大厂算法面试之leetcode精讲12.堆

关注

最新推荐文章于 2025-01-16 14:55:31 发布 · 298 阅读

原创 ·

本内容遵循 CC 4.0 BY-SA 版权协议

大厂算法面试之leetcode精讲1.开篇介绍 Linked List 就是特殊化的tree Tree就是特殊化的Graph 二叉搜索树：也称有序二叉树，指一棵空树或者具有一下性质的二叉树左子树上所有节点的值均小于它的根节点的值右子树上的所有节点的值均大于它根节点的值递归左右子树也为二叉搜索树 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8iMoCQAz-1633990101419)(ds_36.png)] [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wl7kCnGj-1633 阅读详情

大厂算法面试之leetcode精讲12.堆

视频讲解（高效学习）:点击学习

延伸：

满二叉树：除叶子节点外，所有的节点都有两个子节点，这类二叉树称作满二叉树（Full Binarry Tree)，如下图：

完全二叉树：若设二叉树的高度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层从右向左连续缺若干结点，这就是完全二叉树。

ds_208

堆是一个完全二叉树，所以我们可以采用数组实现，不会浪费太多空间，堆中的每个节点的值总是不大于或不小于其父节点的值，堆分为大顶堆和小顶堆，大顶堆堆顶是元素中最大的一个，小顶堆堆顶是最小的，在向堆中加入元素的时候，能动态调整堆内元素的顺序，始终保持堆的性质。

堆的特点：

内部数据是有序的
可以弹出堆顶的元素，大顶堆就是弹出最大值，小顶堆就是弹出最小值
每次加入新元素或者弹出堆顶元素后，调整堆使之重新有序仅需要O(logn)的时间

堆的实现

用数组实现，堆从上到下，从左到右一一对应数组中的元素
节点父节点索引 parentIndex = [(index - 1) / 2]，左节点索引leftIndex = index * 2 + 1，右节点索引 rightIndex = index * 2 + 2
第一个非叶子节点是[size / 2]

向堆中添加元素

把新数据添加到树的最后一个元素，也就是数组的末尾
把末尾节点向上调整，即bubbleUp
时间复杂度O(logn)

动画过大，点击查看

弹出堆中的元素

交换根节点与最后一个节点的值
删除最后一个节点
把根节点向下调整
时间复杂度O(logn)

动画过大，点击查看

从一个数组中取出最小值的复杂度：

ds_115

完整代码

class Heap {
    constructor(comparator = (a, b) => a - b, data = []) {
        this.data = data;
        this.comparator = comparator;//比较器
        this.heapify();//堆化
    }

    heapify() {
        if (this.size() < 2) return;
        for (let i = Math.floor(this.size()/2)-1; i >= 0; i--) {
            this.bubbleDown(i);//bubbleDown操作
        }
    }

    peek() {
        if (this.size() === 0) return null;
        return this.data[0];//查看堆顶
    }

    offer(value) {
        this.data.push(value);//加入数组
        this.bubbleUp(this.size() - 1);//调整加入的元素在小顶堆中的位置
    }

    poll() {
        if (this.size() === 0) {
            return null;
        }
        const result = this.data[0];
        const last = this.data.pop();
        if (this.size() !== 0) {
            this.data[0] = last;//交换第一个元素和最后一个元素
            this.bubbleDown(0);//bubbleDown操作
        }
        return result;
    }

    bubbleUp(index) {
        while (index > 0) {
            const parentIndex = (index - 1) >> 1;//父节点的位置
            //如果当前元素比父节点的元素小，就交换当前节点和父节点的位置
            if (this.comparator(this.data[index], this.data[parentIndex]) < 0) {
                this.swap(index, parentIndex);//交换自己和父节点的位置
                index = parentIndex;//不断向上取父节点进行比较
            } else {
                break;//如果当前元素比父节点的元素大，不需要处理
            }
        }
    }

    bubbleDown(index) {
        const lastIndex = this.size() - 1;//最后一个节点的位置
        while (true) {
            const leftIndex = index * 2 + 1;//左节点的位置
            const rightIndex = index * 2 + 2;//右节点的位置
            let findIndex = index;//bubbleDown节点的位置
            //找出左右节点中value小的节点
            if (
                leftIndex <= lastIndex &&
                this.comparator(this.data[leftIndex], this.data[findIndex]) < 0
            ) {
                findIndex = leftIndex;
            }
            if (
                rightIndex <= lastIndex &&
                this.comparator(this.data[rightIndex], this.data[findIndex]) < 0
            ) {
                findIndex = rightIndex;
            }
            if (index !== findIndex) {
                this.swap(index, findIndex);//交换当前元素和左右节点中value小的
                index = findIndex;
            } else {
                break;
            }
        }
    }

    swap(index1, index2) {//交换堆中两个元素的位置
        [this.data[index1], this.data[index2]] = [this.data[index2], this.data[index1]];
    }

    size() {
        return this.data.length;
    }
}