✨博客主页: 心荣~
✨系列专栏:【Java实现数据结构】
✨一句短话: 难在坚持,贵在坚持,成在坚持!

文章目录

• 一. 堆
• • 1. 堆的概念
  • 2. 堆的存储方式
  • 3. 堆的创建
  • 4. 元素入堆
  • 5. 元素出堆
  • 6. 获取堆中元素
• 二. 优先级堆列(PriorityQueue)
• • 1. 优先级队列
  • 2. PriorityQueue的特性
  • 3. 集合框架中PriorityQueue的比较方式
  • 4. PriorityQueue常用构造方法
  • 5. PriorityQueue常用操作方法
  • 6. PriorityQueue的扩容方式
• 三. Top-k问题

一. 堆

1. 堆的概念

如果有一个关键码的集合K = {k0，k1， k2，…，kn-1}，把它的所有元素按完全二叉树的顺序存储方式存储 在一 个一维数组中，并满足：Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0，1，2…，则称为 小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。

堆的性质:

• 堆中某个节点的值总是不大于或不小于其父节点的值；
• 堆总是一棵完全二叉树。

2. 堆的存储方式

从堆的概念可知，堆是一棵完全二叉树，因此可以层序的规则采用顺序的方式来高效存储，

注意：对于非完全二叉树，则不适合使用顺序方式进行存储，因为为了能够还原二叉树，空间中必须要存储空节点，就会导致空间利用率比较低。

假设i为节点在数组中的下标，则有：

• 如果i为0，则i表示的节点为根节点，否则i节点的双亲节点为 (i - 1)/2
• 如果2 * i + 1 小于节点个数，则节点i的左孩子下标为2 * i + 1，否则没有左孩子
• 如果2 * i + 2 小于节点个数，则节点i的右孩子下标为2 * i + 2，否则没有右孩子

3. 堆的创建

【向下调整】

首先我们需要知道堆的特点, 堆的堆顶的元素大于 (或小于) 子堆的元素大小，堆的本质就是一棵完全二叉树，堆采用顺序存储的方式来实现, 所以根据这些特点可以总结出堆的创建过程。

1. 找到数组中最后一个子树所在位置，注意这里的子树不包含单独的叶子结点。
2. 对该子树进行向下调整，如果要创建的是大根堆，找到该树两个子结点值较大的结点与根结点进行比较，如果这个子结点比根结点要大，则交换两结点的值，然后再对被调整的子结点作相同的调整(向下调整)，直到被调整的子树满足大堆条件或下标超出数组的范围; 同样的思路, 如果建立的是小根堆 , 找到该树两个子结点值较小的结点与根结点进行比较，如果这个子结点比根结点要小，则交换两结点的值 , 然后再对被调整的子结点作相同的调整(向下调整)，直到被调整的子树满足大堆条件或下标超出数组的范围
3. 从最后一棵子树（该树不为叶子，最右边一棵高度为2的子树）开始调整，调整完后再向前找前一棵子树 , 以此类推, 直至调整完最后一棵(以堆顶结点所代表的树)结束，按此顺序对所有树进行向下调整，此时(大/小)堆就创建好了。

设最后一棵子树根结点所对应数组下标为parent，其左子树根结点为child，堆大小为len，根据二叉树的性质，下标会满足child = 2 ∗ parent + 1 ； parent = (child − 1 ) / 2 ;

最后一个结点下标为len−1，其父结点下标为(len−2) / 2 ; 也就是说 , 最后一棵子树根结点的下标为(len−2) / 2

对于向下调整中，以创建大根堆为例，如果一棵子树右结点存在且大于左结点的值，则child++保证child指向的是左右结点中较大的那一个

下面给出的是堆的基本成员属性,

public class MyHeap {public int[] elem;public int usedSize;//记录有效元素个数public static final int DEFAULT_SIZE = 10;//默认容量public MyHeap() {elem = new int[DEFAULT_SIZE];}//初始化数组public void initElem(int[] array) {for (int i = 0; i < array.length; i++) {this.elem[i] = array[i];usedSize++;}}
}

