参考：
https://www.cnblogs.com/g177w/p/8469399.html
https://blog.csdn.net/weixin_43224539/article/details/89761131
java数据结构----堆
1.堆：堆是一种树，由它实现的优先级队列的插入和删除的时间复杂度都是O(logn)，用堆实现的优先级队列虽然和数组实现相比较删除慢了些，但插入的时间快的多了。当速度很重要且有很多插入操作时，可以选择堆来实现优先级队列。
2.java的堆和数据结构堆：java的堆是程序员用new能得到的计算机内存的可用部分。而数据结构的堆是一种特殊的二叉树。
3.堆是具有如下特点的二叉树：
3.1.它是完全二叉树，也就是说除了树的最后一层节点不需要是满的，其他的每一层从左到右都必须是满的。
3.1.1.完全二叉树图解：
3.2.它常常用数组实现。
3.2.1.数组和堆的对应关系示意图：
3.3.堆中每一个节点都满足堆的条件，也就是说每一个关键字的值都大于或等于这个节点的子节点的关键字值。
堆是完全二叉树的事实说明了表示堆的数组中没有空项，即从0-->n-1的每个数据单元都有数据项。
4.堆在存储器中的表示是数组，堆只是一个概念上的表示。
5.堆的弱序：堆和二叉搜索树相比是弱序的，在二叉搜索树中，当前节点的值总是比左子节点的值大，却比它的右子节点的值小，因此按序遍历相对容易。而堆的组织规则弱，它只要求从根到叶子节点的每一条路径，节点都是按降序排列的。同一节点的左右子节点都没有规律。因此，堆不支持按序遍历，也不能在堆上便利的查找指定关键字，因为在查找的过程中，没有足够的信息决定选择通过节点的两个那一个走向下一层。它也不能在少于O(logn)的时间内删除一个指定的节点，因为没有办法找到这个节点。因此，堆的这种近乎无序的规则似乎毫无用处，不过对于快速移除最大节点的操作，以及快速插入新节点的操作，这种顺序已经足够了。这些操作是使用堆作为优先级队列所需要的全部操作。
6.移除操作：移除是指删掉关键字值最大的节点，即根节点。移除思路如下：
6.1.移走根，
6.2.把左后一个节点移到根的位置，
6.3.一直向下筛选这个节点，知道它在一个大于它的节点之下，小于它的节点之上为止。
6.4.过程图解：
说明：在被筛选节点的每个暂时停留的位置，向下筛选的算法总是要检查那一个子节点更大，然后目标节点和较大的子节点交换位置，如果要把目标节点和较小的子节点交换，那么这个子节点就会变成大子节点的父节点，这就违背了堆的条件。
7.堆的插入：插入使用向上筛选，节点最后插入到数组最后第一个空着的单元中，数组容量大小增加1。
7.1.插入图解：
说明：向上筛选的算法比向下筛选的算法相对简单，因为它不需要比较两个子节点关键字值的大小，节点只有一个父节点。目标节点主要和它的父亲节点换位即可。
7.2.不是真的交换：
8.用数组表示一棵树时，如果数组中节点的索引位x，则
a.它的父节点的下标是：(x-1)/2；
b.它的左子节点的下标为2*x + 1；
c.它的右子节点的下标是2*x + 2；
9.堆的代码：
9.1.Node.java
package com.cn.heap;
2 /**
3 * 堆的节点类
4 * @author Administrator
5 *
6 */
7 public class Node {
8 private int iData;
9 public Node(int id){
10 iData = id;
11 }
12 public int getkey(){
13 return iData;
14 }
15 public void setkey(int id){
16 iData = id;
17 }
18 }
1 package com.cn.heap;
2 /**
3 * 堆的节点类
4 * @author Administrator
5 *
6 */
7 public class Node {
8 private int iData;
9 public Node(int id){
10 iData = id;
11 }
12 public int getkey(){
13 return iData;
14 }
15 public void setkey(int id){
16 iData = id;
17 }
18 }
9.2.Heap.java
package com.cn.heap;
2 /**
3 * 堆的实现类
4 * @author Administrator
5 *
6 */
7 public class Heap {
8 private Node[] heapArray;
9 private int maxSize;
10 private int currentSize;
11 public Heap(int mx){
12 maxSize = mx;
13 heapArray = new Node[maxSize];
14 currentSize = 0;
15 }
16 public boolean isEmpty(){
17 return currentSize == 0 ;
18 }
19 public boolean insert(int key){
20 if (currentSize == maxSize)
21 return false;
22 Node thenode = new Node(key);
23 heapArray[currentSize] = thenode;
24 trickleUp(currentSize ++);
25 return true;
26 }
27 public void trickleUp(int index){
28 int parent = (index - 1) / 2;
29 Node bottom = heapArray[index];
30 while (index > 0 && heapArray[parent].getkey() < bottom.getkey()){
31 heapArray[index] = heapArray[parent];
32 index = parent;
33 parent = (parent - 1) / 2;
34 }
35 heapArray[index] = bottom;
36 }
37 public Node remove(){
38 Node root = heapArray[0];
