8.1 堆¶
堆(heap)是一种满足特定条件的完全二叉树,主要可分为两种类型,如图 8-1 所示。
- 小顶堆(min heap):任意节点的值 \(\leq\) 其子节点的值。
- 大顶堆(max heap):任意节点的值 \(\geq\) 其子节点的值。
图 8-1 小顶堆与大顶堆
图解 8-1:小顶堆与大顶堆的结构与大小关系
左侧小顶堆与右侧大顶堆具有相同树形,父子之间的大小约束相反。
两棵树都是 12 节点的完全二叉树,前三层填满,第四层从最左边连续放置 5 个节点。下表按从上到下的层次整理图中数值,每层按从左到右书写;层号由位置编排,图中未标数字层号。
两树的连接位置相同:根各有两个子节点;第二层每个节点也有两个子节点。第三层从左数,前两个节点各有两个子节点,第三个节点只有左子节点,第四个节点是叶节点。结合下表即可确定每一处父子连接。
| 层 | 小顶堆 | 大顶堆 |
|---|---|---|
| 1 | 1 | 9 |
| 2 | 3、2 | 8、6 |
| 3 | 6、4、2、6 | 6、7、5、2 |
| 4 | 8、7、9、6、5 | 1、4、3、6、2 |
图下方分别标明:小顶堆的父节点值不大于子节点,大顶堆的父节点值不小于子节点。相等值可以共存,例如小顶堆第二层右节点 2 与它的左子节点 2 相等;同层从左到右不必有序,兄弟之间也没有大小要求。
沿父子关系逐层比较可知,小顶堆堆顶 1 是全堆最小值,大顶堆堆顶 9 是全堆最大值。
堆作为完全二叉树的一个特例,具有以下特性。
- 最底层节点靠左填充,其他层的节点都被填满。
- 我们将二叉树的根节点称为“堆顶”,将底层最靠右的节点称为“堆底”。
- 对于大顶堆(小顶堆),堆顶元素(根节点)的值是最大(最小)的。
8.1.1 堆的常用操作¶
需要指出的是,许多编程语言提供的是优先队列(priority queue),这是一种抽象的数据结构,定义为具有优先级排序的队列。
实际上,堆通常用于实现优先队列,大顶堆相当于元素按从大到小的顺序出队的优先队列。从使用角度来看,我们可以将“优先队列”和“堆”看作等价的数据结构。因此,本书对两者不做特别区分,统一称作“堆”。
堆的常用操作见表 8-1 ,方法名需要根据编程语言来确定。
表 8-1 堆的操作效率
| 方法名 | 描述 | 时间复杂度 |
|---|---|---|
push() |
元素入堆 | \(O(\log n)\) |
pop() |
堆顶元素出堆 | \(O(\log n)\) |
peek() |
访问堆顶元素(对于大 / 小顶堆分别为最大 / 小值) | \(O(1)\) |
size() |
获取堆的元素数量 | \(O(1)\) |
isEmpty() |
判断堆是否为空 | \(O(1)\) |
在实际应用中,我们可以直接使用编程语言提供的堆类(或优先队列类)。
类似于排序算法中的“从小到大排列”和“从大到小排列”,我们可以通过设置一个 flag 或修改 Comparator 实现“小顶堆”与“大顶堆”之间的转换。代码如下所示:
# 初始化小顶堆
min_heap, flag = [], 1
# 初始化大顶堆
max_heap, flag = [], -1
# Python 的 heapq 模块默认实现小顶堆
# 考虑将“元素取负”后再入堆,这样就可以将大小关系颠倒,从而实现大顶堆
# 在本示例中,flag = 1 时对应小顶堆,flag = -1 时对应大顶堆
# 元素入堆
heapq.heappush(max_heap, flag * 1)
heapq.heappush(max_heap, flag * 3)
heapq.heappush(max_heap, flag * 2)
heapq.heappush(max_heap, flag * 5)
heapq.heappush(max_heap, flag * 4)
# 获取堆顶元素
peek: int = flag * max_heap[0] # 5
# 堆顶元素出堆
# 出堆元素会形成一个从大到小的序列
val = flag * heapq.heappop(max_heap) # 5
val = flag * heapq.heappop(max_heap) # 4
val = flag * heapq.heappop(max_heap) # 3
val = flag * heapq.heappop(max_heap) # 2
val = flag * heapq.heappop(max_heap) # 1
# 获取堆大小
size: int = len(max_heap)
# 判断堆是否为空
is_empty: bool = not max_heap
# 输入列表并建堆
min_heap: list[int] = [1, 3, 2, 5, 4]
heapq.heapify(min_heap)
/* 初始化堆 */
// 初始化小顶堆
priority_queue<int, vector<int>, greater<int>> minHeap;
// 初始化大顶堆
priority_queue<int, vector<int>, less<int>> maxHeap;
/* 元素入堆 */
maxHeap.push(1);
maxHeap.push(3);
maxHeap.push(2);
maxHeap.push(5);
maxHeap.push(4);
/* 获取堆顶元素 */
int peek = maxHeap.top(); // 5
/* 堆顶元素出堆 */
// 出堆元素会形成一个从大到小的序列
maxHeap.pop(); // 5
maxHeap.pop(); // 4
maxHeap.pop(); // 3
maxHeap.pop(); // 2
maxHeap.pop(); // 1
/* 获取堆大小 */
int size = maxHeap.size();
/* 判断堆是否为空 */
bool isEmpty = maxHeap.empty();
/* 输入列表并建堆 */
vector<int> input{1, 3, 2, 5, 4};
minHeap = priority_queue<int, vector<int>, greater<int>>(input.begin(), input.end());
/* 初始化堆 */
// 初始化小顶堆
Queue<Integer> minHeap = new PriorityQueue<>();
// 初始化大顶堆(使用 lambda 表达式修改 Comparator 即可)
