标签：void shift 为我 简单的 添加 vat down 重要 简单
一、什么是优先队列？
普通队列：先进先出，后进后出
优先队列：出队顺序和入队顺序无关，和优先级相关。
优先队列的实现：
| 入队 | 出队 | |
| 普通数组 | O(1) | O(n) |
| 顺序数组 | O(N) | O(1) |
| 堆 | O(logN) | O(logN) |
二、堆的基本实现
二叉堆的特点：这很重要！！！ 是核心
任意节点小于其父节点
除了最后一层叶子节点外，其他层的元素个数必须是最大值 ，叶子节点虽然可以不是最大值，但必须靠左排列(最大堆)
堆是一棵完全二叉树
用数组存储二叉堆
这样用数组存储的堆中元素和数组下标有以下规律： 这很重要！！！ 是核心
父节点下标：parent (i) = ( i - 1) / 2
左子节点： left child (i) = (i + 1) * 2
右子节点：right child (i) = (i + 1) * 2 + 1
最大堆代码实现 (逐步的实现，下面只是简单的定义，各种操作的方法后续依次加入) ：
1 public class MaxHeap { 2 3 // 存储元素 4 private int[] data; 5 // 记录堆中节点个数 6 private int size; 7 // 堆的容量 8 private int capacity; 9 10 public MaxHeap(int capacity) { 11 12 this.capacity = capacity; 13 data = new int[capacity]; // 堆的第一个元素索引为 0; 14 this.size = 0; 15 } 16 17 public int size() { 18 return size; 19 } 20 21 public boolean isEmpty() { 22 return size == 0; 23 } 24 25 }
往最大堆中添加元素(shiftUp)
根据前面对最大堆的定义(任意子节点小于其父节点) 以及元素下标之间的关系，我们不断交换父子节点的位置，知道满足最大堆的原则，就完成了元素插入。下面是代码实现：
/** * 往最大堆中加入一个元素 * @param e */ public void insert(int e) { if (size - 1 < capacity) { data[size] = e; shiftUp(size); size++; } } /** * 根据堆的定义，交换父子节点的位置，直到满足最大堆的原则 * @param k */ private void shiftUp(int k) { while (k > 0 && data[k] > data[(k - 1) / 2]) { SortedHandler.swap(data, k, (k - 1) / 2); k = (k - 1) / 2; } }
删除最大堆中的元素(shiftDown)
根据优先队列的定义，元素的出顺序按照优先级，而在最大堆中，根节点的优先级就是最大的，因此我们删除的时候，总是从根节点开始。
具体的思路是，首先交换根节点和最后一个节点的位置，然后删除掉交换后的根节点，也就是最大值，然后根据堆的定义交换节点位置维护最大堆的原则，最后返回删除了的最大值即可。代码实现如下：
/** * 交换根节点和最后一个节点的位置，再将移除的根节点的值返回，并维护最大堆的原则 * @return 原堆中的最大值 */ public int extractMax() { if (size > 0) { int res = data[0]; // 交换第一个和最后一个的位置 SortedHandler.swap(data, 0, size - 1); size--; shiftDown(0); return res; } return -1; } /** * 交换节点的位置 维护最大堆的定义 * @param k 开始的节点位置 */ private void shiftDown(int k) { while (2 * k + 1 < size) { int j = 2 * k + 1; // 左子点的下标 if (j + 1 < size && data[j + 1] > data[j]) { j += 1; } if (data[k] < data[j]) { SortedHandler.swap(data, k, j); k = j; } else { break; } } }
基本的堆排序
通过上面的努力，我们实现了一个基本操作的最大堆。如果前面的明白了的话，那么实现一个堆排序就是小问题了，因为我们的最大堆的输出顺序就是由大到小的，那么排序的问题不过是将数组的顺序反过来 .
public static void heapSorted1(int arr[]) { int n = arr.length; MaxHeap heap = new MaxHeap(n); for (int i = 0; i < n; i++) { heap.insert(arr[i]); } for (int i = n - 1; i >= 0; i--) { arr[i] = heap.extractMax(); } }
最大堆的另外一种构造方法 —— Heapify
在前面构造最大堆的实现中，我们都是首先构造一个初始化容量的数组，然后依次加入数组的每个元素。现在我们考虑一个情况，因为最大堆的存储本身就是数组实现的，那么当我们对数组需要排序的时候，是否可以直接将这个数组构造成为最大堆呢，而无需逐个的复制元素并shiftUp？答案是肯定的。
具体的思路是：将待排序的数组本身看成是一棵二叉树，在这课二叉树中，所有不同的非叶子节点就是不用的最大堆。那么我们就从这棵二叉树的第一个非叶子节点开始执行shiftDown操作，直到整棵二叉树满足最大堆的原则。那么问题又来了？第一个非叶子是多少呢，这里又有一个规律：完全二叉树的排列中，第一个非叶子节点 i 等于数组的长度 (n - 1) / 2.代码实现如下：
// heapify 的过程 public MaxHeap(int arr[]) { int n = arr.length; data = new int[n]; capacity = n; for (int i = 0; i < n; i++) { data[i] = arr[i]; } size = n; // 第一个非叶子节点的下标 (n-1) / 2 for (int i = (n - 1) / 2; i >= 0; i--) { shiftDown(i); } } public static void heapSorted2(int arr[]) { int n = arr.length; MaxHeap heap = new MaxHeap(arr); for (int i = n - 1; i >= 0; i--) { arr[i] = heap.extractMax(); } }
堆排序的优化——原地堆排序
public static void heapSorted3(int arr[]) { int n = arr.length; // heapify ,将数组转换为堆 for (int i = (n - 1) / 2; i >= 0; i--) { __shiftDown(arr, n, i); } // for (int i = n - 1; i > 0; i--) { int tmp = arr[i]; arr[i] = arr[0]; arr[0] = tmp; __shiftDown(arr, i, 0); } } /** * 原地堆排序的shiftDown操作 * @param arr * @param n * @param i */ private static void __shiftDown(int[] arr, int n, int i) { while (2 * i + 1 < n) { int j = 2 * i + 1; if (j + 1 < n && arr[j] < arr[j + 1]) { j += 1; } if (arr[j] > arr[i]) { int tmp = arr[j]; arr[j] = arr[i]; arr[i] = tmp; i = j; } else break; } }
标签：void shift 为我 简单的 添加 vat down 重要 简单
原文地址：https://www.cnblogs.com/ytuan996/p/10597806.html