39 heapArray[0] = heapArray[-- currentSize];
40 trickleDown(0);
41 return root;
42 }
43 public void trickleDown(int index){
44 int largeChild;
45 Node top = heapArray[index];
46 while (index < currentSize / 2){
47 int leftChild = 2 * index + 1;
48 int rightChild = 2 * index + 2;
49 if (rightChild < currentSize && heapArray[leftChild].getkey() < heapArray[rightChild].getkey())
50 largeChild = rightChild;
51 else
52 largeChild = leftChild;
53 if (top.getkey() >= heapArray[largeChild].getkey())
54 break;
55 heapArray[index] = heapArray[largeChild];
56 index = largeChild;
57 }
58 heapArray[index] = top;
59 }
60 public boolean change(int index,int newvalue){
61 if (index < 0 || index >=currentSize)
62 return false;
63 int oldvalue = heapArray[index].getkey();
64 heapArray[index].setkey(newvalue);
65 if (oldvalue < newvalue)
66 trickleUp(index);
67 else
68 trickleDown(index);
69 return true;
70 }
71 public void displayHeap(){
72 System.out.print("heapArray:");
73 for (int i = 0; i < currentSize; i++) {
74 if (heapArray[i] != null)
75 System.out.print(heapArray[i].getkey()+" ");
76 else
77 System.out.print("--");
78 }
79 System.out.println("");
80 int nBlanks = 32;
81 int itemsPerrow = 1;
82 int column = 0;
83 int j = 0;
84 String dots = "........................";
85 System.out.println(dots + dots);
86 while (currentSize > 0){
87 if (column == 0)
88 for (int i = 0; i < nBlanks; i++) {
89 System.out.print(" ");
90 }
91 System.out.print(heapArray[j].getkey());
92 if (++ j == currentSize)
93 break;
94 if (++ column == itemsPerrow){
95 nBlanks /= 2;
96 itemsPerrow *= 2;
97 column = 0;
98 System.out.println();
99 }
100 else
101 for (int i = 0; i < nBlanks * 2 - 2; i++)
102 System.out.print(' ');
103 }
104 System.out.println("
"+dots + dots);
105 }
106 }
1 package com.cn.heap;
2 /**
3 * 堆的实现类
4 * @author Administrator
5 *
6 */
7 public class Heap {
8 private Node[] heapArray;
9 private int maxSize;
10 private int currentSize;
11 public Heap(int mx){
12 maxSize = mx;
13 heapArray = new Node[maxSize];
14 currentSize = 0;
15 }
16 public boolean isEmpty(){
17 return currentSize == 0 ;
18 }
19 public boolean insert(int key){
20 if (currentSize == maxSize)
21 return false;
22 Node thenode = new Node(key);
23 heapArray[currentSize] = thenode;
24 trickleUp(currentSize ++);
25 return true;
26 }
27 public void trickleUp(int index){
28 int parent = (index - 1) / 2;
29 Node bottom = heapArray[index];
30 while (index > 0 && heapArray[parent].getkey() < bottom.getkey()){
31 heapArray[index] = heapArray[parent];
32 index = parent;
33 parent = (parent - 1) / 2;
34 }
35 heapArray[index] = bottom;
36 }
37 public Node remove(){
38 Node root = heapArray[0];
39 heapArray[0] = heapArray[-- currentSize];
40 trickleDown(0);
41 return root;
42 }