代码实现创建大根堆,

//调整数组元素,创建大根堆public void createHeap() {//从最后一个双亲节点开始向下调整for (int parent = (this.usedSize-1-1)/2; parent >= 0; parent--) {//向下调整shiftDown(parent, this.usedSize);}}/*** 向下调整* @param parent 每棵树的根节点位置* @param len 用来判断每棵子树调整的结束时机, 位置不能大于len*/public void shiftDown(int parent, int len) {//计算左孩子位置int child = parent*2+1;//要判断左孩子是否存在while(child < len) {//确定右孩子是否存在,确定最大值if (child + 1 < len && elem[child] < elem[child+1]) {child++;}//走到这里child指向的一定是左右孩子中较大的if(elem[parent] < elem[child]) {int tmp = elem[parent];elem[parent] = elem[child];elem[child] = tmp;parent = child;child = 2*parent+1;}else {break;}}}

【建堆的时间复杂度】

建堆的过程是自下而上的，堆的本质就是一棵完全二叉树，不妨设该二叉树的高度为h，堆元素个数为n，建堆时需要对所有高度大于1的子树进行调整，最坏情况下该堆是一个满堆，设该堆所处层次为x（从1开始），则第x层次的子树需要调整h-x次，有2 ^ (h-1)个结点，由于只调整高度大于1的子树，因此x的范围为[1,h−1]

调整的次数为T(n):

我们发现T(n)为等比数列和减去h再加上1，等比数列求和公式为Sn=a1(1−qn)/(1−q)

​ T(n)=2∗(1−2h−1)/(−1)−h+1

​ T(n)=2 ^ h−h−1

所以，建堆的时间复杂度为O(N)。

4. 元素入堆

按照如下步骤完成元素入堆:

1. 先将元素放入到放入堆尾(注意：空间不够时需要扩容)
2. 将最后新插入的节点向上调整，直到满足堆的性质

下面是对向上调整的说明:

在数组最后一个位置放入一个元素后，以大根堆为例, 这个元素所在的子树就可能不满足大根堆的条件了, 所以需要对该结点进行向上调整，让这棵子树再次满足大根堆, 如果做出了调整, 就需要一直先向上调整, 直至满足条件 ; 所谓向上调整就是比较 调整结点与父亲结点 值的大小，如果该结点值比较大，则与父亲结点交换值，否则不需调整，该堆已经满足大根堆条件，因为交换后不知道上面的子树是否为大根堆，所以需要对交换路径上所有的结点进行相同的向上调整，直到调整完堆顶，过程中出现父亲结点比较大则结束调整; 同样的如果是小根堆，思路是一样的, 只需要把把 调整结点与父亲结点 的比较方式改变一下即可.

下面的实现代码以大根堆为例:

public void offer(int val) {//判断空间是不是满了if(isFull()) {elem = Arrays.copyOf(elem, 2*elem.length);}elem[usedSize] = val;usedSize++;//向上调整shiftUp(usedSize-1);}public boolean isFull() {return usedSize == elem.length;}public void shiftUp(int child) {int parent = (child-1)/2;while(child > 0) {if (elem[parent] < elem[child]) {int tmp = elem[parent];elem[parent] = elem[child];elem[child] = tmp;child = parent;parent = (child-1)/2;}else{break;}}}

5. 元素出堆

注意：出堆的元素一定是堆顶元素

按照如下步骤完成元素出堆:

1. 将堆顶元素与堆尾元素交换，保存并删除堆尾元素。
2. 将堆中有效数据个数减少一个
3. 对堆顶元素向下调整，因为堆顶交换元素的路径可能会破坏大根堆（或小根堆）结构。
4. 返回之前保存的堆尾元素，返回的是删除元素的值。

下面的实现代码以大根堆为例:

//堆的删除public int pop() {if(isEmpty()) {throw new EmptyHeapException("当前堆为空");}int tmp = elem[0];elem[0] = elem[usedSize-1];elem[usedSize-1] = tmp;usedSize--;shiftDown(0, usedSize);return tmp;}

