1. 什么是堆、大顶堆和小顶堆堆是一种非线性结构，可以把堆看作一棵二叉树，也可以看作一个数组，即：堆就是利用完全二叉树的结构来维护的一维数组。堆可以分为大顶堆和小顶堆：
大顶堆：每个结点的值都大于或等于其左右孩子结点的值。
小顶堆：每个结点的值都小于或等于其左右孩子结点的值。
用简单的公式来描述一下堆的定义就是：大顶堆：arr[i] >= arr[2i+1] && arr[i
转载
2023-06-18 11:15:53
103阅读
参考博客：1.大顶堆的排序，插入，删除2.图解堆排序3.堆相关知识1.堆的建立——建立大顶堆思路：
1) 从最后一个节点的父节点(list.size()/2-1)开始,向下调整，建立大顶堆;
2) 比较父节点与孩子节点的大小：
2.1 若父节点小于左节点，将左节点跟父节点交换，继续向下调整。
&n
转载
2023-08-11 07:31:12
262阅读
堆数据结构实际上是一种数组对象，是以数组的形式存储的，可是它能够被视为一颗全然二叉树，因此又叫二叉堆。堆分为下面两种类型：大顶堆：父结点的值不小于其子结点的值，堆顶元素最大小顶堆：父结点的值不大于其子结点的值，堆顶元素最小堆排序的时间复杂度跟合并排序一样，都是O(nlgn)，可是合并排序不是原地排序（原地排序：在排序过程中，仅仅有常数个元素是保存在数组以外的空间），合并排序的全部元素都被复制到另外
堆排序是一种时间复杂度为O(nlgn)的一种排序算法，该排序算法用到的就是大顶堆，大体思路就是将大顶堆的顶跟数组最后一个有效位置交换，然后对新构成的二叉堆进行大顶堆的重构，依次类推，最后数组就是一个从小往大递增的数组。
堆排序的时间复杂度，最好，最差，平均都是O(nlogn)，空间复杂度O(1)，是不稳定的排序 堆（或二叉堆），类似于完全二叉树，除叶子节点外，每个节点均拥有左子树和右子树，同时左子树和右子树也是堆。小顶堆：父节点的值 <= 左右孩子节点的值大顶堆：父节点的值 >= 左右孩子节点的值 堆的存储： 用一个数组存储堆就可以了，如【19, 17, 20, 18, 16, 21】
1、大顶堆package jianzhiOffer;
import java.util.ArrayList;
import java.util.List;
/**
* 大顶堆
*
* @author tao
*
*/
public class MaxHeap<T extends Comparable<T>> {
private List<T>
转载
2023-08-20 23:23:53
126阅读
话不多说先上代码如果不想看原理，直接就抄代码就行了： /**
* 堆排序
* 具体的流程是 数组---》大顶堆（或者是小顶堆）---》第一个个元素和最后一个元素调换位置---》重复元素下沉，以完成排序
*/
public class HeapSort {
// 将一个数组 转化成 大顶堆 (根节点一定是比 左右子节点都大的）
// 规则是 arr[i].left
堆在逻辑上一棵完全二叉树，所以可以通过数组进行数据存储，而其余的树大多采用链式结构进行数据存储堆分类：
大顶堆：大顶堆就是无论在任何一棵（子）树中，父节点都是最大的小顶堆：小顶堆就是无论在任何一棵（子）树中，父节点都是最小的堆的两种操作：
上浮：一般用于向堆中添加新元素后的堆平衡下沉：一般用于取出堆顶并将堆尾换至堆顶后的堆平衡堆排序：利用大顶堆和小顶堆的特性，不断取出堆顶，取出的元素就
转载
2023-07-18 17:55:06
187阅读
Java PriorityQueue（优先队列）实现大顶堆和小顶堆 Java PriorityQueue类是一种队列数据结构实现
它与遵循FIFO（先进先出）算法的标准队列不同。//默认为小顶堆
PriorityQueue<Integer> minHeap = new PriorityQueue<>(k, (a,b)->a-b);
PriorityQ
转载
2023-07-14 16:55:28
105阅读
在前面的几篇文章中，介绍了线性表的三种数据结构：链表、队列和栈。他们因为各自的特性，都可以方便的支持某一种运算。比如链表相比于数组，其插入和删除的时间代价更为优化。 除了这些数据结构之外，今天和大家分享需要支持如下两种运算的数据结构：插入元素和寻找最大元素
PriorityQueue（优先队列），一个基于优先级堆的无界优先级队列。实际上是一个堆（不指定Comparator时默认为最小堆），通过传入自定义的Comparator函数可以实现大顶堆。PriorityQueue<Integer> minHeap = new PriorityQueue<Integer>(); //小顶堆，默认容量为11