43 public void trickleDown(int index){
44 int largeChild;
45 Node top = heapArray[index];
46 while (index < currentSize / 2){
47 int leftChild = 2 * index + 1;
48 int rightChild = 2 * index + 2;
49 if (rightChild < currentSize && heapArray[leftChild].getkey() < heapArray[rightChild].getkey())
50 largeChild = rightChild;
51 else
52 largeChild = leftChild;
53 if (top.getkey() >= heapArray[largeChild].getkey())
54 break;
55 heapArray[index] = heapArray[largeChild];
56 index = largeChild;
57 }
58 heapArray[index] = top;
59 }
60 public boolean change(int index,int newvalue){
61 if (index < 0 || index >=currentSize)
62 return false;
63 int oldvalue = heapArray[index].getkey();
64 heapArray[index].setkey(newvalue);
65 if (oldvalue < newvalue)
66 trickleUp(index);
67 else
68 trickleDown(index);
69 return true;
70 }
71 public void displayHeap(){
72 System.out.print("heapArray:");
73 for (int i = 0; i < currentSize; i++) {
74 if (heapArray[i] != null)
75 System.out.print(heapArray[i].getkey()+" ");
76 else
77 System.out.print("--");
78 }
79 System.out.println("");
80 int nBlanks = 32;
81 int itemsPerrow = 1;
82 int column = 0;
83 int j = 0;
84 String dots = "........................";
85 System.out.println(dots + dots);
86 while (currentSize > 0){
87 if (column == 0)
88 for (int i = 0; i < nBlanks; i++) {
89 System.out.print(" ");
90 }
91 System.out.print(heapArray[j].getkey());
92 if (++ j == currentSize)
93 break;
94 if (++ column == itemsPerrow){
95 nBlanks /= 2;
96 itemsPerrow *= 2;
97 column = 0;
98 System.out.println();
99 }
100 else
101 for (int i = 0; i < nBlanks * 2 - 2; i++)
102 System.out.print(' ');
103 }
104 System.out.println("
"+dots + dots);
105 }
106 }
9.3.HTest.java
package com.cn.heap;
2 /**
3 * heap类的测试
4 * @author Administrator
5 *
6 */
7 public class HTest {
8 public static void main(String[] args) {
9 Heap h = new Heap(10);
10 h.insert(10);
11 h.insert(30);
12 h.insert(20);
13 h.insert(18);
14 h.insert(12);
15 h.displayHeap();
16 h.remove();
17 h.displayHeap();
18 }
19 }
1 package com.cn.heap;
2 /**
3 * heap类的测试
4 * @author Administrator
5 *
6 */
7 public class HTest {
8 public static void main(String[] args) {
9 Heap h = new Heap(10);
10 h.insert(10);
11 h.insert(30);
12 h.insert(20);
13 h.insert(18);
14 h.insert(12);
15 h.displayHeap();
16 h.remove();
17 h.displayHeap();
18 }
19 }
10.堆的效率：上述操作的时间复杂度是：O(logn)。
11.堆排序实现思路：使用insert()向堆中插入所有无序的数据项，然后重复使用remove()方法，就可以按序移除所有数据项，它的效率和快速排序类似，都是O(NlogN)，但快排稍微快些，因为堆插入时的向下筛选多出的比较所占用的时间。
11.1.Node.java
package com.cn.heap;
2 /**
3 * 堆的节点类
4 * @author Administrator
5 *
6 */
7 public class Node {
8 private int iData;
9 public Node(int id){
10 iData = id;
11 }
12 public int getkey(){
13 return iData;
14 }
15 public void setkey(int id){
16 iData = id;
17 }
18 }