6. 获取堆中元素

    //判断堆是否为空public boolean isEmpty() {return usedSize == 0;}//获取堆中元素public int peek() {if(isEmpty()) {throw new EmptyHeapException();}return elem[0];}//清空public void clear() {usedSize = 0;}public int size() {return usedSize;}

二. 优先级堆列(PriorityQueue)

1. 优先级队列

在优先级队列中，元素被赋予优先级。当访问元素时，具有最高优先级的元素最先删除。优先队列具有最高级先出 (first in, largest out)的行为特征，通常采用堆数据结构来实现; 比如说一个优先队列是由小根堆实现的，则该队列优先最小的元素出队，反之，优先队列由大根堆实现，则该队列优先最大的元素出队。

2. PriorityQueue的特性

关于PriorityQueue的使用要注意：

1. 使用时必须导入PriorityQueue所在的包，即： import java.util.PriorityQueue;
2. PriorityQueue中放置的元素必须要能够比较大小，不能插入无法比较大小的对象，否则会抛出ClassCastException异常
3. 不能插入null对象，否则会抛出NullPointerException
4. 没有容量限制，可以插入任意多个元素，其内部可以自动扩容
5. 插入和删除元素的时间复杂度为O(logN)
6. PriorityQueue底层使用了堆数据结构
7. PriorityQueue默认情况下是小堆 , 如果想要改变使用大根堆实现，则需要传入对象的比较器，或比较器内部类或lambda表达式所实现的比较器。

3. 集合框架中PriorityQueue的比较方式

集合框架中的PriorityQueue底层使用堆结构，因此其内部的元素必须要能够比较大小，PriorityQueue采用了：
Comparble和Comparator两种方式。

1. Comparble是默认的内部比较方式，如果用户插入自定义类型对象时，该类对象必须要实现Comparble接口，并覆写compareTo方法
2. 用户也可以选择使用比较器对象，如果用户插入自定义类型对象时，必须要提供一个比较器类，让该类实现Comparator接口并覆写compare方法。

    // JDK中PriorityQueue的实现：public class PriorityQueue extends AbstractQueueimplements java.io.Serializable {// ...// 默认容量private static final int DEFAULT_INITIAL_CAPACITY = 11;// 内部定义的比较器对象，用来接收用户实例化PriorityQueue对象时提供的比较器对象private final Comparator comparator;// 用户如果没有提供比较器对象，使用默认的内部比较，将comparator置为nullpublic PriorityQueue() {this(DEFAULT_INITIAL_CAPACITY, null);}// 如果用户提供了比较器，采用用户提供的比较器进行比较public PriorityQueue(int initialCapacity, Comparator comparator) {// Note: This restriction of at least one is not actually needed,// but continues for 1.5 compatibilityif (initialCapacity < 1)throw new IllegalArgumentException();this.queue = new Object[initialCapacity];this.comparator = comparator;}// ...// 向上调整：// 如果用户没有提供比较器对象，采用Comparable进行比较// 否则使用用户提供的比较器对象进行比较private void siftUp(int k, E x) {if (comparator != null)siftUpUsingComparator(k, x);elsesiftUpComparable(k, x);}// 使用Comparable@SuppressWarnings("unchecked")private void siftUpComparable(int k, E x) {Comparable key = (Comparable) x;while (k > 0) {int parent = (k - 1) >>> 1;Object e = queue[parent];if (key.compareTo((E) e) >= 0)break;queue[k] = e;k = parent;}queue[k] = key;}// 使用用户提供的比较器对象进行比较@SuppressWarnings("unchecked")private void siftUpUsingComparator(int k, E x) {while (k > 0) {int parent = (k - 1) >>> 1;Object e = queue[parent];if (comparator.compare(x, (E) e) >= 0)break;queue[k] = e;k = parent;}queue[k] = x;}}