Queue<Integer> maxHeap = new PriorityQueue<>((a, b) -> b - a);
/* 元素入堆 */
maxHeap.offer(1);
maxHeap.offer(3);
maxHeap.offer(2);
maxHeap.offer(5);
maxHeap.offer(4);
/* 获取堆顶元素 */
int peek = maxHeap.peek(); // 5
/* 堆顶元素出堆 */
// 出堆元素会形成一个从大到小的序列
peek = maxHeap.poll(); // 5
peek = maxHeap.poll(); // 4
peek = maxHeap.poll(); // 3
peek = maxHeap.poll(); // 2
peek = maxHeap.poll(); // 1
/* 获取堆大小 */
int size = maxHeap.size();
/* 判断堆是否为空 */
boolean isEmpty = maxHeap.isEmpty();
/* 输入列表并建堆 */
minHeap = new PriorityQueue<>(Arrays.asList(1, 3, 2, 5, 4));
/* 初始化堆 */
// 初始化小顶堆
PriorityQueue<int, int> minHeap = new();
// 初始化大顶堆(使用 lambda 表达式修改 Comparer 即可)
PriorityQueue<int, int> maxHeap = new(Comparer<int>.Create((x, y) => y.CompareTo(x)));
/* 元素入堆 */
maxHeap.Enqueue(1, 1);
maxHeap.Enqueue(3, 3);
maxHeap.Enqueue(2, 2);
maxHeap.Enqueue(5, 5);
maxHeap.Enqueue(4, 4);
/* 获取堆顶元素 */
int peek = maxHeap.Peek();//5
/* 堆顶元素出堆 */
// 出堆元素会形成一个从大到小的序列
peek = maxHeap.Dequeue(); // 5
peek = maxHeap.Dequeue(); // 4
peek = maxHeap.Dequeue(); // 3
peek = maxHeap.Dequeue(); // 2
peek = maxHeap.Dequeue(); // 1
/* 获取堆大小 */
int size = maxHeap.Count;
/* 判断堆是否为空 */
bool isEmpty = maxHeap.Count == 0;
/* 输入列表并建堆 */
minHeap = new PriorityQueue<int, int>([(1, 1), (3, 3), (2, 2), (5, 5), (4, 4)]);
// Go 语言中可以通过实现 heap.Interface 来构建整数大顶堆
// 实现 heap.Interface 需要同时实现 sort.Interface
type intHeap []any
// Push heap.Interface 的方法,实现推入元素到堆
func (h *intHeap) Push(x any) {
// Push 和 Pop 使用 pointer receiver 作为参数
// 因为它们不仅会对切片的内容进行调整,还会修改切片的长度。
*h = append(*h, x.(int))
}
// Pop heap.Interface 的方法,实现弹出堆顶元素
func (h *intHeap) Pop() any {
// 待出堆元素存放在最后
last := (*h)[len(*h)-1]
*h = (*h)[:len(*h)-1]
return last
}
// Len sort.Interface 的方法
func (h *intHeap) Len() int {
return len(*h)
}
// Less sort.Interface 的方法
func (h *intHeap) Less(i, j int) bool {
// 如果实现小顶堆,则需要调整为小于号
return (*h)[i].(int) > (*h)[j].(int)
}
// Swap sort.Interface 的方法
func (h *intHeap) Swap(i, j int) {
(*h)[i], (*h)[j] = (*h)[j], (*h)[i]
}
// Top 获取堆顶元素
func (h *intHeap) Top() any {
return (*h)[0]
}
/* Driver Code */
func TestHeap(t *testing.T) {
/* 初始化堆 */
// 初始化大顶堆
maxHeap := &intHeap{}
heap.Init(maxHeap)
/* 元素入堆 */
// 调用 heap.Interface 的方法,来添加元素
heap.Push(maxHeap, 1)
heap.Push(maxHeap, 3)
heap.Push(maxHeap, 2)
heap.Push(maxHeap, 4)
heap.Push(maxHeap, 5)
/* 获取堆顶元素 */
top := maxHeap.Top()
fmt.Printf("堆顶元素为 %d\n", top)
/* 堆顶元素出堆 */
// 调用 heap.Interface 的方法,来移除元素
heap.Pop(maxHeap) // 5
heap.Pop(maxHeap) // 4
heap.Pop(maxHeap) // 3
heap.Pop(maxHeap) // 2
heap.Pop(maxHeap) // 1
/* 获取堆大小 */
size := len(*maxHeap)
fmt.Printf("堆元素数量为 %d\n", size)
/* 判断堆是否为空 */
isEmpty := len(*maxHeap) == 0
fmt.Printf("堆是否为空 %t\n", isEmpty)
}
/* 初始化堆 */
// Swift 的 Heap 类型同时支持最大堆和最小堆,且需要引入 swift-collections
var heap = Heap<Int>()
/* 元素入堆 */
heap.insert(1)
heap.insert(3)
heap.insert(2)
heap.insert(5)
heap.insert(4)
/* 获取堆顶元素 */
var peek = heap.max()!