1 package com.cn.heap;
2 /**
3 * 堆的节点类
4 * @author Administrator
5 *
6 */
7 public class Node {
8 private int iData;
9 public Node(int id){
10 iData = id;
11 }
12 public int getkey(){
13 return iData;
14 }
15 public void setkey(int id){
16 iData = id;
17 }
18 }
11.2.Heap.java
package com.cn.heap;
2 /**
3 * 堆的实现类
4 * @author Administrator
5 *
6 */
7 public class Heap {
8 private Node[] heapArray;
9 private int maxSize;
10 private int currentSize;
11 public Heap(int mx){
12 maxSize = mx;
13 heapArray = new Node[maxSize];
14 currentSize = 0;
15 }
16 public boolean isEmpty(){
17 return currentSize == 0 ;
18 }
19 public boolean insert(int key){
20 if (currentSize == maxSize)
21 return false;
22 Node thenode = new Node(key);
23 heapArray[currentSize] = thenode;
24 trickleUp(currentSize ++);
25 return true;
26 }
27 public void trickleUp(int index){
28 int parent = (index - 1) / 2;
29 Node bottom = heapArray[index];
30 while (index > 0 && heapArray[parent].getkey() < bottom.getkey()){
31 heapArray[index] = heapArray[parent];
32 index = parent;
33 parent = (parent - 1) / 2;
34 }
35 heapArray[index] = bottom;
36 }
37 public Node remove(){
38 Node root = heapArray[0];
39 heapArray[0] = heapArray[-- currentSize];
40 trickleDown(0);
41 return root;
42 }
43 public void trickleDown(int index){
44 int largeChild;
45 Node top = heapArray[index];
46 while (index < currentSize / 2){
47 int leftChild = 2 * index + 1;
48 int rightChild = 2 * index + 2;
49 if (rightChild < currentSize && heapArray[leftChild].getkey() < heapArray[rightChild].getkey())
50 largeChild = rightChild;
51 else
52 largeChild = leftChild;
53 if (top.getkey() >= heapArray[largeChild].getkey())
54 break;
55 heapArray[index] = heapArray[largeChild];
56 index = largeChild;
57 }
58 heapArray[index] = top;
59 }
60 public boolean change(int index,int newvalue){
61 if (index < 0 || index >=currentSize)
62 return false;
63 int oldvalue = heapArray[index].getkey();
64 heapArray[index].setkey(newvalue);
65 if (oldvalue < newvalue)
66 trickleUp(index);
67 else
68 trickleDown(index);
69 return true;
70 }
71 public void displayHeap(){
72 System.out.print("heapArray:");
73 for (int i = 0; i < currentSize; i++) {
74 if (heapArray[i] != null)
75 System.out.print(heapArray[i].getkey()+" ");
76 else
77 System.out.print("--");
78 }
79 System.out.println("");
80 int nBlanks = 32;
81 int itemsPerrow = 1;
82 int column = 0;
83 int j = 0;
84 String dots = "........................";
85 System.out.println(dots + dots);
86 while (currentSize > 0){
87 if (column == 0)
88 for (int i = 0; i < nBlanks; i++) {
89 System.out.print(" ");
90 }
91 System.out.print(heapArray[j].getkey());
92 if (++ j == currentSize)
93 break;
94 if (++ column == itemsPerrow){
95 nBlanks /= 2;
96 itemsPerrow *= 2;
97 column = 0;
