ToB企服应用市场:ToB评测及商务社交产业平台

标题: 大顶堆的实现（基于数组存储的完全二叉树） [打印本页]

作者: 用户云卷云舒 时间: 2022-9-16 17:18
标题: 大顶堆的实现（基于数组存储的完全二叉树）
完全二叉树

完全二叉树的定义

满二叉树

非完全二叉树，非满二叉树

完全二叉树

完全二叉树的特点

叶子结点只能出现在最下层和次下层，且最下层的叶子结点集中在树的左部。
完全二叉树的实现

二叉链表：直观，但占用内存大。
数组：简洁，但拓展麻烦。

比较推荐使用数组存储，本文也将基于数组存储介绍大顶堆的实现。
基于数组存储的完全二叉树节点与数组下标的关系

假设完全二叉树的节点 A 存储在数组中的下标为 i
则：

节点 A 的父节点存储在数组中的下标为 (i - 1) / 2
节点 A 的左子节点存储在数组中的下标为 2 * i + 1
节点 A 的右子节点存储在数组中的下标为 2 * i + 2

堆

堆的定义

堆是一种特殊的数据结构，是高效的优先级队列，堆通常可以被看做一棵完全二叉树。
堆的分类

根据堆的特点，可以把堆分为两类：

大顶堆：每一个节点的值都大于或等于其左右子节点的值。
小顶堆：每一个节点的值都小于或等于其左右子节点的值。

堆的插入

往堆中插入数据，可能会破坏大顶堆（小顶堆）的性质，需要对堆进行调整。
堆的插入流程如下：

将插入的数据置于数组的尾部
将新插入的节点作为当前节点，比较当前节点与其父节点是否满足堆的性质，不满足则交换
重复步骤 2，直到满足堆的性质或者当前节点到达堆顶。

/**
* 添加元素
* @param value 待添加元素
*/
public void offer(int value){
if(this.currentLength >= this.capacity){ // 数组已耗尽，扩增数组为原来的两倍
this.grow();
}
int cur = this.currentLength++; // 获得待添加元素的添加位置
if(cur == 0){ // 当前堆为空直接添加
this.tree[cur] = value;
}else{ // 当前堆不为空，添加之后要向上调整
this.tree[cur] = value; // 步骤 1
int p = cur;
int parent = this.getParentIndex(p);
while(this.tree[parent] < this.tree[p]){ // 步骤 2
this.swap(parent, p);
p = parent;
parent = this.getParentIndex(p);
}
}
}

复制代码

往堆中插入数据的时间复杂度为 O(logN)
堆的构建

构建一个大小为 N 的堆，其实就是执行 N 次插入。
所以构建一个大小为 N 的堆，其时间复杂度为 O(NlogN)
堆的删除

堆的删除也可能会破坏大顶堆（小顶堆）的性质，需要对堆进行调整。
堆的删除流程如下：

取出堆顶的数据
用堆的最后一个元素代替堆顶元素
判断当前节点（一开始是堆顶），是否满足大顶堆（小顶堆）的性质，不满足则用左右子节点中较大的节点进行交换
重复步骤 3 直到满足堆的性质或没有子节点

/**
* 取出最大元素
* @return 最大元素
*/
public int poll(){
if(isEmpty()){
throw new RuntimeException("堆为空，无法取出更多元素！");
}
int cur = --this.currentLength; // 获得当前堆尾
int result = this.tree[0]; // 取出最大元素步骤1
this.tree[0] = this.tree[cur]; // 将堆尾移到堆头步骤2
if(cur != 0){ // 如果取出的不是最后一个元素，需要向下调整堆步骤3
int p = 0;
int left = getLeftIndex(p);
int right = getRightIndex(p);
// 由于是数组实现，数组元素无法擦除，需要通过边界进行判断堆的范围
// 当前节点和左节点在堆的范围内，
while(p < this.currentLength &&
0 <= left && left < this.currentLength &&
(this.tree[left] > this.tree[p] || this.tree[right] > this.tree[p])){
if(right >= this.currentLength){ // 当前节点没有右节点
if(this.tree[left] > this.tree[p] ){ // 左节点大于当前节点
swap(p, left);
p = left;
}
}else{ // 两个节点都在堆范围
if(this.tree[left] > this.tree[right]){ // 用大的节点替换
swap(p, left);
p = left;
}else{
swap(p, right);
p = right;
}
}
left = getLeftIndex(p);
right = getRightIndex(p);
}
}
return result;
}

复制代码

堆的删除元素时间复杂度为 O(logN)
完整代码

[code]// 大顶堆public class Heap { private int[] tree; // 数组实现的完全二叉树 private int capacity; // 容量 private int currentLength; // 当前数组已使用长度 /** * 构造函数 * @param capacity 初始容量 */ public Heap(int capacity) { this.tree = new int[capacity]; this.capacity = capacity; this.currentLength = 0; } /** * 添加元素 * @param value 待添加元素 */ public void offer(int value){ if(this.currentLength >= this.capacity){ // 数组已耗尽，扩增数组为原来的两倍 this.grow(); } int cur = this.currentLength++; // 获得待添加元素的添加位置 if(cur == 0){ // 当前堆为空直接添加 this.tree[cur] = value; }else{ // 当前堆不为空，添加之后要向上调整 this.tree[cur] = value; // 步骤 1 int p = cur; int parent = this.getParentIndex(p); while(this.tree[parent] < this.tree[p]){ // 步骤 2 this.swap(parent, p); p = parent; parent = this.getParentIndex(p); } } } /** * 取出最大元素 * @return 最大元素 */ public int poll(){ if(isEmpty()){ throw new RuntimeException("堆为空，无法取出更多元素！"); } int cur = --this.currentLength; // 获得当前堆尾 int result = this.tree[0]; // 取出最大元素步骤1 this.tree[0] = this.tree[cur]; // 将堆尾移到堆头步骤2 if(cur != 0){ // 如果取出的不是最后一个元素，需要向下调整堆步骤3 int p = 0; int left = getLeftIndex(p); int right = getRightIndex(p); // 由于是数组实现，数组元素无法擦除，需要通过边界进行判断堆的范围 // 当前节点和左节点在堆的范围内， while(p < this.currentLength && 0 this.tree[p] || this.tree[right] > this.tree[p])){ if(right >= this.currentLength){ // 当前节点没有右节点 if(this.tree[left] > this.tree[p] ){ // 左节点大于当前节点 swap(p, left); p = left; } }else{ // 两个节点都在堆范围 if(this.tree[left] > this.tree[right]){ // 用大的节点替换 swap(p, left); p = left; }else{ swap(p, right); p = right; } } left = getLeftIndex(p); right = getRightIndex(p); } } return result; } public boolean isEmpty(){ return this.currentLength

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4