/* 堆顶元素出堆 */
peek = heap.removeMax() // 5
peek = heap.removeMax() // 4
peek = heap.removeMax() // 3
peek = heap.removeMax() // 2
peek = heap.removeMax() // 1
/* 获取堆大小 */
let size = heap.count
/* 判断堆是否为空 */
let isEmpty = heap.isEmpty
/* 输入列表并建堆 */
let heap2 = Heap([1, 3, 2, 5, 4])
use std::collections::BinaryHeap;
use std::cmp::Reverse;
/* 初始化堆 */
// 初始化小顶堆
let mut min_heap = BinaryHeap::<Reverse<i32>>::new();
// 初始化大顶堆
let mut max_heap = BinaryHeap::new();
/* 元素入堆 */
max_heap.push(1);
max_heap.push(3);
max_heap.push(2);
max_heap.push(5);
max_heap.push(4);
/* 获取堆顶元素 */
let peek = max_heap.peek().unwrap(); // 5
/* 堆顶元素出堆 */
// 出堆元素会形成一个从大到小的序列
let peek = max_heap.pop().unwrap(); // 5
let peek = max_heap.pop().unwrap(); // 4
let peek = max_heap.pop().unwrap(); // 3
let peek = max_heap.pop().unwrap(); // 2
let peek = max_heap.pop().unwrap(); // 1
/* 获取堆大小 */
let size = max_heap.len();
/* 判断堆是否为空 */
let is_empty = max_heap.is_empty();
/* 输入列表并建堆 */
let min_heap = BinaryHeap::from(vec![Reverse(1), Reverse(3), Reverse(2), Reverse(5), Reverse(4)]);
/* 初始化堆 */
// 初始化小顶堆
var minHeap = PriorityQueue<Int>()
// 初始化大顶堆(使用 lambda 表达式修改 Comparator 即可)
val maxHeap = PriorityQueue { a: Int, b: Int -> b - a }
/* 元素入堆 */
maxHeap.offer(1)
maxHeap.offer(3)
maxHeap.offer(2)
maxHeap.offer(5)
maxHeap.offer(4)
/* 获取堆顶元素 */
var peek = maxHeap.peek() // 5
/* 堆顶元素出堆 */
// 出堆元素会形成一个从大到小的序列
peek = maxHeap.poll() // 5
peek = maxHeap.poll() // 4
peek = maxHeap.poll() // 3
peek = maxHeap.poll() // 2
peek = maxHeap.poll() // 1
/* 获取堆大小 */
val size = maxHeap.size
/* 判断堆是否为空 */
val isEmpty = maxHeap.isEmpty()
/* 输入列表并建堆 */
minHeap = PriorityQueue(mutableListOf(1, 3, 2, 5, 4))
可视化运行
8.1.2 堆的实现¶
下文实现的是大顶堆。若要将其转换为小顶堆,只需将所有大小逻辑判断进行逆转(例如,将 \(\geq\) 替换为 \(\leq\) )。感兴趣的读者可以自行实现。
1. 堆的存储与表示¶
“二叉树”章节讲过,完全二叉树非常适合用数组来表示。由于堆正是一种完全二叉树,因此我们将采用数组来存储堆。
当使用数组表示二叉树时,元素代表节点值,索引代表节点在二叉树中的位置。节点指针通过索引映射公式来实现。
如图 8-2 所示,给定索引 \(i\) ,其左子节点的索引为 \(2i + 1\) ,右子节点的索引为 \(2i + 2\) ,父节点的索引为 \((i - 1) / 2\)(向下整除)。当索引越界时,表示空节点或节点不存在。
图 8-2 堆的表示与存储
图解 8-2:堆的数组表示
同一个堆既可画成完全二叉树,也可按层序存入数组;索引公式连接这两种表示。
图上方标注:左侧为“堆的逻辑结构(‘堆’是一棵‘完全二叉树’)”,右侧为“堆的物理结构(底层存储,使用‘数组’表示‘完全二叉树’)”。右侧数组横向绘制,索引从左到右递增,按层序存放 12 个元素 [9, 8, 6, 6, 7, 5, 2, 1, 4, 3, 6, 2],索引从 0 到 11。
左侧完全二叉树在每个节点圆圈下方标出对应的数组索引:根节点值 9(索引 0)的左、右子节点为值 8(索引 1)和值 6(索引 2);索引 1 的左、右子节点为索引 3(值 6)和索引 4(值 7);索引 2 的左、右子节点为索引 5(值 5)和索引 6(值 2);索引 3 的左、右子节点为索引 7(值 1)和索引 8(值 4);索引 4 的左、右子节点为索引 9(值 3)和索引 10(值 6);索引 5 只有左子节点索引 11(值 2)。
右侧数组展示了“通过索引映射实现节点指针”的公式:给定节点索引 i,非根节点的父索引为 ⌊(i−1)/2⌋(向下整除),左子节点索引为 2i+1,右子节点索引为 2i+2。图中以青色高亮索引 i=4(值为 7)的节点:指向橙色高亮父节点的灰色箭头对应父节点索引 ⌊(4−1)/2⌋ = 1(值为 8),从索引 4 向右指向索引 9、10 的两条箭头分别对应蓝色左子节点索引 2×4+1 = 9(值为 3)与紫蓝色右子节点索引 2×4+2 = 10(值为 6)。树与数组中的同色高亮一一对应。
当计算出的子节点索引超出数组长度范围时,表示该子节点不存在;根节点(索引 0)没有父节点。借助紧凑的完全二叉树层序排列,数值相等的不同节点(如多个 6 和 2)也能由各自的唯一索引准确区分。
完全二叉树的紧凑数组表示省去了额外的父子指针字段,可在 O(1) 时间内计算父、左子和右子的位置,并检查它们是否存在。
我们可以将索引映射公式封装成函数,方便后续使用:
2. 访问堆顶元素¶
堆顶元素即为二叉树的根节点,也就是列表的首个元素:
可视化运行
3. 元素入堆¶
给定元素 val ,我们首先将其添加到堆底。添加之后,由于 val 可能大于堆中其他元素,堆的成立条件可能已被破坏,因此需要修复从插入节点到根节点的路径上的各个节点,这个操作被称为堆化(heapify)。
考虑从入堆节点开始,从底至顶执行堆化。如图 8-3 所示,我们比较插入节点与其父节点的值,如果插入节点更大,则将它们交换。然后继续执行此操作,从底至顶修复堆中的各个节点,直至越过根节点或遇到无须交换的节点时结束。
图 8-3 元素入堆步骤
图解 8-3:大顶堆插入元素
新元素追加到末尾后,沿父节点向上比较和交换,修复大顶堆。
本例初始有 12 个元素,根索引 0 的值是 9;本次插入的新元素为 7。索引 4 处原有的另一个 7 全程不动,表中用身份列区分这两个元素。
树和数组表示同一份存储,数组按从上到下、同层从左到右的层序排列,索引从 0 开始。非根位置 i 的父索引是 (i−1)/2 向下取整,左右子索引是 2i+1、2i+2;越界表示该子节点不存在。相等数值用索引区分。
入堆先将新元素追加到层序数组末尾以保持完全二叉树形状,再沿父节点路径自底向上上浮修复:仅当当前节点值大于父节点值时才与父节点交换;一旦不大于父节点或已到达根节点,立即停止上浮。本例新插入的 7 经索引 12 → 5 → 2 共交换两次。
