概要
前面分別通過C和C++實現了二叉堆,本章給出二叉堆的Java版本。還是那句話,它們的原理一樣,擇其一了解即可。
目錄
1. 二叉堆的介紹
2. 二叉堆的圖文解析
3. 二叉堆的Java實現(完整源碼)
4. 二叉堆的Java測試程序
轉載請注明出處:http://www.cnblogs.com/skywang12345/p/3610390.html
更多內容:數據結構與算法系列 目錄
(01) 二叉堆(一)之 圖文解析 和 C語言的實現
(02) 二叉堆(二)之 C++的實現
(03) 二叉堆(三)之 Java的實
二叉堆的介紹
二叉堆是完全二元樹或者是近似完全二元樹,按照數據的排列方式可以分為兩種:最大堆和最小堆。
最大堆:父結點的鍵值總是大於或等於任何一個子節點的鍵值;最小堆:父結點的鍵值總是小於或等於任何一個子節點的鍵值。
二叉堆一般都通過"數組"來實現,下面是數組實現的最大堆和最小堆的示意圖:
二叉堆的圖文解析
圖文解析是以"最大堆"來進行介紹的。
最大堆的核心內容是"添加"和"刪除",理解這兩個算法,二叉堆也就基本掌握了。下面對它們進行介紹,其它內容請參考后面的完整源碼。
1. 添加
假設在最大堆[90,80,70,60,40,30,20,10,50]種添加85,需要執行的步驟如下:
如上圖所示,當向最大堆中添加數據時:先將數據加入到最大堆的最后,然后盡可能把這個元素往上挪,直到挪不動為止!
將85添加到[90,80,70,60,40,30,20,10,50]中后,最大堆變成了[90,85,70,60,80,30,20,10,50,40]。
最大堆的插入代碼(Java語言)
/* * 最大堆的向上調整算法(從start開始向上直到0,調整堆) * * 注:數組實現的堆中,第N個節點的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 參數說明: * start -- 被上調節點的起始位置(一般為數組中最后一個元素的索引) */ protected void filterup(int start) { int c = start; // 當前節點(current)的位置 int p = (c-1)/2; // 父(parent)結點的位置 T tmp = mHeap.get(c); // 當前節點(current)的大小 while(c > 0) { int cmp = mHeap.get(p).compareTo(tmp); if(cmp >= 0) break; else { mHeap.set(c, mHeap.get(p)); c = p; p = (p-1)/2; } } mHeap.set(c, tmp); } /* * 將data插入到二叉堆中 */ public void insert(T data) { int size = mHeap.size(); mHeap.add(data); // 將"數組"插在表尾 filterup(size); // 向上調整堆 }
insert(data)的作用:將數據data添加到最大堆中。mHeap是動態數組ArrayList對象。
當堆已滿的時候,添加失敗;否則data添加到最大堆的末尾。然后通過上調算法重新調整數組,使之重新成為最大堆。
2. 刪除
假設從最大堆[90,85,70,60,80,30,20,10,50,40]中刪除90,需要執行的步驟如下:
如上圖所示,當從最大堆中刪除數據時:先刪除該數據,然后用最大堆中最后一個的元素插入這個空位;接着,把這個“空位”盡量往上挪,直到剩余的數據變成一個最大堆。
從[90,85,70,60,80,30,20,10,50,40]刪除90之后,最大堆變成了[85,80,70,60,40,30,20,10,50]。
注意:考慮從最大堆[90,85,70,60,80,30,20,10,50,40]中刪除60,執行的步驟不能單純的用它的字節點來替換;而必須考慮到"替換后的樹仍然要是最大堆"!