98 System.out.println();
99 }
100 else
101 for (int i = 0; i < nBlanks * 2 - 2; i++)
102 System.out.print(' ');
103 }
104 System.out.println("
"+dots + dots);
105 }
106 public void displayArray(){
107 for (int i = 0; i < maxSize; i++)
108 System.out.print(heapArray[i].getkey()+" ");
109 System.out.println();
110 }
111 public void insertAt(int index,Node newnode){
112 heapArray[index] = newnode;
113 }
114 public void incrementSize(){
115 currentSize ++;
116 }
117 }
1 package com.cn.heap;
2 /**
3 * 堆的实现类
4 * @author Administrator
5 *
6 */
7 public class Heap {
8 private Node[] heapArray;
9 private int maxSize;
10 private int currentSize;
11 public Heap(int mx){
12 maxSize = mx;
13 heapArray = new Node[maxSize];
14 currentSize = 0;
15 }
16 public boolean isEmpty(){
17 return currentSize == 0 ;
18 }
19 public boolean insert(int key){
20 if (currentSize == maxSize)
21 return false;
22 Node thenode = new Node(key);
23 heapArray[currentSize] = thenode;
24 trickleUp(currentSize ++);
25 return true;
26 }
27 public void trickleUp(int index){
28 int parent = (index - 1) / 2;
29 Node bottom = heapArray[index];
30 while (index > 0 && heapArray[parent].getkey() < bottom.getkey()){
31 heapArray[index] = heapArray[parent];
32 index = parent;
33 parent = (parent - 1) / 2;
34 }
35 heapArray[index] = bottom;
36 }
37 public Node remove(){
38 Node root = heapArray[0];
39 heapArray[0] = heapArray[-- currentSize];
40 trickleDown(0);
41 return root;
42 }
43 public void trickleDown(int index){
44 int largeChild;
45 Node top = heapArray[index];
46 while (index < currentSize / 2){
47 int leftChild = 2 * index + 1;
48 int rightChild = 2 * index + 2;
49 if (rightChild < currentSize && heapArray[leftChild].getkey() < heapArray[rightChild].getkey())
50 largeChild = rightChild;
51 else
52 largeChild = leftChild;
53 if (top.getkey() >= heapArray[largeChild].getkey())
54 break;
55 heapArray[index] = heapArray[largeChild];
56 index = largeChild;
57 }
58 heapArray[index] = top;
59 }
60 public boolean change(int index,int newvalue){
61 if (index < 0 || index >=currentSize)
62 return false;
63 int oldvalue = heapArray[index].getkey();
64 heapArray[index].setkey(newvalue);
65 if (oldvalue < newvalue)
66 trickleUp(index);
67 else
68 trickleDown(index);
69 return true;
70 }
71 public void displayHeap(){
72 System.out.print("heapArray:");
73 for (int i = 0; i < currentSize; i++) {
74 if (heapArray[i] != null)
75 System.out.print(heapArray[i].getkey()+" ");
76 else
77 System.out.print("--");
78 }
79 System.out.println("");
80 int nBlanks = 32;
81 int itemsPerrow = 1;
82 int column = 0;
83 int j = 0;
84 String dots = "........................";
85 System.out.println(dots + dots);
86 while (currentSize > 0){
87 if (column == 0)
88 for (int i = 0; i < nBlanks; i++) {
