Java数据结构与算法:堆
来源:互联网 发布:hp软件安装 编辑:程序博客网 时间:2024/05/20 23:05
1. 堆的定义
设有n个数据元素的关键字为(k0、k1、…、kn-1),如果它们满足以下的关系:ki<= k2i+1且ki<= k2i+2(或ki>= k2i+1且ki>= k2i+2)(i=0、1、…、(n-2)/2)则称之为堆(Heap)。
如果将此数据元素序列用一维数组存储,并将此数组对应一棵完全二叉树,则堆的含义可以理解为:在完全二叉树中任何非终端结点的关键字均不大于(或不小于)其左、右孩子结点的关键字。
下图(b)、(c)分别给出了最小堆和最大堆的例子,前者任一非终端结点的关键字均小于或等于它的左、右孩子的关键字,此时位于堆顶(即完全二叉树的根结点位置)的结点的关键字是整个序列中最小的,所以称它为最小堆;后者任一非终端结点的关键字均大于或等于它的左、右孩子的关键字,此时位于堆顶的结点的关键字是整个序列中最大的,所以称它为最大堆。
调整算法FilterDown要求将以分支结点i为根的子树调整为最小堆,其基本思想是:从结点i开始向下调整,先比较结点i左孩子结点和右孩子结点的关键字大小,如果结点i左孩子结点的关键字小于右孩子结点的关键字,则沿结点i的左分支进行调整;否则沿结点i的右分支进行调整,在算法中用j指示关键字值较小的孩子结点。然后结点i和结点j进行关键字比较,若结点i的关键字大于结点j的关键字,则两结点对调位置,相当于把关键字小的结点上浮。再令i=j,j=2*j十l,继续向下一层进行比较;若结点i的关键字不大于结点j的关键字或结点i没有孩子时调整结束。
注意:这里的“堆”是指一种的特殊的二叉树,不要和java和C++等编程语言里的
“堆”混淆,后者指的是程序员用new能得到的计算机内存的可用部分。
堆的介绍
- 堆是完全二叉树
- 常常用数组实现
- 每一个节点的关键字都大于(等于)这个节点的子节点的关键字
弱序,优先级队列
2. 在堆中插入元素
在堆的类定义中成员函数Insert( )用于在堆中插入一个数据元素,在此规定数据元素总是插在已经建成的最小堆后面,如下图所示在堆中插入关键字为14的数据元素。显然在堆中插入元素后可能破坏堆的性质,所以还需要调用FilterUp( )函数,进行自下而上调整使之所在的子树成为堆。
在堆的类定义中成员函数DeleteTop( )用于删除堆顶数据元素。在从堆中删除堆顶元素后,一般把堆的最后一个元素移到堆顶,并将堆的当前元素个数heapCurrentSize减1,最后需要调用FilterDown()函数从堆顶向下进行调整。如图6-20所示给出了在堆中删除堆顶元素的过程。
3. 二叉堆
二叉堆就是通常我们所说的数据结构中”堆”中的一种。和以往一样,本文会先对二叉堆的理论知识进行简单介绍,然后给出C语言的实现。后续再分别给出C++和Java版本的实现;实现的语言虽不同,但是原理如出一辙,选择其中之一进行了解即可
4. 堆和二叉堆的介绍
4.1 堆的定义
堆(heap),这里所说的堆是数据结构中的堆,而不是内存模型中的堆。堆通常是一个可以被看做一棵树,它满足下列性质:
- [性质一] 堆中任意节点的值总是不大于(不小于)其子节点的值;
- [性质二] 堆总是一棵完全树。
将任意节点不大于其子节点的堆叫做最小堆或小根堆,而将任意节点不小于其子节点的堆叫做最大堆或大根堆。常见的堆有二叉堆、左倾堆、斜堆、二项堆、斐波那契堆等等。
4.2 二叉堆的定义
二叉堆是完全二元树或者是近似完全二元树,它分为两种:最大堆和最小堆。
最大堆:父结点的键值总是大于或等于任何一个子节点的键值;最小堆:父结点的键值总是小于或等于任何一个子节点的键值。示意图如下:
二叉堆一般都通过”数组”来实现。数组实现的二叉堆,父节点和子节点的位置存在一定的关系。有时候,我们将”二叉堆的第一个元素”放在数组索引0的位置,有时候放在1的位置。当然,它们的本质一样(都是二叉堆),只是实现上稍微有一丁点区别。
假设”第一个元素”在数组中的索引为 0 的话,则父节点和子节点的位置关系如下:
- 索引为i的左孩子的索引是 (2*i+1);
- 索引为i的左孩子的索引是 (2*i+2);
- 索引为i的父结点的索引是 floor((i-1)/2);
假设”第一个元素”在数组中的索引为 1 的话,则父节点和子节点的位置关系如下:
- 索引为i的左孩子的索引是 (2*i)
- 索引为i的左孩子的索引是 (2*i+1)
- 索引为i的父结点的索引是 floor(i/2)
注意:本文二叉堆的实现统统都是采用”二叉堆第一个元素在数组索引为0”的方式!
