(80);//每次入队之后还是大根堆System.out.println(Arrays.toString(testHeap.elem));//每次出队 也要保证大根堆和小根堆  先交换 0 下标和最后下标的位置，然后向下调整就可以了System.out.println(testHeap.poll());//每次弹出的都是最大的元素System.out.println(Arrays.toString(testHeap.elem));}

运行结果如下：

测试堆排序

publicstaticvoidmain(String[] args){int[] arr ={27,15,19,18,28,34,65,49,25,37};TestHeap testHeap =newTestHeap();
    testHeap.createHeap(arr);
    testHeap.heapSort();System.out.println(Arrays.toString(testHeap.elem));}

运行结果如下：

优先级队列

优先级队列是 ： PriorityQueue 。这里默认就是一个小根堆，每次放入之后还是小根堆。弹出之后还是小根堆。代码如下：

publicstaticvoidmain2(String[] args){PriorityQueue<Integer> priorityQueue =newPriorityQueue<>();
    priorityQueue.offer(12);
    priorityQueue.offer(3);
    priorityQueue.offer(15);System.out.println(priorityQueue.poll());System.out.println(priorityQueue.poll());}

运行结果如下：