如何用 JS 实现二叉堆

前言

二叉树(Binary Tree)是一种树形结构,它的特色是每一个节点最多只有两个分支节点,一棵二叉树一般由根节点、分支节点、叶子节点组成,以下图所示。每一个分支节点也经常被称做为一棵子树,而二叉堆是一种特殊的树,它属于彻底二叉树。api

二叉树与二叉堆的关系

在平常工做中会遇到不少数组的操做,好比排序等。那么理解二叉堆的实现对之后的开发效率会有所提高,下面就简单介绍一下什么是二叉树,什么是二叉堆。数组

二叉树特征

  • 根节点:二叉树最顶层的节点
  • 分支节点:除了根节点之外且拥有叶子节点
  • 叶子节点:除了自身,没有其余子节点

在二叉树中,咱们经常还会用父节点和子节点来描述,好比上图中左侧节点 2 为 6 和 3 的父节点,反之 6 和 3 是 2 子节点。函数

二叉树分类

二叉树分为满二叉树(full binary tree)和彻底二叉树(complete binary tree)。ui

  • 满二叉树:一棵深度为 k 且有 2 ^ k - 1个节点的二叉树称为满二叉树
  • 彻底二叉树:彻底二叉树是指最后一层左边是满的,右边可能满也可能不满,而后其他层都是满的二叉树称为彻底二叉树(满二叉树也是一种彻底二叉树)

二叉树结构

从图中咱们能够看出二叉树是从上到下依次排列下来,可想而知能够用一个数组来表示二叉树的结构,从下标 index( 0 - 8 ) 从上到下依次排列。this

  • 二叉树左侧节点表达式 index * 2 + 1。例如:以根节点为例求左侧节点,根节点的下标为0,则左侧节点的序数是1 ,对应数组中的值为1
  • 二叉树右侧节点表达式 index * 2 + 2。例如:以根节点为例求右侧节点,根节点的下标为0,则右侧节点的序数是2 ,对应数组中的值为 8
  • 二叉树叶子节点表达式 序数 >= floor( N / 2 )都是叶子节点(N是数组的长度)。例如:floor( 9 / 2 ) = 4 ,则从下标 4 开始的值都为叶子节点

二叉堆特征

二叉堆是一个彻底二叉树,父节点与子节点要保持固定的序关系,而且每一个节点的左子树和右子树都是一个二叉堆。spa

从上图能够看出blog

  • 图一:每一个父节点大于子节点或等于子节点,知足二叉堆的性质
  • 图二:其中有一个父节点小于子节点则不知足二叉堆性质

二叉堆分类

二叉堆根据排序不一样,能够分为最大堆和最小堆排序

  • 最大堆:根节点的键值是全部堆节点键值中最大者,且每一个父节点的值都比子节点的值大
  • 最小堆:根节点的键值是全部堆节点键值中最小者,且每一个父节点的值都比子节点的值小

如何实现二叉堆

经过上面的讲述想必你们对二叉堆有了必定的理解,那么接下来就是如何实现。以最大堆为例,首先要初始化数组而后经过交换位置造成最大堆。递归

初始化二叉堆

从上面描述,咱们能够知道二叉堆其实就是一个数组,那么初始化就很是简单了。队列

  • class Heap{
  • constructor(arr){
  • this.data = [...arr];
  • this.size = this.data.length;
  • }
  • }

父子节点交换位置

图一中 2 做为父节点小于子节点,很显然不符合最大堆性质。maxHeapify 函数能够把每一个不符合最大堆性质的节点调换位置,从而知足最大堆性质的数组。

调整步骤:

1.调整分支节点 2 的位置(不知足最大堆性质)

2.获取父节点 2 的左右节点 ( 12 , 5 ) ,从 ( 2 , 15 , 5 ) 中进行比较

3.找出最大的节点与父节点进行交换,若是该节点自己为最大节点则中止操做

4.重复 step2 的操做,从 2 , 4 , 7 中找出最大值与 2 作交换(递归)

  • maxHeapify(i) {
  • let max = i;
  • if(i >= this.size){
  • return;
  • }
  • // 当前序号的左节点
  • const l = i * 2 + 1;
  • // 当前须要的右节点
  • const r = i * 2 + 2;
  • // 求当前节点与其左右节点三者中的最大值
  • if(l < this.size && this.data[l] > this.data[max]){
  • max = l;
  • }
  • if(r < this.size && this.data[r] > this.data[max]){
  • max = r;
  • }
  • // 最终max节点是其自己,则已经知足最大堆性质,中止操做
  • if(max === i) {
  • return;
  • }
  • // 父节点与最大值节点作交换
  • const t = this.data[i];
  • this.data[i] = this.data[max];
  • this.data[max] = t;
  • // 递归向下继续执行
  • return this.maxHeapify(max);
  • }

造成最大堆

咱们能够看到,初始化是由一个数组组成,如下图为例很显然并不会知足最大堆的性质,上述 maxHeapify 函数只是对某一个节点做出对调,没法对整个数组进行重构,因此咱们要依次对数组进行递归重构。

1.找到全部分支节点 Math.floor( N / 2 )(不包括叶子节点)

2.将找到的子节点进行 maxHeapify 操做

  • rebuildHeap(){
  • // 叶子节点
  • const L = Math.floor(this.size / 2);
  • for(let i = L - 1; i >= 0; i--){
  • this.maxHeapify(i);
  • }
  • }