5. 二叉堆的图文解析
在前面,我们已经了解到:”最大堆”和”最小堆”是对称关系。这也意味着,了解其中之一即可。本节的图文解析是以”最大堆”来进行介绍的。
二叉堆的核心是”添加节点”和”删除节点”,理解这两个算法,二叉堆也就基本掌握了。下面对它们进行介绍。
5.1 添加
假设在最大堆[90,80,70,60,40,30,20,10,50]种添加85,需要执行的步骤如下:
如上图所示,当向最大堆中添加数据时:先将数据加入到最大堆的最后,然后尽可能把这个元素往上挪,直到挪不动为止!
将85添加到[90,80,70,60,40,30,20,10,50]中后,最大堆变成了[90,85,70,60,80,30,20,10,50,40]。
/* * 最大堆的向上调整算法(从start开始向上直到0,调整堆) * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引) */protected void filterup(int start) { int c = start; // 当前节点(current)的位置 int p = (c-1)/2; // 父(parent)结点的位置 T tmp = mHeap.get(c); // 当前节点(current)的大小 while(c > 0) { int cmp = mHeap.get(p).compareTo(tmp); if(cmp >= 0) break; else { mHeap.set(c, mHeap.get(p)); c = p; p = (p-1)/2; } } mHeap.set(c, tmp);}/* * 将data插入到二叉堆中 */public void insert(T data) { int size = mHeap.size(); mHeap.add(data); // 将"数组"插在表尾 filterup(size); // 向上调整堆}
insert(data)的作用:将数据data添加到最大堆中。mHeap是动态数组ArrayList对象。
当堆已满的时候,添加失败;否则data添加到最大堆的末尾。然后通过上调算法重新调整数组,使之重新成为最大堆。
5.2 删除
假设从最大堆[90,85,70,60,80,30,20,10,50,40]中删除90,需要执行的步骤如下:
如上图所示,当从最大堆中删除数据时:先删除该数据,然后用最大堆中最后一个的元素插入这个空位;接着,把这个“空位”尽量往上挪,直到剩余的数据变成一个最大堆。
从[90,85,70,60,80,30,20,10,50,40]删除90之后,最大堆变成了[85,80,70,60,40,30,20,10,50]。
注意:考虑从最大堆[90,85,70,60,80,30,20,10,50,40]中删除60,执行的步骤不能单纯的用它的字节点来替换;而必须考虑到”替换后的树仍然要是最大堆”!
/* * 最大堆的向下调整算法 * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被下调节点的起始位置(一般为0,表示从第1个开始) * end -- 截至范围(一般为数组中最后一个元素的索引) */protected void filterdown(int start, int end) { int c = start; // 当前(current)节点的位置 int l = 2*c + 1; // 左(left)孩子的位置 T tmp = mHeap.get(c); // 当前(current)节点的大小 while(l <= end) { int cmp = mHeap.get(l).compareTo(mHeap.get(l+1)); // "l"是左孩子,"l+1"是右孩子 if(l < end && cmp<0) l++; // 左右两孩子中选择较大者,即mHeap[l+1] cmp = tmp.compareTo(mHeap.get(l)); if(cmp >= 0) break; //调整结束 else { mHeap.set(c, mHeap.get(l)); c = l; l = 2*l + 1; } } mHeap.set(c, tmp);}/* * 删除最大堆中的data * * 返回值: * 0,成功 * -1,失败 */public int remove(T data) { // 如果"堆"已空,则返回-1 if(mHeap.isEmpty() == true) return -1; // 获取data在数组中的索引 int index = mHeap.indexOf(data); if (index==-1) return -1; int size = mHeap.size(); mHeap.set(index, mHeap.get(size-1));// 用最后元素填补 mHeap.remove(size - 1); // 删除最后的元素 if (mHeap.size() > 1) filterdown(index, mHeap.size()-1); // 从index号位置开始自上向下调整为最小堆 return 0;}
6. 二叉堆的Java实现
6.1 二叉堆(最大堆)
/** * 二叉堆(最大堆) * * @author skywang * @date 2014/03/07 */import java.util.ArrayList;import java.util.List;public class MaxHeap<T extends Comparable<T>> { private List<T> mHeap; // 队列(实际上是动态数组ArrayList的实例) public MaxHeap() { this.mHeap = new ArrayList<T>(); } /* * 最大堆的向下调整算法 * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被下调节点的起始位置(一般为0,表示从第1个开始) * end -- 截至范围(一般为数组中最后一个元素的索引) */ protected void filterdown(int start, int end) { int c = start; // 当前(current)节点的位置 int l = 2*c + 1; // 左(left)孩子的位置 