java数据结构-堆实现优先队列
目录
- 一、二叉树的顺序存储
- 1.堆的存储方式
- 2.下标关系
- 二、堆(heap)
- 1.概念
- 2.大/小 根堆
- 2.1小根堆
- 2.2大根堆
- 3.建堆操作
- 3.1向下调整
- 4.入队操作
- 4.1向上调整
- 4.2push 入队的完整代码展示
- 5.出队操作
- 5.1pop 出队代码完全展示
- 6.查看堆顶元素
- 7.TOK 问题
- 7.1TOPK
- 8.堆排序
文章内容介绍大纲
一、二叉树的顺序存储
1.堆的存储方式
使用数组保存二叉树结构,方式即将二叉树用层序遍历方式放入数组中。
一般只适合表示完全二叉树,因为非完全二叉树会有空间的浪费。
这种方式的主要用法就是堆的表示。
2.下标关系
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;
已知孩子(不区分左右)(child)下标,则:
双亲(parent)下标 = (child - 1) / 2;
二、堆(heap)
1.概念
1.堆逻辑上是一棵完全二叉树
2.堆物理上是保存在数组中
3.满足任意结点的值都大于其子树中结点的值,叫做大堆,或者大根堆,或者最大堆
4.反之,则是小堆,或者小根堆,或者最小堆
5.堆的基本作用是,快速找集合中的最值
2.大/小 根堆
2.1小根堆
每棵树的根节点都是小于孩子节点,此时这棵树就叫做小根堆
2.2大根堆
每棵树的根节点都是大于孩子节点的,此时这棵树就叫做大根堆
我们在说 大小根堆 时,只说了 根节点比孩子节点大,没有说 左右孩子节点谁比谁大、谁比谁小.
所以得出结论
不管是 大根堆、还是小根堆,左右孩子的大小关系是不确定的,我们只能确定根节点和孩子节点的关系.
3.建堆操作
下面我们给出一个数组,这个数组逻辑上可以看做一颗完全二叉树,但是还不是一个堆,现在我们通过算法,把它构建成一个堆。
根节点左右子树不是堆,我们怎么调整呢?这里我们从倒数的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。
将一个二叉树 调整为一个 大根堆
这棵二叉树调整为 大根堆 必须将 每颗子树都调整为大根堆.
3.1向下调整
思想 步骤:
parent —> 根节点下标
child —> 孩子节点下标
1.从最后一棵子树进行调整.
2.每颗子树从根节点向下调整,如果左右孩子节点的最大值比这个根节点大,那么值互换,然后 parent 指向 child ,child = 2* parent + 1, 继续向下调整,直到 下标child 超出二叉树 范围.
3.重复第二步的操作,遍历每一颗子树,直到所有子树全部遍历完成.
代码实现:
我们对这个代码进行测试
测试堆中的结果:
时间复杂度分析:
粗略估算,可以认为是在循环中执行向下调整,为 O(n * log(n))(了解)实际上是 O(n)
堆排序中建堆过程时间复杂度O(n)怎么来的?
4.入队操作
步骤
1.判断是否满容
2.在数组的最后插入元素
3.调整为 大/小 根堆
在这几个步骤中,前两步我们都可以完成 ,第三步我们要注意:
利用 向上调整 调整为大/ 小根堆
之前我们介绍了 向下调整
这次我们说的是向上调整,与之前向上调整的思路十分相似~~
我们来说一下 向上调整的思路
4.1向上调整
4.2push 入队的完整代码展示
5.出队操作
为了防止破坏堆的结构,删除时并不是直接将堆顶元素删除,而是用数组的最后一个元素与堆顶元素交换,然后通过向下调整方式重新调整成堆.
思路:
1.交换 数组首尾元素
2.usedSize- -,删除最后的元素
3.利用向下调整 ,调整为大/小 根堆
5.1pop 出队代码完全展示
6.查看堆顶元素
返回 下标为0的数组元素.返回堆顶元素.
现在我们来看一个 堆的 应用
7.TOK 问题
我们在这里 提出一个问题:
在一千万个数据中找到 前 10个最大的 数据,请问如何查找
我们有 几个想法
1.基本反应,给1000万个数据排序,取10个最大 的,我们直接 Arrays.sort () ;
这种排序方法当然也不是不可以,只不过时间复杂度非常大,在面试中写出这样的排序思路会落得下风.
2.将这1000个数据 建成一个大堆,每次将最大的取出,然后调整,取出10个即可.
这种方法的缺点则是, 堆太大了,我们建立的堆也会是 1000万,如果这个数据更大,那么堆也会更大,每次调整的复杂度也很大.
3.建立一个大小为 K 的小堆.
以上面这个数组为例,找出这组数据中的前三个最大的元素.
3.1 将当前数据的前三个 建立为小堆
3.2 遍历剩下的元素,依次和堆顶元素进行比较. 如果当前 i 下标元素 比堆顶元素大,就把i下标入队.
堆顶元素一定是最小的,每次都与堆顶元素进行比较,每次都将最小的那个剔除,最后遍历完,剩下的就是 最大的几个数据了嘛~
根据上面的这个 思路,我们同理可以解决很多类似的问题
7.1TOPK
找到一组数据中 最大的K个数据
建立 大小为 K 的小堆,依次遍历,最后堆中的数据 即为结果.
找到一组数据中 第K大的数据
建立 大小为 K 的小堆,依次遍历,最后堆顶元素 即为结果.
找到一组数据中 最小的K个数据
建立 大小为 K 的大堆,依次遍历,最后堆中的数据 即为结果.
找到一组数据中 第K小的数据
建立 大小为 K 的大堆,依次遍历,最后堆顶元素 即为结果.
8.堆排序
从小到大排序 —— 升序 建立大堆
从大到小排序 —— 降序 建立小堆
思路: 以升序 为 例
1.交换 数组 首尾 的元素,这样最大的堆顶元素 被放在数组的最后一个,此时 最后一个元素 已经定好序了.
2.此时从第一个到 倒数第二个再次调整,调整完后将堆顶元素 与倒数第二个元素交换,按照这样的逻辑规律,循环直到 有序.
我们以实际 例子说明…
1.首尾交换
2.向下调整
重复此操作直到全部有序
算法演示:
代码实现:
我们看一下排序的结果:
说明我们 堆排序成功运行~~
好了,堆的知识先讲到这里,希望大家多多练习~~
下节就是关于Java中堆的使用的知识及练习了,大家敬请期待~~
到此这篇关于java数据结构-堆实现优先队列的文章就介绍到这了,更多相关Java数据结构内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!