【堆 - 专题】系统已经提供了“堆”，为什么还要手写？

上一篇文章我们介绍了有关堆排序、大根堆、小根堆的内容，（还没看过上篇文章的赶快点我查看哦！）

本篇文章我们 手写加强堆 ！

有小伙伴可能就 有疑惑 了：

Java 中的 java.util.PriorityQueue 类提供了优先级队列的实现，内部使用堆来维护元素的优先级顺序。那么就可以使用 PriorityQueue 类来很方便地实现优先级队列。那为什么还要自己 手动实现 一个堆呢？

答案很简单，系统所提供的堆 功能不全面。常用的函数有：

方法名	功能介绍
boolean offer(E e)	插入元素 e ，插入成功返回 true。如果 e 为空,抛出 NullPointerException 异常
E peek()	获得堆顶元素，堆为空返回 null
E poll()	移除堆顶元素并返回，堆为空返回 null
int size()	获得堆中元素个数
void clear()	清空
boolean isEmpty()	判断堆是否为空，为空返回 true

假设一种场景需要频繁的删除某个对象或修改某个对象的属性，使用系统提供的堆怎样高效的完成呢？详细一点说，系统提供的堆 存在以下问题：

已经入堆的元素，如果参与排序的方法发生了变化。系统提供的堆无法在 <math xmlns="http://www.w3.org/1998/Math/MathML"> O ( l o g N ) O(logN) </math>O(logN) 的时间复杂度下进行调整！只能以 <math xmlns="http://www.w3.org/1998/Math/MathML"> O ( N ) O(N) </math>O(N) 进行调整。
系统提供的堆只能弹出堆顶，不能在 <math xmlns="http://www.w3.org/1998/Math/MathML"> O ( l o g N ) O(logN) </math>O(logN) 的时间复杂度内随意删除任何一个堆中的元素！一定会高于 <math xmlns="http://www.w3.org/1998/Math/MathML"> O ( l o g N ) O(logN) </math>O(logN)。

根本原因 ：无反向索引表

正因为系统所提供的堆在底层是由数组实现的，只能通过下标找到值 ，不能反向通过值找到当前对象存在的位置 ，因此需要遍历寻找，时间复杂度就退化为了 <math xmlns="http://www.w3.org/1998/Math/MathML"> O ( N ) O(N) </math>O(N)。

找到了问题的根源，也就迎刃而解了 ------ 添加反向索引表。

java 复制代码

// 手写实现加强堆
// 结构体定义
public class HeapGreater<T> {

    private ArrayList<T> heap;
    private HashMap<T, Integer> indexMap;
    private int heapSize;
    private Comparator<? super T> comp;

    public HeapGreater(Comparator<? super T> c) {
        heap = new ArrayList<>();
        indexMap = new HashMap<>();
        heapSize = 0;
        comp = c;
    }
}

使用 ArrayList 数组实现堆 heap；添加反向索引表 indexMap 用于快速定位某个元素的下标位置；heapSize 控制堆的大小；由于使用了泛型 <T> 因此需要使用 比较器 自定义排序方式。

下面实现几个比较简单的功能（不改变堆中元素）：判空、堆大小、是否存在特定对象、取堆顶元素

java 复制代码

// 判空
public boolean isEmpty() {
    return heapSize == 0;
}

// 返回当前堆的大小
public int size() {
    return heapSize;
}

// 判断 obj 是否存在于堆中
public boolean contains(T obj) {
    return indexMap.containsKey(obj);
}

// 获取堆顶元素
public T peek() {
    return heap.get(0);
}

在上一篇文章的堆排序中，我们已经介绍并实现了大根堆的 heapInsert 和 heapfiy 方法。那这次就将其改为 小根堆 的实现：

java 复制代码

private void heapInsert(int index) {
    while (comp.compare(heap.get(index), heap.get((index - 1) / 2)) < 0) {
        swap(index, (index - 1) / 2);
        index = (index - 1) / 2;
    }
}

private void heapify(int index) {
    int left = index * 2 + 1;
    while (left < heapSize) {
        int best = left + 1 < heapSize && comp.compare(heap.get(left + 1), heap.get(left)) < 0 ? (left + 1) : left;
        best = comp.compare(heap.get(best), heap.get(index)) < 0 ? best : index;
        if (best == index) {
            break;
        }
        swap(best, index);
        index = best;
        left = index * 2 + 1;
    }
}

此时的交换函数 swap 就和普通的交换函数 不一样 了。不仅仅需要交换对象信息，要交换对象的 反向索引表 同样 需要更新 :

java 复制代码

private void swap(int i, int j) {
    T o1 = heap.get(i);
    T o2 = heap.get(j);
    // 下标设置成对方的对象
    heap.set(i, o2);
    heap.set(j, o1);
    // 对象设置成对方的下标
    indexMap.put(o2, i);
    indexMap.put(o1, j);
}

接下来，我们来实现需要对堆中元素进行变化的一系列函数。包括：添加、弹出、移除 。

java 复制代码

// 加入元素
public void push(T obj) {
    heap.add(obj);
    indexMap.put(obj, heapSize);
    heapInsert(heapSize++);
}

// 弹出堆顶元素
public T pop() {
    T ans = heap.get(0);
    swap(0, heapSize - 1);
    indexMap.remove(ans);
    heap.remove(--heapSize);
    heapify(0);
    return ans;
}

// 移除指定元素
public void remove(T obj) {
    T replace = heap.get(heapSize - 1);
    int index = indexMap.get(obj);
    indexMap.remove(obj);
    heap.remove(--heapSize);
    // 移除元素不是最后一个元素
    if (obj != replace) {
        heap.set(index, replace);
        indexMap.put(replace, index);
        // 不确定元素大小，不知道是  上调 还是 下调
        // 两个函数最多执行一个
        resign(replace);
    }
}

// 重排
public void resign(T obj) {
    heapInsert(indexMap.get(obj));
    heapify(indexMap.get(obj));
}

push() 添加元素时，先插入到堆底，再进行 heapInsert 操作进行调整，heapSize++。

pop() 弹出元素时，堆顶元素与最后一个元素交换，heapSize--, 再将堆顶元素 heapfiy 进行调整。

remove() 移除元素时，同样使用最后一个元素进行代替。找到要移除的元素下标，并在反向索引表中移除。当移除元素不是最后一个元素时，替换位置用最后一个元素顶替。因为不确定元素大小，因此不知道需要上调还是下调，两者均调用，但最多只会执行其中一个。

进行上述几个操作时 一定记得更改 反向索引表 里的值哦！

通过以上函数功能的实现，寻找某元素时，不需要先遍历整个数组，可以直接进行增删改查的操作，时间复杂度控制在了 <math xmlns="http://www.w3.org/1998/Math/MathML"> O ( l o g N ) O(log N) </math>O(logN) 以内！

你学会了么？

下篇文章我们继续对 加强堆 做进一步深入的理解，解决 TopK 难题！

~ 点赞 ~ 关注 ~ 不迷路 ~！！！