每张存储表的标题带操作名和步号。只有数组发生变化时才列出新表;只比较、停止或移除高亮的步骤会按完整表名指向同一份存储。每一步仍给出当前项数、堆顶和本步操作。
准备插入新的 7
当前存储有 12 项,堆顶为 9。待插入的新 7 尚在堆外。原有的 7 在索引 4,是索引 1(值 8)的右子节点,两个 7 是不同元素。
入堆第 1 步:初始 12 项存储 数组索引 值 本次操作中的身份 0 9 — 1 8 — 2 6 — 3 6 — 4 7 原有的7 5 5 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 将7追加到末尾
当前存储有 13 项,堆顶为 9。将新 7 追加到末尾索引 12,成为索引 5(值 5)的右子节点。完全二叉树形状保持不变,但 7 大于父节点 5,需要上浮修复。
入堆第 2 步:追加新 7 后的 13 项存储 数组索引 值 本次操作中的身份 0 9 — 1 8 — 2 6 — 3 6 — 4 7 原有的7 5 5 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 12 7 本次新插入的7 比较索引 12与5
当前存储有 13 项,堆顶为 9。比较索引 12 的新 7 与父索引 5 的 5。7 > 5,需要交换;本步仅比较,尚未交换。数组未变,完整存储见“入堆第 2 步:追加新 7 后的 13 项存储”表。
交换索引 12与5
当前存储有 13 项,堆顶为 9。第一次上浮:交换索引 12 的新 7 与索引 5 的 5。新 7 到达索引 5,被换下的 5 到达索引 12;原有的 7 仍在索引 4。
入堆第 4 步:第一次上浮后的存储 数组索引 值 本次操作中的身份 0 9 — 1 8 — 2 6 — 3 6 — 4 7 原有的7 5 7 本次新插入的7 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 12 5 — 比较索引 5与2
当前存储有 13 项,堆顶为 9。比较索引 5 的新 7 与父索引 2 的 6。7 > 6,仍需上浮;本步尚未交换。数组未变,完整存储见“入堆第 4 步:第一次上浮后的存储”表。
交换索引 5与2
当前存储有 13 项,堆顶为 9。第二次上浮:交换索引 5 的新 7 与索引 2 的 6。新 7 到达索引 2,被换下的 6 到达索引 5;接下来检查根节点。
入堆第 6 步:第二次上浮后的存储 数组索引 值 本次操作中的身份 0 9 — 1 8 — 2 7 本次新插入的7 3 6 — 4 7 原有的7 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 12 5 — 比较索引 2与根
当前存储有 13 项,堆顶为 9。比较索引 2 的新 7 与父节点,即根索引 0 的 9。9 > 7,已满足父节点不小于子节点的条件,无须交换。数组未变,完整存储见“入堆第 6 步:第二次上浮后的存储”表。
停止上浮
当前存储有 13 项,堆顶为 9。新 7 在索引 2 停止上浮,因为根节点 9 大于 7;没有继续交换。数组未变,完整存储见“入堆第 6 步:第二次上浮后的存储”表。
插入完成
当前存储有 13 项,堆顶为 9。移除比较高亮,插入完成。新 7 在索引 2,原有的 7 在索引 4,末尾索引 12 是被换下的 5;全部 13 项已恢复大顶堆性质。数组未变,完整存储见“入堆第 6 步:第二次上浮后的存储”表。
本次新 7 沿索引 12→5→2 上浮,进行了两次交换;原有的 7 始终在索引 4。
设节点总数为 \(n\) ,则树的高度为 \(O(\log n)\) 。由此可知,堆化操作的循环轮数最多为 \(O(\log n)\) ,元素入堆操作的时间复杂度为 \(O(\log n)\) 。代码如下所示:
def push(self, val: int):
"""元素入堆"""
# 添加节点
self.max_heap.append(val)
# 从底至顶堆化
self.sift_up(self.size() - 1)
def sift_up(self, i: int):
"""从节点 i 开始,从底至顶堆化"""
while True:
# 获取节点 i 的父节点
p = self.parent(i)
# 当“越过根节点”或“节点无须修复”时,结束堆化
if p < 0 or self.max_heap[i] <= self.max_heap[p]:
break
# 交换两节点
self.swap(i, p)
# 循环向上堆化
i = p
/* 元素入堆 */
void push(int val) {
// 添加节点
maxHeap.push_back(val);
// 从底至顶堆化
siftUp(size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
void siftUp(int i) {
while (true) {
// 获取节点 i 的父节点
int p = parent(i);
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || maxHeap[i] <= maxHeap[p])
break;
// 交换两节点
swap(maxHeap[i], maxHeap[p]);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
void push(int val) {
// 添加节点
maxHeap.add(val);
// 从底至顶堆化
siftUp(size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
void siftUp(int i) {
while (true) {
// 获取节点 i 的父节点
int p = parent(i);
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || maxHeap.get(i) <= maxHeap.get(p))
break;
// 交换两节点
swap(i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
void Push(int val) {
// 添加节点
maxHeap.Add(val);
// 从底至顶堆化
SiftUp(Size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
void SiftUp(int i) {
while (true) {
// 获取节点 i 的父节点
int p = Parent(i);
// 若“越过根节点”或“节点无须修复”,则结束堆化
if (p < 0 || maxHeap[i] <= maxHeap[p])
break;
// 交换两节点
Swap(i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
func (h *maxHeap) push(val any) {
// 添加节点
h.data = append(h.data, val)
// 从底至顶堆化
h.siftUp(len(h.data) - 1)
}
/* 从节点 i 开始,从底至顶堆化 */
func (h *maxHeap) siftUp(i int) {
for true {
// 获取节点 i 的父节点
p := h.parent(i)
// 当“越过根节点”或“节点无须修复”时,结束堆化
if p < 0 || h.data[i].(int) <= h.data[p].(int) {
break
}
// 交换两节点
h.swap(i, p)
// 循环向上堆化
i = p
}
}
/* 元素入堆 */
func push(val: Int) {
