public class MaxHeap<E extends Comparable<E>> {
private List<E> data;//维护一个自定义数组
public MaxHeap(int capacity) {
data =new ArrayList<>(capacity);
}
public MaxHeap() {
data=new ArrayList<>();
}
public int size() {
return data.Size();
}
public boolean isEmpty() {
return data.isEmpty();
}
//heapify操作:将数组转化为堆
/**
* Heapify是指将数组转化为堆,这里先将数组直接看成是一个完全二叉树,
* 然后找到这棵二叉树的最后一个非叶子节点的节点,
* 也就是该树的最后一个节点的父节点。
* 然后从这个节点开始到根节点结束,执行sift down操作。
* 这样的时间复杂度为O(n)
*/
public MaxHeap(E[] arrs) {
data = new ArrayList<>(Arrays.asList(arrs));
for (int i = parent(size() - 1); i >= 0; i--) {
siftDown(i);
}
}
/**
* 返回完全二叉树的数组表示中,一个索引所表示的元素的父亲节点的索引
*/
private int parent(int index) {
if(index==0) {
throw new IllegalArgumentException("索引为0,没有父节点");
}
return (index-1)/2;
}
/**
* 返回完全二叉树的数组表示中,一个索引所表示的元素的左孩子节点的索引
*/
private int leftChild(int index) {
return index*2+1;
}
/**
* 返回完全二叉树的数组表示中,一个索引所表示的元素的右孩子节点的索引
*/
private int rigthChild(int index) {
return index*2+2;
}
/**
* 向堆中添加元素。
*/
public void add(E e) {
data.addLast(e);
siftUp(Size()-1);
}
private void siftUp(int index) {
while(index>0 && data.get(parent(index)).compareTo(data.get(index))<0) {
data.swap(index, parent(index));
index=parent(index);
}
}
/**
* 查看堆中的最大元素
*/
public E findMax() {
if(data.getSize() == 0) {
throw new IllegalArgumentException("堆为空");
}
return data.get(0);
}
/**
* 取出堆中最大元素
*/
public E extractMax() {
E e=findMax();
data.swap(0, size()-1);
data.removeLast();
siftDown(0);
return e;
}
private void siftDown(int i) {
while(leftChild(i)<size()) {
int k=leftChild(i);
if(k+1<size()&& data.get(k+1).compareTo(data.get(k))>0) {
k++;
}
//此时,data[k]是leftChild和rightChild中最大值
if(data.get(i).compareTo(data.get(k))>=0) {
break;
}
data.swap(k, i);
i=k;
}
}
public void swap(int i,int j) {
E e=data[i];
data[i]=data[j];
data[j]=e;
}
/**
* 取出堆中最大的元素,并且替换成元素e
* Replace是指将堆中的最大元素取出,替换另一个进去。
* 因此可以直接将堆顶元素替换以后执行sift down操作,
* 这样时间复杂度就只有O(log n)。
*/
public E replace(E e) {
E ret=findMax();
data.set(0, e);
siftDown(0);
return ret;
}
}
手写Heap
猜你喜欢
转载自blog.csdn.net/ThreeAspects/article/details/105722003
今日推荐
周排行