二叉堆的刪除代碼(Java語言)
/* * 最大堆的向下調整算法 * * 注:數組實現的堆中,第N個節點的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 參數說明: * start -- 被下調節點的起始位置(一般為0,表示從第1個開始) * end -- 截至范圍(一般為數組中最后一個元素的索引) */ protected void filterdown(int start, int end) { int c = start; // 當前(current)節點的位置 int l = 2*c + 1; // 左(left)孩子的位置 T tmp = mHeap.get(c); // 當前(current)節點的大小 while(l <= end) { int cmp = mHeap.get(l).compareTo(mHeap.get(l+1)); // "l"是左孩子,"l+1"是右孩子 if(l < end && cmp<0) l++; // 左右兩孩子中選擇較大者,即mHeap[l+1] cmp = tmp.compareTo(mHeap.get(l)); if(cmp >= 0) break; //調整結束 else { mHeap.set(c, mHeap.get(l)); c = l; l = 2*l + 1; } } mHeap.set(c, tmp); } /* * 刪除最大堆中的data * * 返回值: * 0,成功 * -1,失敗 */ public int remove(T data) { // 如果"堆"已空,則返回-1 if(mHeap.isEmpty() == true) return -1; // 獲取data在數組中的索引 int index = mHeap.indexOf(data); if (index==-1) return -1; int size = mHeap.size(); mHeap.set(index, mHeap.get(size-1));// 用最后元素填補 mHeap.remove(size - 1); // 刪除最后的元素 if (mHeap.size() > 1) filterdown(index, mHeap.size()-1); // 從index號位置開始自上向下調整為最小堆 return 0; }
二叉堆的Java實現(完整源碼)
二叉堆的實現同時包含了"最大堆"和"最小堆"。
二叉堆(最大堆)的實現文件(MaxHeap.java)

1 /** 2 * 二叉堆(最大堆) 3 * 4 * @author skywang 5 * @date 2014/03/07 6 */ 7 8 import java.util.ArrayList; 9 import java.util.List; 10 11 public class MaxHeap<T extends Comparable<T>> { 12 13 private List<T> mHeap; // 隊列(實際上是動態數組ArrayList的實例) 14 15 public MaxHeap() { 16 this.mHeap = new ArrayList<T>(); 17 } 18 19 /* 20 * 最大堆的向下調整算法 21 * 22 * 注:數組實現的堆中,第N個節點的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 23 * 24 * 參數說明: 25 * start -- 被下調節點的起始位置(一般為0,表示從第1個開始) 26 * end -- 截至范圍(一般為數組中最后一個元素的索引) 27 */ 28 protected void filterdown(int start, int end) { 29 int c = start; // 當前(current)節點的位置 30 int l = 2*c + 1; // 左(left)孩子的位置 31 T tmp = mHeap.get(c); // 當前(current)節點的大小 32 33 while(l <= end) { 34 int cmp = mHeap.get(l).compareTo(mHeap.get(l+1)); 35 // "l"是左孩子,"l+1"是右孩子 36 if(l < end && cmp<0) 37 l++; // 左右兩孩子中選擇較大者,即mHeap[l+1] 38 cmp = tmp.compareTo(mHeap.get(l)); 39 if(cmp >= 0) 40 break; //調整結束 41 else { 42 mHeap.set(c, mHeap.get(l)); 43 c = l; 44 l = 2*l + 1; 45 } 46 } 47 mHeap.set(c, tmp); 48 } 49 50 /* 51 * 刪除最大堆中的data 52 * 53 * 返回值: 54 * 0,成功 55 * -1,失敗 56 */ 57 public int remove(T data) { 58 // 如果"堆"已空,則返回-1 59 if(mHeap.isEmpty() == true) 60 return -1; 61 62 // 獲取data在數組中的索引 63 int index = mHeap.indexOf(data); 64 if (index==-1) 65 return -1; 66 67 int size = mHeap.size(); 68 mHeap.set(index, mHeap.get(size-1));// 用最后元素填補 69 mHeap.remove(size - 1); // 刪除最后的元素 70 71 if (mHeap.size() > 1) 72 filterdown(index, mHeap.size()-1); // 