// 添加节点
maxHeap.append(val)
// 从底至顶堆化
siftUp(i: size() - 1)
}
/* 从节点 i 开始,从底至顶堆化 */
func siftUp(i: Int) {
var i = i
while true {
// 获取节点 i 的父节点
let p = parent(i: i)
// 当“越过根节点”或“节点无须修复”时,结束堆化
if p < 0 || maxHeap[i] <= maxHeap[p] {
break
}
// 交换两节点
swap(i: i, j: p)
// 循环向上堆化
i = p
}
}
/* 元素入堆 */
push(val) {
// 添加节点
this.#maxHeap.push(val);
// 从底至顶堆化
this.#siftUp(this.size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
#siftUp(i) {
while (true) {
// 获取节点 i 的父节点
const p = this.#parent(i);
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || this.#maxHeap[i] <= this.#maxHeap[p]) break;
// 交换两节点
this.#swap(i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
push(val: number): void {
// 添加节点
this.maxHeap.push(val);
// 从底至顶堆化
this.siftUp(this.size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
siftUp(i: number): void {
while (true) {
// 获取节点 i 的父节点
const p = this.parent(i);
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || this.maxHeap[i] <= this.maxHeap[p]) break;
// 交换两节点
this.swap(i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
void push(int val) {
// 添加节点
_maxHeap.add(val);
// 从底至顶堆化
siftUp(size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
void siftUp(int i) {
while (true) {
// 获取节点 i 的父节点
int p = _parent(i);
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || _maxHeap[i] <= _maxHeap[p]) {
break;
}
// 交换两节点
_swap(i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
fn push(&mut self, val: i32) {
// 添加节点
self.max_heap.push(val);
// 从底至顶堆化
self.sift_up(self.size() - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
fn sift_up(&mut self, mut i: usize) {
loop {
// 节点 i 已经是堆顶节点了,结束堆化
if i == 0 {
break;
}
// 获取节点 i 的父节点
let p = Self::parent(i);
// 当“节点无须修复”时,结束堆化
if self.max_heap[i] <= self.max_heap[p] {
break;
}
// 交换两节点
self.swap(i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
void push(MaxHeap *maxHeap, int val) {
// 默认情况下,不应该添加这么多节点
if (maxHeap->size == MAX_SIZE) {
printf("heap is full!");
return;
}
// 添加节点
maxHeap->data[maxHeap->size] = val;
maxHeap->size++;
// 从底至顶堆化
siftUp(maxHeap, maxHeap->size - 1);
}
/* 从节点 i 开始,从底至顶堆化 */
void siftUp(MaxHeap *maxHeap, int i) {
while (true) {
// 获取节点 i 的父节点
int p = parent(maxHeap, i);
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || maxHeap->data[i] <= maxHeap->data[p]) {
break;
}
// 交换两节点
swap(maxHeap, i, p);
// 循环向上堆化
i = p;
}
}
/* 元素入堆 */
fun push(_val: Int) {
// 添加节点
maxHeap.add(_val)
// 从底至顶堆化
siftUp(size() - 1)
}
/* 从节点 i 开始,从底至顶堆化 */
fun siftUp(it: Int) {
// Kotlin的函数参数不可变,因此创建临时变量
var i = it
while (true) {
// 获取节点 i 的父节点
val p = parent(i)
// 当“越过根节点”或“节点无须修复”时,结束堆化
if (p < 0 || maxHeap[i] <= maxHeap[p]) break
// 交换两节点
swap(i, p)
// 循环向上堆化
i = p
}
}
可视化运行
4. 堆顶元素出堆¶
堆顶元素是二叉树的根节点,即列表首元素。如果我们直接从列表中删除首元素,那么二叉树中所有节点的索引都会发生变化,这将使得后续使用堆化进行修复变得困难。为了尽量减少元素索引的变动,我们采用以下操作步骤。
- 交换堆顶元素与堆底元素(交换根节点与最右叶节点)。
- 交换完成后,将堆底从列表中删除(注意,由于已经交换,因此实际上删除的是原来的堆顶元素)。
- 从根节点开始,从顶至底执行堆化。
如图 8-4 所示,“从顶至底堆化”的操作方向与“从底至顶堆化”相反,我们将根节点的值与其两个子节点的值进行比较,将最大的子节点与根节点交换。然后循环执行此操作,直到越过叶节点或遇到无须交换的节点时结束。
图 8-4 堆顶元素出堆步骤
图解 8-4:大顶堆弹出堆顶
弹出最大值后,从根向下与较大子节点交换,修复大顶堆。
本例初始有 13 个元素,根索引 0 是最大值 9,末尾索引 12 是 5。大顶堆要求每个父节点的值不小于子节点的值。
树和数组表示同一份存储,数组按从上到下、同层从左到右的层序排列,索引从 0 开始。非根位置 i 的父索引是 (i−1)/2 向下取整,左右子索引是 2i+1、2i+2;越界表示该子节点不存在。相等数值用索引区分。
出堆时先将堆顶(索引 0)与末尾元素(索引 12)交换,再从数组末尾删除原堆顶,从而避免直接删除首项引起后续元素整体前移。随后从根节点开始自顶向下堆化:每步在当前节点及其左、右子节点中选出最大值;若子节点更大,则与较大的那个子节点交换——只有将较大的子节点换作父节点,才能保证上移后的新父节点同时不小于另一个子节点。当当前节点已不小于子节点或到达叶节点时停止下沉。