下面的代码是定义一个的自定义类型, 要将自定义类型入堆, 自定义类型必须实现Comparble接口; 将第一个元素入堆时不涉及比较, 当第二个元素入堆就会涉及比较了;

class Person implements Comparable{int age;String name;public Person(int age, String name) {this.age = age;this.name = name;}@Overridepublic int compareTo(Person o) {return this.age - o.age;}@Overridepublic String toString() {return "Person{" +"age=" + age +", name='" + name + '\'' +'}';}
}
public class Test {public static void main(String[] args) {PriorityQueue priorityQueue = new PriorityQueue<>();priorityQueue.offer(new Person(18,"张三"));priorityQueue.offer(new Person(20,"李四"));}
}

4. PriorityQueue常用构造方法

观察这三个构造方法的源码, 其实在底层是又调用了含有两个参数的构造方法public PriorityQueue(int initialCapacity**,** ComparatorE> comparator), 除了设置容量的参数外, 另一个参数是一个比较器, 在调用时设置为了null;

构造示例:

static void TestPriorityQueue(){// 创建一个空的优先级队列，底层默认容量是11PriorityQueue q1 = new PriorityQueue<>();// 创建一个空的优先级队列，底层的容量为initialCapacityPriorityQueue q2 = new PriorityQueue<>(100);ArrayList list = new ArrayList<>();list.add(4);list.add(3);list.add(2);list.add(1);// 用ArrayList对象来构造一个优先级队列的对象// q3中已经包含了三个元素PriorityQueue q3 = new PriorityQueue<>(list);System.out.println(q3.size());System.out.println(q3.peek());}

注意：默认情况下，PriorityQueue队列是小堆，如果需要大堆需要用户提供比较器

public static void main(String[] args) {PriorityQueue priorityQueue1 = new PriorityQueue<>(new IntCmp());priorityQueue1.offer(1);priorityQueue1.offer(2);priorityQueue1.offer(3);System.out.println(priorityQueue1);//使用隐藏内部类创建基于大根堆的优先队列PriorityQueue priorityQueue2 = new PriorityQueue<>(new Comparator() {@Overridepublic int compare(Integer o1, Integer o2) {return o2 - o1;}});priorityQueue2.offer(1);priorityQueue2.offer(2);priorityQueue2.offer(3);System.out.println(priorityQueue1);//使用lambda表达式创建基于大根堆的优先队列PriorityQueue priorityQueue3 = new PriorityQueue<>((x, y) -> y-x);priorityQueue3.offer(1);priorityQueue3.offer(2);priorityQueue3.offer(3);System.out.println(priorityQueue1);}

5. PriorityQueue常用操作方法

static void TestPriorityQueue2(){int[] arr = {4,1,9,2,8,0,7,3,6,5};// 一般在创建优先级队列对象时，如果知道元素个数，建议就直接将底层容量给好// 否则在插入时需要不够时要去扩容// 扩容机制：开辟更大的空间，拷贝元素，这样效率会比较低PriorityQueue q = new PriorityQueue<>(arr.length);for (int e: arr) {q.offer(e);}System.out.println(q.size()); // 打印优先级队列中有效元素个数System.out.println(q.peek()); // 获取优先级最高的元素// 从优先级队列中删除两个元素之和，再次获取优先级最高的元素q.poll();q.poll();System.out.println(q.size()); // 打印优先级队列中有效元素个数System.out.println(q.peek()); // 获取优先级最高的元素q.offer(0);System.out.println(q.peek()); // 获取优先级最高的元素// 将优先级队列中的有效元素删除掉，检测其是否为空q.clear();if(q.isEmpty()){System.out.println("优先级队列已经为空!!!");}else{System.out.println("优先级队列不为空");}}

6. PriorityQueue的扩容方式

• 如果容量小于64时，是按照oldCapacity的2倍方式扩容的
• 如果容量大于等于64，是按照oldCapacity的1.5倍方式扩容的
• 如果容量超过MAX_ARRAY_SIZE，按照Integer.MAX_VALUE大小来进行扩容