生成一个升序的数组

1.swap 函数交换首位位置

2.将最后一个从堆中拿出至关于 size - 1

3.执行 maxHeapify 函数进行根节点比较找出最大值进行交换

4.最终 data 会变成一个升序的数组

  • sort() {
  • for(let i = this.size - 1; i > 0; i--){
  • swap(this.data, 0, i);
  • this.size--;
  • this.maxHeapify(0);
  • }
  • }

插入方法

Insert 函数做为插入节点函数,首先

1.往 data 结尾插入节点

2.由于节点追加,size + 1

3.由于一个父节点拥有 2 个子节点,咱们能够根据这个性质经过 isHeap 函数获取第一个叶子节点,能够经过第一个叶子节点获取新插入的节点,而后进行 3 个值的对比,找出最大值,判断插入的节点。若是跟父节点相同则不进行重构(相等知足二叉堆性质),不然进行 rebuildHeap 重构堆

  • isHeap() {
  • const L = Math.floor(this.size / 2);
  • for (let i = L - 1; i >= 0; i--) {
  • const l = this.data[left(i)] || Number.MIN_SAFE_INTEGER;
  • const r = this.data[right(i)] || Number.MIN_SAFE_INTEGER;
  • const max = Math.max(this.data[i], l, r);
  • if (max !== this.data[i]) {
  • return false;
  • }
  • return true;
  • }
  • }
  • insert(key) {
  • this.data[this.size] = key;
  • this.size++
  • if (this.isHeap()) {
  • return;
  • }
  • this.rebuildHeap();
  • }

删除方法

delete 函数做为删除节点,首先

1.删除传入index的节点

2.由于节点删除,size - 1

3.重复上面插入节点的操做

  • delete(index) {
  • if (index >= this.size) {
  • return;
  • }
  • this.data.splice(index, 1);
  • this.size--;
  • if (this.isHeap()) {
  • return;
  • }
  • this.rebuildHeap();
  • }

完整代码

  • /**
  • * 最大堆
  • */
  • function left(i) {
  • return (i * 2) + 1;
  • }
  • function right(i) {
  • return (i * 2) + 2;
  • }
  • function swap(A, i, j) {
  • const t = A[i];
  • A[i] = A[j];
  • A[j] = t;
  • }
  • class Heap {
  • constructor(arr) {
  • this.data = [...arr];
  • this.size = this.data.length;
  • this.rebuildHeap = this.rebuildHeap.bind(this);
  • this.isHeap = this.isHeap.bind(this);
  • this.sort = this.sort.bind(this);
  • this.insert = this.insert.bind(this);
  • this.delete = this.delete.bind(this);
  • this.maxHeapify = this.maxHeapify.bind(this);
  • }
  • /**
  • * 重构堆,造成最大堆
  • */
  • rebuildHeap() {
  • const L = Math.floor(this.size / 2);
  • for (let i = L - 1; i >= 0; i--) {
  • this.maxHeapify(i);
  • }
  • }
  • isHeap() {
  • const L = Math.floor(this.size / 2);
  • for (let i = L - 1; i >= 0; i--) {
  • const l = this.data[left(i)] || Number.MIN_SAFE_INTEGER;
  • const r = this.data[right(i)] || Number.MIN_SAFE_INTEGER;
  • const max = Math.max(this.data[i], l, r);
  • if (max !== this.data[i]) {
  • return false;
  • }
  • return true;
  • }
  • }
  • sort() {
  • for (let i = this.size - 1; i > 0; i--) {
  • swap(this.data, 0, i);
  • this.size--;
  • this.maxHeapify(0);
  • }
  • }
  • insert(key) {
  • this.data[this.size++] = key;
  • if (this.isHeap()) {
  • return;
  • }
  • this.rebuildHeap();
  • }
  • delete(index) {
  • if (index >= this.size) {
  • return;
  • }
  • this.data.splice(index, 1);
  • this.size--;
  • if (this.isHeap()) {
  • return;
  • }
  • this.rebuildHeap();
  • }
  • /**
  • * 交换父子节点位置,符合最大堆特征
  • * @param {*} i
  • */
  • maxHeapify(i) {
  • let max = i;
  • if (i >= this.size) {
  • return;
  • }
  • // 求左右节点中较大的序号
  • const l = left(i);
  • const r = right(i);
  • if (l < this.size && this.data[l] > this.data[max]) {
  • max = l;
  • }
  • if (r < this.size && this.data[r] > this.data[max]) {
  • max = r;
  • }
  • // 若是当前节点最大,已是最大堆
  • if (max === i) {
  • return;
  • }
  • swap(this.data, i, max);
  • // 递归向下继续执行
  • return this.maxHeapify(max);
  • }
  • }
  • module.exports = Heap;

http://www.ssnd.com.cn 化妆品OEM代加工

示例

相信经过上面的讲述你们对最大堆的实现已经有了必定的理解,咱们能够利用这个来进行排序。

  • const arr = [15, 12, 8, 2, 5, 2, 3, 4, 7];
  • const fun = new Heap(arr);
  • fun.rebuildHeap(); // 造成最大堆的结构
  • fun.sort();// 经过排序,生成一个升序的数组
  • console.log(fun.data) // [2, 2, 3, 4, 5, 7, 8, 12, 15]

 

总结

文章中主要讲述了二叉树、二叉堆的概念,而后经过代码实现二叉堆。咱们能够经过二叉堆来作排序和优先级队列等。

相关文章
相关标签/搜索