PriorityQueu
转载
2023-07-18 17:55:27
316阅读
堆堆是一个近似完全二叉树完全二叉树)的结构，并同时满足堆积的性质：即子节点的键值或索引总是小于（或者大于）它的父节点。大顶堆：子节点的键值或索引总是小于(或等于)它的父节点小顶堆：子节点的键值或索引总是大于(或等于)它父节点堆排序堆排序（英语：Heapsort）是指利用堆这种数据结构所设计的一种排序算法，是选择排序的扩展，它的最好和最坏的平均复杂度都为O(nlogn)，是不稳定排序算法。堆排序步骤
转载
2023-06-13 21:36:40
147阅读
1.堆堆的性质大顶堆：每个节点的值都大于或者等于它的左右子节点的值（arr[i] >= arr[2i + 1] && arr[i] >= arr[2i + 2]）。小顶堆：每个节点的值都小于或者等于它的左右子节点的值（arr[i] <= arr[2i + 1] && arr[i] <= arr[2i + 2]）。第一个非叶子节点的索引就是ar
Java实现简单的大顶堆今天刷LeetCode的347. 前 K 个高频元素的时候使用到了优先队列，由于对大顶堆掌握不算熟练，于是写了一个简单大顶堆练手:实现代码在最后之前很少使用泛型来写代码,因此实现大顶堆的时候用到了泛型public class MyMaxHeap<E>选择采用数组来模拟大顶堆,则类中的私有属性有://使用数组模拟完全二叉树
private Object [
# 大顶堆（Max Heap）的介绍与实现
大顶堆（Max Heap）是一种特殊的二叉堆（Binary Heap），它满足以下性质：
1. 对于任意节点i，其父节点的值大于等于节点i的值；
2. 大顶堆是一棵完全二叉树（Complete Binary Tree），即除了最后一层外，其他层的节点个数都是满的，最后一层的节点都尽量靠左排列。
大顶堆的应用领域非常广泛，常见的使用场景包括但不限于以
原创
2023-07-16 16:48:08
88阅读
PriorityQueue是一个优先级队列，底层是小顶堆实现概念优先级队列通常的队列是先进先出，那有一种特殊的队列并不是先进先出，而是根据优先级的顺序出队二叉堆二叉堆是一种数据结构，堆是一种特殊的二叉树，满足一下条件的二叉树1.该二叉树必须是一个完全二叉树。2.子节点的值总是单调的。这里又分为两种情况，如果子节点总是小于等于父节点，那么整体的树顶元素就越大，那么我们叫它大顶堆，反过来子节点总是大于
堆排序分为大顶堆排序和小顶堆排序，两者时间复杂度是O(nlogn)，空间复杂度是O(1)的常量级临时变量，是不稳定排序算法。大顶堆主要实现思想：1.初始化构建大顶堆void initMaxHeap(vector<int>& nums);2.将大顶堆的根（最大值）交换到数组最后面，然后将待排序数组长度减一后重新构建大根堆void buildMaxHeap(vector
优先队列的概念在优先队列中，队列中的每个元素都与某个优先级相关联，但是优先级在队列数据结构中不存在。优先队列中具有最高优先级的元素将被首先删除，而队列遵循FIFO（先进先出）策略，这意味着先插入的元素将被首先删除。如果存在多个具有相同优先级的元素，则将考虑该元素在队列中的顺序。 优先队列的语法priority_queue<Type, Container, Functional>
转载
2023-09-01 19:50:01
49阅读
前提堆排序是借助堆的性质进行排序的算法。 堆性质：根节点的值一定大于（或小于，取决于堆类型）其左右子节点的值。 堆分两种，大顶堆和小顶堆。顾名思义，大顶堆是指大的数为根节点，小顶堆是小的数作为根节点。 堆的数据结构可以理解为树状数组。例如下面这个大顶堆，数据存放格式为{9,6,8,3,2,7}：
构建堆过程以{3,2,7,6,9,8}为例说明，如何逐渐自底向上构建一个大顶堆
大顶堆的实现1.什么是堆堆结构就是一种完全二叉树。堆可分为最大堆和最小堆，区别就是父节点是否大于所有子节点。最大堆的父节点大于它的子节点，而最小堆中子节点大于父节点。看图有个清晰的认识：2. 堆的表示堆可以使用list实现，就是按照层序遍历顺序将每个节点上的值存放在数组中。父节点和子节点之间存在如下的关系：1 parent = (i - 1) // 2 # 取整 2 left = 2 * i +