每张存储表的标题带操作名和步号。只有数组发生变化时才列出新表;只比较、停止或移除高亮的步骤会按完整表名指向同一份存储。每一步仍给出当前项数、堆顶和本步操作。
定位堆顶9与堆底5
当前存储有 13 项,堆顶为 9。待弹出的 9 位于根索引 0,末尾索引 12 是准备换到根部的 5;尚未交换或删除。
出堆第 1 步:初始 13 项存储 数组索引 值 本次操作中的身份 0 9 待弹出的9 1 8 — 2 7 — 3 6 — 4 7 — 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 12 5 本次下沉的5 交换首尾元素
当前存储有 13 项,堆顶为 5。交换索引 0 的 9 和索引 12 的 5:根变成 5,9 到达末尾。此时仍有 13 项,9 尚未删除。
出堆第 2 步:首尾交换后的 13 项存储 数组索引 值 本次操作中的身份 0 5 本次下沉的5 1 8 — 2 7 — 3 6 — 4 7 — 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 12 9 待弹出的9 从末尾删除 9
当前存储有 12 项,堆顶为 5。从末尾原索引 12 删除 9,保存为返回值。移除最右叶节点后仍保持完全二叉树形状,但根索引 0 的 5 小于子节点,需要下沉。
出堆第 3 步:删除末尾 9 后的 12 项存储 数组索引 值 本次操作中的身份 0 5 本次下沉的5 1 8 — 2 7 — 3 6 — 4 7 — 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 比较根5与子节点
当前存储有 12 项,堆顶为 5。比较根索引 0 的 5、左子索引 1 的 8、右子索引 2 的 7。最大的是索引 1 的 8,下一步与它交换;本步仅比较,尚未交换。数组未变,完整存储见“出堆第 3 步:删除末尾 9 后的 12 项存储”表。
交换索引 0与1
当前存储有 12 项,堆顶为 8。第一次下沉:交换索引 0 的 5 与索引 1 的 8。8 升为堆顶并大于右子索引 2 的 7;5 到达索引 1,它的左、右子节点分别是索引 3 的 6 和索引 4 的 7。
出堆第 5 步:第一次下沉后的存储 数组索引 值 本次操作中的身份 0 8 — 1 5 本次下沉的5 2 7 — 3 6 — 4 7 — 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 比较索引 1的子节点
当前存储有 12 项,堆顶为 8。比较索引 1 的 5、左子索引 3 的 6、右子索引 4 的 7。最大的是索引 4 的 7,尚未交换;根右侧索引 2 的另一个 7 不在本次比较范围内。数组未变,完整存储见“出堆第 5 步:第一次下沉后的存储”表。
交换索引 1与4
当前存储有 12 项,堆顶为 8。第二次下沉:交换索引 1 的 5 与索引 4 的 7。7 上移至索引 1,5 到达索引 4;此处左、右子节点分别是索引 9 的 3 和索引 10 的 6。
出堆第 7 步:第二次下沉后的存储 数组索引 值 本次操作中的身份 0 8 — 1 7 — 2 7 — 3 6 — 4 5 本次下沉的5 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 6 — 11 2 — 比较索引 4的子节点
当前存储有 12 项,堆顶为 8。比较索引 4 的 5、左子索引 9 的 3、右子索引 10 的 6。最大的是索引 10 的 6,仍需下沉;本步尚未交换。数组未变,完整存储见“出堆第 7 步:第二次下沉后的存储”表。
交换索引 4与10
当前存储有 12 项,堆顶为 8。第三次下沉:交换索引 4 的 5 与索引 10 的 6。6 上移至索引 4,5 到达叶节点索引 10;其子索引 21、22 均越界,下沉停止。
出堆第 9 步:第三次下沉后的存储 数组索引 值 本次操作中的身份 0 8 — 1 7 — 2 7 — 3 6 — 4 6 — 5 6 — 6 2 — 7 1 — 8 4 — 9 3 — 10 5 本次下沉的5 11 2 — 出堆完成
当前存储有 12 项,堆顶为 8。移除高亮,出堆完成,返回先前删除的 9。下沉的 5 最终在索引 10,全部 12 项均恢复大顶堆性质。数组未变,完整存储见“出堆第 9 步:第三次下沉后的存储”表。
本次出堆返回 9,元素 5 沿索引 0→1→4→10 下沉,进行了三次交换。
与元素入堆操作相似,堆顶元素出堆操作的时间复杂度也为 \(O(\log n)\) 。代码如下所示:
def pop(self) -> int:
"""元素出堆"""
# 判空处理
if self.is_empty():
raise IndexError("堆为空")
# 交换根节点与最右叶节点(交换首元素与尾元素)
self.swap(0, self.size() - 1)
# 删除节点
val = self.max_heap.pop()
# 从顶至底堆化
self.sift_down(0)
# 返回堆顶元素
return val
def sift_down(self, i: int):
"""从节点 i 开始,从顶至底堆化"""
while True:
# 判断节点 i, l, r 中值最大的节点,记为 ma
l, r, ma = self.left(i), self.right(i), i
if l < self.size() and self.max_heap[l] > self.max_heap[ma]:
ma = l
if r < self.size() and self.max_heap[r] > self.max_heap[ma]:
ma = r
# 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if ma == i:
break
# 交换两节点
self.swap(i, ma)
# 循环向下堆化
i = ma
/* 元素出堆 */
void pop() {
// 判空处理
if (isEmpty()) {
throw out_of_range("堆为空");
}
// 交换根节点与最右叶节点(交换首元素与尾元素)
swap(maxHeap[0], maxHeap[size() - 1]);
// 删除节点
maxHeap.pop_back();
// 从顶至底堆化
siftDown(0);
}
/* 从节点 i 开始,从顶至底堆化 */
void siftDown(int i) {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
int l = left(i), r = right(i), ma = i;
if (l < size() && maxHeap[l] > maxHeap[ma])
ma = l;
if (r < size() && maxHeap[r] > maxHeap[ma])
ma = r;
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (ma == i)
break;
swap(maxHeap[i], maxHeap[ma]);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
int pop() {
// 判空处理
if (isEmpty())
throw new IndexOutOfBoundsException();
// 交换根节点与最右叶节点(交换首元素与尾元素)
swap(0, size() - 1);
// 删除节点
int val = maxHeap.remove(size() - 1);
// 从顶至底堆化
siftDown(0);
// 返回堆顶元素
return val;
}
/* 从节点 i 开始,从顶至底堆化 */
void siftDown(int i) {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