T tmp = mHeap.get(c); // 当前(current)节点的大小 while(l <= end) { int cmp = mHeap.get(l).compareTo(mHeap.get(l+1)); // "l"是左孩子,"l+1"是右孩子 if(l < end && cmp<0) l++; // 左右两孩子中选择较大者,即mHeap[l+1] cmp = tmp.compareTo(mHeap.get(l)); if(cmp >= 0) break; //调整结束 else { mHeap.set(c, mHeap.get(l)); c = l; l = 2*l + 1; } } mHeap.set(c, tmp); } /* * 删除最大堆中的data * * 返回值: * 0,成功 * -1,失败 */ public int remove(T data) { // 如果"堆"已空,则返回-1 if(mHeap.isEmpty() == true) return -1; // 获取data在数组中的索引 int index = mHeap.indexOf(data); if (index==-1) return -1; int size = mHeap.size(); mHeap.set(index, mHeap.get(size-1));// 用最后元素填补 mHeap.remove(size - 1); // 删除最后的元素 if (mHeap.size() > 1) filterdown(index, mHeap.size()-1); // 从index号位置开始自上向下调整为最小堆 return 0; } /* * 最大堆的向上调整算法(从start开始向上直到0,调整堆) * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引) */ protected void filterup(int start) { int c = start; // 当前节点(current)的位置 int p = (c-1)/2; // 父(parent)结点的位置 T tmp = mHeap.get(c); // 当前节点(current)的大小 while(c > 0) { int cmp = mHeap.get(p).compareTo(tmp); if(cmp >= 0) break; else { mHeap.set(c, mHeap.get(p)); c = p; p = (p-1)/2; } } mHeap.set(c, tmp); } /* * 将data插入到二叉堆中 */ public void insert(T data) { int size = mHeap.size(); mHeap.add(data); // 将"数组"插在表尾 filterup(size); // 向上调整堆 } @Override public String toString() { StringBuilder sb = new StringBuilder(); for (int i=0; i<mHeap.size(); i++) sb.append(mHeap.get(i) +" "); return sb.toString(); } public static void main(String[] args) { int i; int a[] = {10, 40, 30, 60, 90, 70, 20, 50, 80}; MaxHeap<Integer> tree=new MaxHeap<Integer>(); System.out.printf("== 依次添加: "); for(i=0; i<a.length; i++) { System.out.printf("%d ", a[i]); tree.insert(a[i]); } System.out.printf("\n== 最 大 堆: %s", tree); i=85; tree.insert(i); System.out.printf("\n== 添加元素: %d", i); System.out.printf("\n== 最 大 堆: %s", tree); i=90; tree.remove(i); System.out.printf("\n== 删除元素: %d", i); System.out.printf("\n== 最 大 堆: %s", tree); System.out.printf("\n"); }}
6.2 二叉堆(最小堆)
/** * 二叉堆(最小堆) * * @author skywang * @date 2014/03/07 */import java.util.ArrayList;import java.util.List;public class MinHeap<T extends Comparable<T>> { private List<T> mHeap; // 存放堆的数组 public MinHeap() { this.mHeap = new ArrayList<T>(); } /* * 最小堆的向下调整算法 * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被下调节点的起始位置(一般为0,表示从第1个开始) * end -- 截至范围(一般为数组中最后一个元素的索引) */ protected void filterdown(int start, int end) { int c = start; // 当前(current)节点的位置 int l = 2*c + 1; // 左(left)孩子的位置 T tmp = mHeap.get(c); // 当前(current)节点的大小 while(l <= end) { int cmp = mHeap.get(l).compareTo(mHeap.get(l+1)); // "l"是左孩子,"l+1"是右孩子 if(l < end && cmp>0) l++; // 左右两孩子中选择较小者,即mHeap[l+1] cmp = tmp.compareTo(mHeap.get(l)); if(cmp <= 0) break; //调整结束 else { mHeap.set(c, mHeap.get(l)); c = l; l = 