89 System.out.print(" ");
90 }
91 System.out.print(heapArray[j].getkey());
92 if (++ j == currentSize)
93 break;
94 if (++ column == itemsPerrow){
95 nBlanks /= 2;
96 itemsPerrow *= 2;
97 column = 0;
98 System.out.println();
99 }
100 else
101 for (int i = 0; i < nBlanks * 2 - 2; i++)
102 System.out.print(' ');
103 }
104 System.out.println("
"+dots + dots);
105 }
106 public void displayArray(){
107 for (int i = 0; i < maxSize; i++)
108 System.out.print(heapArray[i].getkey()+" ");
109 System.out.println();
110 }
111 public void insertAt(int index,Node newnode){
112 heapArray[index] = newnode;
113 }
114 public void incrementSize(){
115 currentSize ++;
116 }
117 }
11.3.HeapSort.java
package com.cn.heap;
2
3 import java.util.Scanner;
4
5 /**
6 * 基于堆的排序----堆排序
7 * @author Administrator
8 *
9 */
10 public class HeapSort {
11 public static void main(String[] args) {
12 int size,j;
13 Scanner in = new Scanner(System.in);
14 System.out.print("Enter number of items: ");
15 size = in.nextInt();
16 Heap theheap = new Heap(size);
17 for (int i = 0; i < size; i++) {
18 int random = (int)(Math.random()*100);
19 Node node = new Node(random);
20 theheap.insertAt(i, node);
21 theheap.incrementSize();
22 }
23 System.out.print("random: ");
24 theheap.displayArray();
25 for (int i = size / 2 - 1; i >= 0; i --) {
26 theheap.trickleDown(i);
27 }
28 System.out.print("heap: ");
29 theheap.displayArray();
30 theheap.displayHeap();
31 for (int i = size - 1; i >= 0; i --) {
32 Node node = theheap.remove();
33 theheap.insertAt(i,node);
34 }
35 System.out.print("sorted: ");
36 theheap.displayArray();
37 }
38 }
堆的概念及结构
二叉树有两种实现结构,一种是链式结构(详解在上一篇),一种就是顺序结构,普通二叉树其实是不适合用数组来存储数据,因为会造成大量空间的浪费,但完全二叉树似乎更合适于顺序结构存储,我们通常把堆(完全二叉树)使用顺序数组来存储
1. 什么是堆?
堆就是将一个集合的数据按照完全二叉树的顺序结构存储在一个一维数组中,堆在逻辑上是一棵完全二叉树,在物理结构上是一个一维数组.
按照根结点的大小分为大堆(根结点的值最大)和小堆(根结点的值最小)
1.1 堆的性质
性质:
- 对于任意一个结点,都要求根的值 大于或等于 其所有子树结点的值
- 堆是一棵完全二叉树
1.2 堆的结构
1.3 怎么实现堆
(1)向下调整
现在给出一个数组,逻辑上可以看成是一棵完全二叉树,通过从根节点向下调整的方式把它调整成一个小堆,可以向下调整的前提是左右子树必须是个堆,除了一个位置以外,所有其他位置都已经满足堆的性质了才能进行向下调整
int[] array = { 27,15,19,18,28,34,65,49,25,37 };向下调整三次,最后形成小堆
注意刚开始是只有15和27的位置不满足堆的性质
向下调整的步骤:
- 找到要调整结点的最小的孩子
- 比较根结点和最小孩子的值,如果根结点小于最小孩子的值,返回,不进行调整
- 如果根结点的值大于最小孩子的值,交换值,
- 继续向下调整,直到叶子结点[找最大的孩子就是大堆,找最小的孩子就是小堆,]
下面来看一段向下调整成大堆的代码:
package com.bittech;
/**
* Author:weiwei
* description:
* Creat:2019/5/2
**/
public class Heap {
/**
* 向下调整(堆化)大堆
* 必须满足可以向下调整的前提:只有一个位置不满足堆
* @param tree 完全二叉树的数组
* @param index 要调整位置的下标
*/
private static void heapify(int[] tree,int size,int index){
/**
* 判断index位置是不是叶子结点
* 完全二叉树可以只判断有没有左孩子
* 转化成数组下标越界的问题去处理
*/
int left = 2*index+1;
if(left >= size){
return; //数组越界就返回,只要小于数组长度就一直找
}
/**
*否则,不是叶子结点就一定有左孩子,但不一定有右孩子
* 找到最大的一个孩子
* 没有右孩子,就去左孩子找
* 有右孩子
* 1.左边大 左孩子
* 2.右边大 右孩子
*/
int right = 2*index+2;