從index號位置開始自上向下調整為最小堆 73 74 return 0; 75 } 76 77 /* 78 * 最大堆的向上調整算法(從start開始向上直到0,調整堆) 79 * 80 * 注:數組實現的堆中,第N個節點的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 81 * 82 * 參數說明: 83 * start -- 被上調節點的起始位置(一般為數組中最后一個元素的索引) 84 */ 85 protected void filterup(int start) { 86 int c = start; // 當前節點(current)的位置 87 int p = (c-1)/2; // 父(parent)結點的位置 88 T tmp = mHeap.get(c); // 當前節點(current)的大小 89 90 while(c > 0) { 91 int cmp = mHeap.get(p).compareTo(tmp); 92 if(cmp >= 0) 93 break; 94 else { 95 mHeap.set(c, mHeap.get(p)); 96 c = p; 97 p = (p-1)/2; 98 } 99 } 100 mHeap.set(c, tmp); 101 } 102 103 /* 104 * 將data插入到二叉堆中 105 */ 106 public void insert(T data) { 107 int size = mHeap.size(); 108 109 mHeap.add(data); // 將"數組"插在表尾 110 filterup(size); // 向上調整堆 111 } 112 113 @Override 114 public String toString() { 115 StringBuilder sb = new StringBuilder(); 116 for (int i=0; i<mHeap.size(); i++) 117 sb.append(mHeap.get(i) +" "); 118 119 return sb.toString(); 120 } 121 122 public static void main(String[] args) { 123 int i; 124 int a[] = {10, 40, 30, 60, 90, 70, 20, 50, 80}; 125 MaxHeap<Integer> tree=new MaxHeap<Integer>(); 126 127 System.out.printf("== 依次添加: "); 128 for(i=0; i<a.length; i++) { 129 System.out.printf("%d ", a[i]); 130 tree.insert(a[i]); 131 } 132 133 System.out.printf("\n== 最 大 堆: %s", tree); 134 135 i=85; 136 tree.insert(i); 137 System.out.printf("\n== 添加元素: %d", i); 138 System.out.printf("\n== 最 大 堆: %s", tree); 139 140 i=90; 141 tree.remove(i); 142 System.out.printf("\n== 刪除元素: %d", i); 143 System.out.printf("\n== 最 大 堆: %s", tree); 144 System.out.printf("\n"); 145 } 146 }
二叉堆(最小堆)的實現文件(MinHeap.java)

1 /** 2 * 二叉堆(最小堆) 3 * 4 * @author skywang 5 * @date 2014/03/07 6 */ 7 8 import java.util.ArrayList; 9 import java.util.List; 10 11 public class MinHeap<T extends Comparable<T>> { 12 13 private List<T> mHeap; // 存放堆的數組 14 15 public MinHeap() { 16 this.mHeap = new ArrayList<T>(); 17 } 18 19 /* 20 * 最小堆的向下調整算法 21 * 22 * 注:數組實現的堆中,第N個節點的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 23 * 24 * 參數說明: 25 * start -- 被下調節點的起始位置(一般為0,表示從第1個開始) 26 * end -- 截至范圍(一般為數組中最后一個元素的索引) 27 */ 28 protected void filterdown(int start, int end) { 29 int c = start; // 當前(current)節點的位置 30 int l = 2*c + 1; // 左(left)孩子的位置 31 T tmp = mHeap.get(c); // 當前(current)節點的大小 32 33 while(l <= end) { 34 int cmp = mHeap.get(l).compareTo(mHeap.get(l+1)); 35 // "l"是左孩子,"l+1"是右孩子 36 if(l < end && cmp>0) 37 l++; // 左右兩孩子中選擇較小者,即mHeap[l+1] 38 39 cmp = tmp.compareTo(mHeap.get(l)); 40 if(cmp <= 0) 41 break; //調整結束 42 else { 43 mHeap.set(c, mHeap.get(l)); 44 