算法與數據結構基礎 - 堆(Heap)和優先級隊列(Priority Queue)

時間 2019-11-07

標籤算法數據結構基礎 heap 優先級隊列 priority queue 欄目 Java 简体版

原文原文鏈接

堆基礎css

堆(Heap)是具備這樣性質的數據結構：1/徹底二叉樹 2/全部節點的值大於等於(或小於等於)子節點的值：html

圖片來源：這裏git

堆能夠用數組存儲，插入、刪除會觸發節點shift_down、shift_up操做，時間複雜度O(logn)，可視化構建堆github

堆是優先級隊列(Priority queue)的底層數據結構，較常使用優先級隊列而非直接使用堆處理問題。利用堆的性質能夠方便地獲取極值，例如 LeetCode 題目 215. Kth Largest Element in an Array，時間複雜度O(nlogn)：算法

    //215. Kth Largest Element in an Array
    int findKthLargest(vector<int>& nums, int k) {
        //默認爲大頂堆，等同於 priority_queue<int,vector<int>,less<int>> q;
        priority_queue<int> q(nums.begin(),nums.end());
        for(int i=0;i<k-1;i++) q.pop();
        return q.top();
    }

相關LeetCode題：數組

215. Kth Largest Element in an Array 題解

703. Kth Largest Element in a Stream 題解數據結構

295. Find Median from Data Stream 題解app

將頂部節點一一取出，便可實現堆排序，例如經典的題目 23. Merge k Sorted Lists，用優先級隊列求解時間複雜度爲O(nlogk)，n爲總元素數、k爲list數，可視化堆排序
less

相關LeetCode題：spa

23. Merge k Sorted Lists 題解

自定義優先級

對於優先級隊列，咱們能夠自定義優先級判斷標準，好比按元素頻次、距離、成本等。這時咱們須要自定義優先級隊列的比較方式：

    struct compare{
        bool operator()(const pair<char,int> a,const pair<char,int> b){
            return b.second > a.second;
        }  
    };
    //priority_queue<Type, Container, Functional>
    priority_queue<pair<char,int>,vector<pair<char,int>>,compare> pq;