以下是JDK 1.8中，PriorityQueue的扩容方式：

    private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;private void grow(int minCapacity) {int oldCapacity = queue.length;// Double size if small; else grow by 50%int newCapacity = oldCapacity + ((oldCapacity < 64) ?(oldCapacity + 2) :(oldCapacity >> 1));// overflow-conscious codeif (newCapacity - MAX_ARRAY_SIZE > 0)newCapacity = hugeCapacity(minCapacity);queue = Arrays.copyOf(queue, newCapacity);}private static int hugeCapacity(int minCapacity) {if (minCapacity < 0) // overflowthrow new OutOfMemoryError();return (minCapacity > MAX_ARRAY_SIZE) ?Integer.MAX_VALUE :MAX_ARRAY_SIZE;}

三. Top-k问题

TOP-K问题：即求数据集合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。
比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。

• 思路1:

要处理这个问题, 我们能想到的最简单的方式就是排序, 但是如果数据量非常大的话, 就不推荐使用排序了, 因为我们只要拿到几个元素, 数据量很大时使用排序效率就比较低了;

• 思路2:

使用堆，如求的是前k个最大的元素，可以创建一个基于大根堆的优先级队列，把所有数据入堆，所有元素都入堆之后再出堆k个元素，这k个元素就是前k个最大的元素。

• 思路3:

上面的两种思路有一个缺陷就是, 如果数据量非常大的话, 效率就会很低下; Top-k问题标准解决思路如下:

1. 用数据集合中前K个元素来建堆

• 如果找的是前k个最大的元素，去建小堆
  如果找的是前k个最小的元素，去建大堆

2. 用剩余的N-K个元素依次与堆顶元素来比较，

• 求的是前k个最大元素, 如果比所建小根堆的堆顶元素大, 则替换堆顶元素
  求的是前k个最小元素, 如果比所建大根堆的堆顶元素大, 则替换堆顶元素

• 将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素。

时间复杂度分析

向上调整建堆的时间复杂度:

[思路2时间复杂度分析]:

要将N个元素都放入到堆中, 每次入堆都需要向上调整(N*logN);

堆建好后, 将k个元素出堆, 每次出堆都需要向下调整(K*logN)

所以时间复杂度为O(NlogN+KlogN)

[思路3时间复杂度分析]:

建立大小为k的大/小根堆(K*logK)

遍历剩下的N-K个元素每个都和堆顶比较, 最坏的情况下, 每次都需要去调整((N-K)*logK)

所以时间复杂度为O( K*logK+(N-K)logK ) = O(NlogK)

• 通过下面的OJ去理解Top-k问题

在线OJ：面试题 17.14. 最小K个数

设计一个算法，找出数组中最小的k个数。以任意顺序返回这k个数均可。

示例：

输入： arr = [1,3,5,7,2,4,6,8], k = 4
输出： [1,2,3,4]

提示：

• 0 <= len(arr) <= 100000
• 0 <= k <= min(100000, len(arr))

class Solution {//方法三: 建立一个大小为k的大根堆public int[] smallestK(int[] arr, int k) {if(arr == null || k <= 0) {return new int[0];}PriorityQueue maxHeap = new PriorityQueue<>(new Comparator(){@Overridepublic int compare(Integer o1, Integer o2) {return o2.compareTo(o1);}});for (int i = 0; i < k; i++) {maxHeap.offer(arr[i]);}for (int i = k; i < arr.length; i++) {if(arr[i] < maxHeap.peek()) {maxHeap.poll();maxHeap.offer(arr[i]);}}int[] tmp = new int[k];for (int i = 0; i < k; i++) {tmp[i] = maxHeap.poll();}return tmp;}//方法二: 将数据全部入堆/*public int[] smallestK(int[] arr, int k) {PriorityQueue heap = new PriorityQueue<>();for (int i = 0; i < arr.length; i++) {heap.offer(arr[i]);}int[] tmp = new int[k];for (int i = 0; i < k; i++) {tmp[i] = heap.poll();}return tmp;}*///方法一: 排序/*public int[] smallestK(int[] arr, int k) {Arrays.sort(arr);int[] tmp = new int[k];for(int i = 0; i < k; i++) {tmp[i] = arr[i];}return tmp;}*/
}