c = l; 45 l = 2*l + 1; 46 } 47 } 48 mHeap.set(c, tmp); 49 } 50 51 /* 52 * 最小堆的刪除 53 * 54 * 返回值: 55 * 成功,返回被刪除的值 56 * 失敗,返回null 57 */ 58 public int remove(T data) { 59 // 如果"堆"已空,則返回-1 60 if(mHeap.isEmpty() == true) 61 return -1; 62 63 // 獲取data在數組中的索引 64 int index = mHeap.indexOf(data); 65 if (index==-1) 66 return -1; 67 68 int size = mHeap.size(); 69 mHeap.set(index, mHeap.get(size-1));// 用最后元素填補 70 mHeap.remove(size - 1); // 刪除最后的元素 71 72 if (mHeap.size() > 1) 73 filterdown(index, mHeap.size()-1); // 從index號位置開始自上向下調整為最小堆 74 75 return 0; 76 } 77 78 /* 79 * 最小堆的向上調整算法(從start開始向上直到0,調整堆) 80 * 81 * 注:數組實現的堆中,第N個節點的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 82 * 83 * 參數說明: 84 * start -- 被上調節點的起始位置(一般為數組中最后一個元素的索引) 85 */ 86 protected void filterup(int start) { 87 int c = start; // 當前節點(current)的位置 88 int p = (c-1)/2; // 父(parent)結點的位置 89 T tmp = mHeap.get(c); // 當前節點(current)的大小 90 91 while(c > 0) { 92 int cmp = mHeap.get(p).compareTo(tmp); 93 if(cmp <= 0) 94 break; 95 else { 96 mHeap.set(c, mHeap.get(p)); 97 c = p; 98 p = (p-1)/2; 99 } 100 } 101 mHeap.set(c, tmp); 102 } 103 104 /* 105 * 將data插入到二叉堆中 106 */ 107 public void insert(T data) { 108 int size = mHeap.size(); 109 110 mHeap.add(data); // 將"數組"插在表尾 111 filterup(size); // 向上調整堆 112 } 113 114 public String toString() { 115 StringBuilder sb = new StringBuilder(); 116 for (int i=0; i<mHeap.size(); i++) 117 sb.append(mHeap.get(i) +" "); 118 119 return sb.toString(); 120 } 121 122 public static void main(String[] args) { 123 int i; 124 int a[] = {80, 40, 30, 60, 90, 70, 10, 50, 20}; 125 MinHeap<Integer> tree=new MinHeap<Integer>(); 126 127 System.out.printf("== 依次添加: "); 128 for(i=0; i<a.length; i++) { 129 System.out.printf("%d ", a[i]); 130 tree.insert(a[i]); 131 } 132 133 System.out.printf("\n== 最 小 堆: %s", tree); 134 135 i=15; 136 tree.insert(i); 137 System.out.printf("\n== 添加元素: %d", i); 138 System.out.printf("\n== 最 小 堆: %s", tree); 139 140 i=10; 141 tree.remove(i); 142 System.out.printf("\n== 刪除元素: %d", i); 143 System.out.printf("\n== 最 小 堆: %s", tree); 144 System.out.printf("\n"); 145 } 146 }
二叉堆的Java測試程序
測試程序已經包含在相應的實現文件中了,這里只說明運行結果。
最大堆(MaxHeap.java)的運行結果:
== 依次添加: 10 40 30 60 90 70 20 50 80 == 最 大 堆: 90 80 70 60 40 30 20 10 50 == 添加元素: 85 == 最 大 堆: 90 85 70 60 80 30 20 10 50 40 == 刪除元素: 90 == 最 大 堆: 85 80 70 60 40 30 20 10 50
最小堆(MinHeap.java)的運行結果:
== 最 小 堆: 10 20 30 50 90 70 40 80 60 == 添加元素: 15 == 最 小 堆: 10 15 30 50 20 70 40 80 60 90 == 刪除元素: 10 == 最 小 堆: 15 20 30 50 90 70 40 80 60
PS. 二叉堆是"堆排序"的理論基石。以后講解算法時會講解到"堆排序",理解了"二叉堆"之后,"堆排序"就很簡單了。