int l = left(i), r = right(i), ma = i;
if (l < size() && maxHeap.get(l) > maxHeap.get(ma))
ma = l;
if (r < size() && maxHeap.get(r) > maxHeap.get(ma))
ma = r;
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (ma == i)
break;
// 交换两节点
swap(i, ma);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
int Pop() {
// 判空处理
if (IsEmpty())
throw new IndexOutOfRangeException();
// 交换根节点与最右叶节点(交换首元素与尾元素)
Swap(0, Size() - 1);
// 删除节点
int val = maxHeap.Last();
maxHeap.RemoveAt(Size() - 1);
// 从顶至底堆化
SiftDown(0);
// 返回堆顶元素
return val;
}
/* 从节点 i 开始,从顶至底堆化 */
void SiftDown(int i) {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
int l = Left(i), r = Right(i), ma = i;
if (l < Size() && maxHeap[l] > maxHeap[ma])
ma = l;
if (r < Size() && maxHeap[r] > maxHeap[ma])
ma = r;
// 若“节点 i 最大”或“越过叶节点”,则结束堆化
if (ma == i) break;
// 交换两节点
Swap(i, ma);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
func (h *maxHeap) pop() any {
// 判空处理
if h.isEmpty() {
fmt.Println("error")
return nil
}
// 交换根节点与最右叶节点(交换首元素与尾元素)
h.swap(0, h.size()-1)
// 删除节点
val := h.data[len(h.data)-1]
h.data = h.data[:len(h.data)-1]
// 从顶至底堆化
h.siftDown(0)
// 返回堆顶元素
return val
}
/* 从节点 i 开始,从顶至底堆化 */
func (h *maxHeap) siftDown(i int) {
for true {
// 判断节点 i, l, r 中值最大的节点,记为 max
l, r, max := h.left(i), h.right(i), i
if l < h.size() && h.data[l].(int) > h.data[max].(int) {
max = l
}
if r < h.size() && h.data[r].(int) > h.data[max].(int) {
max = r
}
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if max == i {
break
}
// 交换两节点
h.swap(i, max)
// 循环向下堆化
i = max
}
}
/* 元素出堆 */
func pop() -> Int {
// 判空处理
if isEmpty() {
fatalError("堆为空")
}
// 交换根节点与最右叶节点(交换首元素与尾元素)
swap(i: 0, j: size() - 1)
// 删除节点
let val = maxHeap.remove(at: size() - 1)
// 从顶至底堆化
siftDown(i: 0)
// 返回堆顶元素
return val
}
/* 从节点 i 开始,从顶至底堆化 */
func siftDown(i: Int) {
var i = i
while true {
// 判断节点 i, l, r 中值最大的节点,记为 ma
let l = left(i: i)
let r = right(i: i)
var ma = i
if l < size(), maxHeap[l] > maxHeap[ma] {
ma = l
}
if r < size(), maxHeap[r] > maxHeap[ma] {
ma = r
}
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if ma == i {
break
}
// 交换两节点
swap(i: i, j: ma)
// 循环向下堆化
i = ma
}
}
/* 元素出堆 */
pop() {
// 判空处理
if (this.isEmpty()) throw new Error('堆为空');
// 交换根节点与最右叶节点(交换首元素与尾元素)
this.#swap(0, this.size() - 1);
// 删除节点
const val = this.#maxHeap.pop();
// 从顶至底堆化
this.#siftDown(0);
// 返回堆顶元素
return val;
}
/* 从节点 i 开始,从顶至底堆化 */
#siftDown(i) {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
const l = this.#left(i),
r = this.#right(i);
let ma = i;
if (l < this.size() && this.#maxHeap[l] > this.#maxHeap[ma]) ma = l;
if (r < this.size() && this.#maxHeap[r] > this.#maxHeap[ma]) ma = r;
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (ma === i) break;
// 交换两节点
this.#swap(i, ma);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
pop(): number {
// 判空处理
if (this.isEmpty()) throw new RangeError('Heap is empty.');
// 交换根节点与最右叶节点(交换首元素与尾元素)
this.swap(0, this.size() - 1);
// 删除节点
const val = this.maxHeap.pop();
// 从顶至底堆化
this.siftDown(0);
// 返回堆顶元素
return val;
}
/* 从节点 i 开始,从顶至底堆化 */
siftDown(i: number): void {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
const l = this.left(i),
r = this.right(i);
let ma = i;
if (l < this.size() && this.maxHeap[l] > this.maxHeap[ma]) ma = l;
if (r < this.size() && this.maxHeap[r] > this.maxHeap[ma]) ma = r;
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (ma === i) break;
// 交换两节点
