深色模式
堆Heap
堆是什么
堆(Heap)是计算机科学中一类特殊的数据结构的统称
堆通常是一个可以被看做一棵完全二叉树的数组对象,如下图:
总是满足下列性质:
- 堆中某个结点的值总是不大于或不小于其父结点的值
- 堆总是一棵完全二叉树
堆又可以分成最大堆和最小堆:
- 最大堆:每个根结点,都有根结点的值大于两个孩子结点的值
- 最小堆:每个根结点,都有根结点的值小于孩子结点的值
二、操作
堆的元素存储方式,按照完全二叉树的顺序存储方式存储在一个一维数组中,如下图:
用一维数组存储则如下:
jsx
[0, 1, 2, 3, 4, 5, 6, 7, 8]
- 根据完全二叉树的特性,可以得到如下特性:
- 数组零坐标代码的是堆顶元素
- 一个节点的父亲节点的坐标等于其坐标除以2整数部分
- 一个节点的左节点等于其本身节点坐标 * 2 + 1
- 一个节点的右节点等于其本身节点坐标 * 2 + 2
根据上述堆的特性,下面构建最小堆的构造函数和对应的属性方法:
插入
将值插入堆的底部,即数组的尾部,当插入一个新的元素之后,堆的结构就会被破坏,因此需要堆中一个元素做上移操作
将这个值和它父节点进行交换,直到父节点小于等于这个插入的值,大小为k
的堆中插入元素的时间复杂度为O(logk)
如下图所示,22节点是新插入的元素,然后进行上移操作:
![heap2.png][/heap2.png)
删除
常见操作是用数组尾部元素替换堆顶,这里不直接删除堆顶,因为所有的元素会向前移动一位,会破坏了堆的结构
然后进行下移操作,将新的堆顶和它的子节点进行交换,直到子节点大于等于这个新的堆顶,删除堆顶的时间复杂度为O(logk)
整体如下图操作:
最小堆
jsx
class MinHeap {
constructor(arr = []) {
this.heap = arr;
this._buildHeap();
}
peek() {
return this.heap[0];
}
pop() {
this.heap[0] = this.heap.pop();
this._shiftDown(0);
}
size() {
return this.heap.length;
}
_swap(i, j) {
var temp = this.heap[i];
this.heap[i] = this.heap[j];
this.heap[j] = temp;
}
_getParentIndex(index) {
return (index - 1) >> 1;
}
_getLeftIndex(index) {
return 2 * index + 1;
}
_getRightIndex(index) {
return 2 * index + 2;
}
insert(num) {
this.heap.push(num);
this._shiftUp(this.size() - 1);
}
_shiftUp(index) {
if (index === 0) return;
let parentIndex = this._getParentIndex(index);
if (this.heap[parentIndex] > this.heap[index]) {
this._swap(parentIndex, index);
this._shiftUp(parentIndex);
}
}
_shiftDown(index) {
let leftIndex = this._getLeftIndex(index);
let rightIndex = this._getRightIndex(index);
let targetIndex = index;
if (
leftIndex < this.size() &&
this.heap[targetIndex] > this.heap[leftIndex]
) {
targetIndex = leftIndex;
}
if (
rightIndex < this.size() &&
this.heap[targetIndex] > this.heap[rightIndex]
) {
targetIndex = rightIndex;
}
if (targetIndex !== index) {
this._swap(index, targetIndex);
this._shiftDown(targetIndex);
}
}
_buildHeap() {
let index = Math.floor((this.size() - 1 - 1) / 2);
while (index >= 0) {
this._shiftDown(index);
index--;
}
}
getHeap() {
return this.heap;
}
}
var arr = [
3, 5, 3, 0, 8, 6, 1, 5, 8, 6, 2, 4, 9, 4, 7, 0, 1, 8, 9, 7, 3, 1, 2, 5, 9, 7,
4, 0, 2, 6,
];
let myheap = new MinHeap(arr);
console.log(myheap.getHeap());
时间复杂度
关于堆的插入和删除时间复杂度都是Olog(n)
,原因在于包含n个节点的完全二叉树,树的高度不会超过log2n
堆化的过程是顺着节点所在路径比较交换的,所以堆化的时间复杂度跟树的高度成正比,也就是Olog(n)
,插入数据和删除堆顶元素的主要逻辑就是堆化
总结
- 堆是一个完全二叉树
- 堆中每一个节点的值都必须大于等于(或小于等于)其子树中每个节点的值
- 对于每个节点的值都大于等于子树中每个节点值的堆,叫作“大顶堆”
- 对于每个节点的值都小于等于子树中每个节点值的堆,叫作“小顶堆”
- 根据堆的特性,我们可以使用堆来进行排序操作,也可以使用其来求第几大或者第几小的值