int max = left;//假设大的数在左边
if(right >size && tree[right] > tree[left]){
max=right;
}
/**
* 和根的值进行比较
* 如果比根的值大,满足堆的性质,不需要调整
* 否则,交换数组中两个下标的值
* 并且继续以max作为下标,继续向下调整
*/
if(tree[index] >= tree[max]){
return;
} //不需要调整
/**
* 根的值比较小,先交换,
*/
int t = tree[index];
tree[index] = tree[max];
tree[max] = t;
//继续向下调整
heapify(tree,size,max);
}
}
反之小堆也是一样
package com.bittech; /** * Author:weiwei * description: * Creat:2019/5/2 **/ public class adjustDown { /** * 向下调整(小堆) *向下调整考虑左右两个孩子结点 * @param array * @param size * @param index */ private static void adjustDown(int[] array, int size, int index) { int min = 2 * index + 1; while (min < size) { if (min + 1 < size && array[min + 1] < array[min]) { min += 1; } if(array[index] <= array[min]){ break; //如果下标小于最小值,就不需要调整了,break } //向下调整,交换 int t = array[min]; array[min] = array[index]; array[index] = t; //继续向下调整 index = min; min = 2* index+1; } } }
(2)向上调整
向上调整的时候只需要考虑双亲结点值的大小,相对于向下调整简单一些,如果是大堆就把下面最大的元素往上调整,如果是小堆就把最小的元素往上调整
package com.bittech; /** * Author:weiwei * description: * Creat:2019/5/2 **/ public class adjustUp { /** * 向上调整(大堆) * 向上调整只需要考虑双亲结点 * @param array * @param size * @param index */ private void adjustUp(int[] array,int size,int index){ while(index > 0){ int parent = (index - 1)/2; if(array[parent] >= array[index]){ break; //如果双亲结点大于等于下标,就说明满足大堆的性质,不需要交换,break } //否则,交换 int t = array[parent]; array[parent] = array[index]; array[index] = t; //继续向下调整 index = parent; } } }
1.4 怎么创建堆
堆的创建
/** * 时间复杂度:细算 O(n) * 粗略 O(n * log(n)) * @param array */ private void createHeap(int[] array, int size) { // 从最后一个非叶子结点的下标开始，一路向下调整至根位置 // [(array.length - 2) / 2, 0 ] for (int i = (size - 2) / 2; i >= 0; i--) { heapify(array, size, i); } } public int getSize() { return size; } }
1.5 堆的插入
先插入一个80到数组的尾上，再进行向上调整算法，直到满足堆。
1.6 堆的删除
删除堆是删除堆顶的数据，将堆顶的数据根最后一个数据一换，然后删除数组最后一个数据，再进行向下调整算法。
1.7 堆排序
堆排序的过程:
将数组分为有序区间和无序区间,刚开始有序区间元素为0,无序区间元素为array.length
每一次选择一个最大的元素放到无序区间的后面,无序区间慢慢变小,有序区间慢慢变大,直到全部元素都排好序
注意:堆排序只能选择最大的放到最后面,不能选择最小的放到最前面
代码展示:
private static void biggestHeapify(int[] array, int size, int index) { int max = 2 * index + 1; while (max < size) { if (max + 1 < size && array[max+1] > array[max]) { max += 1; } if (array[index] >= array[max]) { break; } int t = array[max]; array[max] = array[index]; array[index] = t; index = max; max = 2 * index + 1; } } // O(n * log(n)) private static void heapSort(int[] array) { // 建大堆 for (int i = (array.length - 2) / 2; i >= 0; i--) { biggestHeapify(array, array.length, i); } for (int j = 0; j < array.length; j++) { // 无序区间 [0, array.length - j) // 有序区间 [array.length - j, array.length) // 交换最大的数到无序部分的最后位置 int t = array[0]; array[0] = array[array.length - j - 1]; array[array.length - j - 1] = t; // 无序部分，除了 [0] ，都满足堆的性质 biggestHeapify(array, array.length - j - 1,0); } }