this.swap(i, ma);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
int pop() {
// 判空处理
if (isEmpty()) throw Exception('堆为空');
// 交换根节点与最右叶节点(交换首元素与尾元素)
_swap(0, size() - 1);
// 删除节点
int val = _maxHeap.removeLast();
// 从顶至底堆化
siftDown(0);
// 返回堆顶元素
return val;
}
/* 从节点 i 开始,从顶至底堆化 */
void siftDown(int i) {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
int l = _left(i);
int r = _right(i);
int ma = i;
if (l < size() && _maxHeap[l] > _maxHeap[ma]) ma = l;
if (r < size() && _maxHeap[r] > _maxHeap[ma]) ma = r;
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (ma == i) break;
// 交换两节点
_swap(i, ma);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
fn pop(&mut self) -> i32 {
// 判空处理
if self.is_empty() {
panic!("index out of bounds");
}
// 交换根节点与最右叶节点(交换首元素与尾元素)
self.swap(0, self.size() - 1);
// 删除节点
let val = self.max_heap.pop().unwrap();
// 从顶至底堆化
self.sift_down(0);
// 返回堆顶元素
val
}
/* 从节点 i 开始,从顶至底堆化 */
fn sift_down(&mut self, mut i: usize) {
loop {
// 判断节点 i, l, r 中值最大的节点,记为 ma
let (l, r, mut ma) = (Self::left(i), Self::right(i), i);
if l < self.size() && self.max_heap[l] > self.max_heap[ma] {
ma = l;
}
if r < self.size() && self.max_heap[r] > self.max_heap[ma] {
ma = r;
}
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if ma == i {
break;
}
// 交换两节点
self.swap(i, ma);
// 循环向下堆化
i = ma;
}
}
/* 元素出堆 */
int pop(MaxHeap *maxHeap) {
// 判空处理
if (isEmpty(maxHeap)) {
printf("heap is empty!");
return INT_MAX;
}
// 交换根节点与最右叶节点(交换首元素与尾元素)
swap(maxHeap, 0, size(maxHeap) - 1);
// 删除节点
int val = maxHeap->data[maxHeap->size - 1];
maxHeap->size--;
// 从顶至底堆化
siftDown(maxHeap, 0);
// 返回堆顶元素
return val;
}
/* 从节点 i 开始,从顶至底堆化 */
void siftDown(MaxHeap *maxHeap, int i) {
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 max
int l = left(maxHeap, i);
int r = right(maxHeap, i);
int max = i;
if (l < size(maxHeap) && maxHeap->data[l] > maxHeap->data[max]) {
max = l;
}
if (r < size(maxHeap) && maxHeap->data[r] > maxHeap->data[max]) {
max = r;
}
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (max == i) {
break;
}
// 交换两节点
swap(maxHeap, i, max);
// 循环向下堆化
i = max;
}
}
/* 元素出堆 */
fun pop(): Int {
// 判空处理
if (isEmpty()) throw IndexOutOfBoundsException()
// 交换根节点与最右叶节点(交换首元素与尾元素)
swap(0, size() - 1)
// 删除节点
val _val = maxHeap.removeAt(size() - 1)
// 从顶至底堆化
siftDown(0)
// 返回堆顶元素
return _val
}
/* 从节点 i 开始,从顶至底堆化 */
fun siftDown(it: Int) {
// Kotlin的函数参数不可变,因此创建临时变量
var i = it
while (true) {
// 判断节点 i, l, r 中值最大的节点,记为 ma
val l = left(i)
val r = right(i)
var ma = i
if (l < size() && maxHeap[l] > maxHeap[ma]) ma = l
if (r < size() && maxHeap[r] > maxHeap[ma]) ma = r
// 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
if (ma == i) break
// 交换两节点
swap(i, ma)
// 循环向下堆化
i = ma
}
}
### 元素出堆 ###
def pop
# 判空处理
raise IndexError, "堆为空" if is_empty?
# 交换根节点与最右叶节点(交换首元素与尾元素)
swap(0, size - 1)
# 删除节点
val = @max_heap.pop
# 从顶至底堆化
sift_down(0)
# 返回堆顶元素
val
end
### 从节点 i 开始,从顶至底堆化 ###
def sift_down(i)
loop do
# 判断节点 i, l, r 中值最大的节点,记为 ma
l, r, ma = left(i), right(i), i
ma = l if l < size && @max_heap[l] > @max_heap[ma]
ma = r if r < size && @max_heap[r] > @max_heap[ma]
# 若节点 i 最大或索引 l, r 越界,则无须继续堆化,跳出
break if ma == i
# 交换两节点
swap(i, ma)
# 循环向下堆化
i = ma
end
end
可视化运行
8.1.3 堆的常见应用¶
- 优先队列:堆通常作为实现优先队列的首选数据结构,其入队和出队操作的时间复杂度均为 \(O(\log n)\) ,而建堆操作为 \(O(n)\) ,这些操作都非常高效。
- 堆排序:给定一组数据,我们可以用它们建立一个堆,然后不断地执行元素出堆操作,从而得到有序数据。然而,我们通常会使用一种更优雅的方式实现堆排序,详见“堆排序”章节。
- 获取最大的 \(k\) 个元素:这是一个经典的算法问题,同时也是一种典型应用,例如选择热度前 10 的新闻作为微博热搜,选取销量前 10 的商品等。