2*l + 1; } } mHeap.set(c, tmp); } /* * 最小堆的删除 * * 返回值: * 成功,返回被删除的值 * 失败,返回null */ public int remove(T data) { // 如果"堆"已空,则返回-1 if(mHeap.isEmpty() == true) return -1; // 获取data在数组中的索引 int index = mHeap.indexOf(data); if (index==-1) return -1; int size = mHeap.size(); mHeap.set(index, mHeap.get(size-1));// 用最后元素填补 mHeap.remove(size - 1); // 删除最后的元素 if (mHeap.size() > 1) filterdown(index, mHeap.size()-1); // 从index号位置开始自上向下调整为最小堆 return 0; } /* * 最小堆的向上调整算法(从start开始向上直到0,调整堆) * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引) */ protected void filterup(int start) { int c = start; // 当前节点(current)的位置 int p = (c-1)/2; // 父(parent)结点的位置 T tmp = mHeap.get(c); // 当前节点(current)的大小 while(c > 0) { int cmp = mHeap.get(p).compareTo(tmp); if(cmp <= 0) break; else { mHeap.set(c, mHeap.get(p)); c = p; p = (p-1)/2; } } mHeap.set(c, tmp); } /* * 将data插入到二叉堆中 */ public void insert(T data) { int size = mHeap.size(); mHeap.add(data); // 将"数组"插在表尾 filterup(size); // 向上调整堆 } public String toString() { StringBuilder sb = new StringBuilder(); for (int i=0; i<mHeap.size(); i++) sb.append(mHeap.get(i) +" "); return sb.toString(); } public static void main(String[] args) { int i; int a[] = {80, 40, 30, 60, 90, 70, 10, 50, 20}; MinHeap<Integer> tree=new MinHeap<Integer>(); System.out.printf("== 依次添加: "); for(i=0; i<a.length; i++) { System.out.printf("%d ", a[i]); tree.insert(a[i]); } System.out.printf("\n== 最 小 堆: %s", tree); i=15; tree.insert(i); System.out.printf("\n== 添加元素: %d", i); System.out.printf("\n== 最 小 堆: %s", tree); i=10; tree.remove(i); System.out.printf("\n== 删除元素: %d", i); System.out.printf("\n== 最 小 堆: %s", tree); System.out.printf("\n"); }}
6.3 二叉堆的Java测试程序
测试程序已经包含在相应的实现文件中了,这里只说明运行结果。
最大堆(MaxHeap.java)的运行结果:
== 依次添加: 10 40 30 60 90 70 20 50 80 == 最 大 堆: 90 80 70 60 40 30 20 10 50 == 添加元素: 85== 最 大 堆: 90 85 70 60 80 30 20 10 50 40 == 删除元素: 90== 最 大 堆: 85 80 70 60 40 30 20 10 50
最小堆(MinHeap.java)的运行结果:
== 最 小 堆: 10 20 30 50 90 70 40 80 60 == 添加元素: 15== 最 小 堆: 10 15 30 50 20 70 40 80 60 90 == 删除元素: 10== 最 小 堆: 15 20 30 50 90 70 40 80 60
PS. 二叉堆是”堆排序”的理论基石。以后讲解算法时会讲解到”堆排序”,理解了”二叉堆”之后,”堆排序”就很简单了
- Java数据结构与算法:堆
- java数据结构与算法-堆
- 算法与数据结构 - 堆
- 数据结构与算法:堆与堆排序
- 数据结构与算法-堆与堆排序
- 【数据结构与算法】二叉堆
- 【数据结构与算法】堆排序
- 【数据结构与算法08】 堆
- 堆排序 | 数据结构与算法
- 【数据结构与算法】堆排序
- java数据结构与算法-高级排序-堆排序
- 数据结构与算法(11)---Java语言实现:堆排序
- Java数据结构与算法解析(十四)——二叉堆
- Java数据结构与算法解析(十四)——二叉堆
- Java数据结构与算法解析(十七)——斜堆
- java数据结构 堆与堆排序
- 算法与数据结构之堆排序
- 数据结构与算法之六堆排序
- 浅谈java异常[Exception]
- 线程取消(pthread_cancel)
- Tablayout + ViewPager + fragment 实现底部或顶部导航栏
- 谈谈最近java微信开发中遇到的IOS返回错误
- Ubuntu14.04/16.04 不能使用PPA更新并提示缺失pubkey的方法
- Java数据结构与算法:堆
- 我的 2016 年总结
- MySQL工具:doDBA
- 饿汉式与懒汉式单例模式的区别
- 高德地图定位
- docker安装
- ajax阻止表单提交
- 转载一个pip安装virtualenvwrapper报错的解决办法
- 透视学理论(二)