堆
說到堆就必須要說二叉樹,二叉樹指每個節點最多隻能包含兩個子節點的樹。二叉樹常用的實現為二叉搜尋樹(BinarySearchTree)和二叉堆(BinaryHeap)
這裡不再對樹的概念進行贅述,有需求的自行google,二叉堆其實對應著一棵完全二叉樹,最後一層除外。因此使得一個堆可以利用陣列來儲存,二叉堆又分為大根堆和小根堆,下圖展示了一個大根堆與陣列的對應。
因此可以很簡單的得到堆節點所對應的陣列。 :banana:
- 父節點parent = index / 2
- 左節點left = index * 2
- 右節點right = index * 2 + 1
堆排序
堆排序就是把最大堆堆頂的最大數取出,將剩餘的堆繼續調整為最大堆,再次將堆頂的最大數取出,這個過程持續到剩餘數只有一個時結束。在堆中定義以下幾種操作:
- 最大堆調整(Max-Heapify):將堆的末端子節點作調整,使得子節點永遠小於父節點。
- 建立最大堆(Build-Max-Heap):將堆所有資料重新排序,使其成為最大堆。
- 堆排序(Heap-Sort):移除位在第一個資料的根節點,並做最大堆調整的遞迴運算。
通俗的解釋就是: 最大堆調整(Max-Heapify)其實就是一次 <下沉> 的過程,建立最大堆(Build-Max-Heap)就是 <迴圈> 每個節點進行 最大堆調整,堆排序(Heap-Sort)就是每次 建立完最大堆 之後需要將最大元素 <分離>。
一句話概括:迴圈樹的每一個節點進行下沉,然後分離,繼續迴圈。 :tomato:
下圖展示了一次下沉的過程:
優先佇列
普通的佇列滿足先進先出,而優先佇列滿足每次出佇列的都是優先順序最高的元素。 :strawberry:
常見的優先佇列有三種實現方式:
- 有序陣列(add時新增到排序的位置,poll時候移除隊尾元素)
- 無序陣列(add時直接新增到隊尾,poll時查詢優先元素)
- 二叉堆(add時上浮,poll時下沉)
優先佇列與堆排序的關係
因為優先佇列每次poll只需要最大優先順序的元素,所以不需要維持整棵二叉堆的有序,只需要維持根節點滿足最大優先順序即可。所以只需要對根節點進行一次堆排序的最大堆調整(Max-Heapify)即可。
Java優先佇列原始碼解析
//add方法也就是直接呼叫offer方法
public boolean offer(E e) {
//不允許插入null
if (e == null)
throw new NullPointerException();
modCount++;
int i = size;
//容量不夠則進行擴容
if (i >= queue.length)
grow(i + 1);
siftUp(i, e);//這裡呼叫了上浮
size = i + 1;
return true;
}
//上浮分為兩種情況,判斷是否設定了comparator
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
//我們只分析這種沒有設定comparator的方法,另一種類比
private void siftUpComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>) x;
while (k > 0) {
//找到父節點
int parent = (k - 1) >>> 1;
Object e = queue[parent];
//如果當前節點大於父節點則上浮結束
if (key.compareTo((E) e) >= 0)
break;
//否則,將父節點下沉
queue[k] = e;
k = parent;
}
//將節點賦值到正確的上浮位置
queue[k] = key;
}
//poll方法
public E poll() {
//如果沒有元素,則返回null
if (size == 0)
return null;
int s = --size;
modCount++;
//返回根節點
E result = (E) queue[0];
E x = (E) queue[s];
//將隊尾元素移到根節點,並進行下沉
queue[s] = null;
//佇列中不止一個元素,則進行下沉
if (s != 0)
siftDown(0, x);
return result;
}
//下沉方法的實現與上浮類似,就不贅述了。
複製程式碼