在数据结构中，队列可以对应我们生活中的排队现象，像买早点排队，上公共汽车排队等。但是有一些情况，我们要优先某些元素，比如：上公共汽车时，虽然在排队，还是要优先老幼病残孕先上车；当有多个电脑向打印机发送打印请求时，一台电脑要打印100页，而其他电脑都是单页打印，此时更合理的做法时，优先打印单页的请求，最后再打印100页的请求。虽然我们都向往公平，在排队时也讲究先来后到，但是在某些特殊的情况下，还是要允许加塞现象的。这就是今天要给大家讲的——优先队列。
优先队列也是队列，那么最基本的两个操作是必须有的，那就是入队和出队操作。我们能想到的几种简单的实现方法有，比如一个简单的链表，入队时就在链表的最后添加元素，那么出队时就要遍历整个链表，找出最小元素，这显然不是一个好的方案。或者我们直接使用AVL平衡二叉树，最小元素就是最左侧的子节点，很容易找到，但是在入队和出队的过程中，涉及到了节点的增加和删除，那么就要进行树的旋转而维持树的平衡，这额外花费了很多开销。那么有没有相对廉价一点的方案呢？这就是二叉堆的方案。
二叉堆
优先队列的实现使用二叉堆是相当普遍的，二叉堆是一棵二叉树，但是是有要求的二叉树，它是一棵完全二叉树。完全二叉树就是树的节点都是从上到下，从左到右去排列的，而且中间不能隔有空节点。我们看下图中的两个例子：
左图中，J节点并没有按照从左到右依次排列，所以不是完全二叉树，而右图中，满足完全二叉树的特点，是一棵完全二叉树。
二叉堆有连个性质，一个是结构性质，一个是堆序性质。我们先来看结构性质，堆是一棵完全二叉树，是非常有规律的。我们可以直接用数组去表示二叉堆，而不使用链的结构，看下图：
数组中第0个元素我们空着不用，第1个元素是根节点，后面的顺序就是按照完全二叉树的顺序去排。通过观察，我们惊奇的发现了如下的规律，数组中第i个元素的左子节点的位置是2i，右子节点的位置是2i+1，父节点的位置是i/2（根节点除外）。我们可以使用数组的结构表示树，而不是使用链的结构，这使得我们在遍历树的时候操作非常简单。但是数组的结构也有一个问题，那就是数组的长度需要预先估算出来，然后随着数组长度的增加我们还要对其进行扩容操作。这就是二叉堆的结构性质，我们可以使用数组去表示。
接下来我们再看看堆序性质，由于我们快速的找到最小元素，那么最小元素我们要放到根节点上。同理，我们考虑到任意子树也是一个二叉堆，那么子树中的最小元素应当在子树的根节点。那么也就是任意节点都应该小于它的后代节点。所以二叉堆的堆序性质就是，对于二叉堆中的任意节点，它的父节点要小于或等于该节点。我们再看下面两个例子：
左图中节点6的父节点是21，小于6，不满足堆序性质，所以左图不是二叉堆。右图满足堆序性质，是二叉堆。
插入
当我们向二叉堆中插入一个新的元素时，为了满足二叉堆从上到下，从左到右的性质，我们先确定插入元素的位置，然后再和该位置的父节点作比较，如果大于父节点，那么是满足二叉堆性质的，直接插入就好了；如果不满足，则需要交换两个元素的位置，交换后再去和父节点作比较，就这样一直递归下去，直到满足二叉堆性质为止，或者交换到了根节点，是二叉堆中的最小元素。还使用上面的例子，比如我们要插入新的元素14，
由于14小于21，需要继续向上调整，
调整到这个位置时，满足了二叉堆的性质，我们把14插入。这样的一个整个过程就做上滤。下面我们编写程序实现这一过程。
/** * 二叉堆 * @param <T> */ public class BinaryHeap<T extends Comparable<T>> { private static final int DEFAULT_CAPACITY = 10; private int currentSize; private T[] array; public BinaryHeap() { this(DEFAULT_CAPACITY); } @SuppressWarnings("unchecked") public BinaryHeap(int defaultCapacity) { this.currentSize = 0; this.array = (T[])new Comparable[defaultCapacity]; } /** * 二叉堆是否为空 * @return */ public boolean isEmpty() { return this.currentSize == 0; } /** * 使二叉堆为空 */ @SuppressWarnings("unchecked") public void makeEmpty() { this.currentSize = 0; this.array = (T[])new Comparable[DEFAULT_CAPACITY]; } /** * 扩展数组 * @param newSize 扩展数组大小 */ @SuppressWarnings("unchecked") private void enlargeArray(int newSize) { if (newSize < this.array.length) { throw new RuntimeException("扩展数组小于原始数组"); } T[] tmpArray = (T[])new Comparable[newSize]; System.arraycopy(this.array,0,tmpArray,0,this.array.length); this.array = tmpArray; } /** * 二叉堆插入元素 * @param element 插入元素 */ public void insert(T element) { if (currentSize == this.array.length-1) { enlargeArray(this.array.length * 2 - 1); } int hole = ++currentSize; for (this.array[0] = element;element.compareTo(this.array[hole/2]) < 0;hole /= 2) { this.array[hole] = this.array[hole/2]; } this.array[hole] = element; } } 由于二叉堆中的元素是可比较的，所以我们定义了泛型，必须实现了Comparable接口。然后我们定义数组array，和数组的初始长度DEFAULT_CAPACITY。最后再定义二叉堆当前的节点数currentSize。两个构造函数和isEmpty、makeEmpty方法比较简单，这里不做过多介绍了。接下来我们看一下数据扩容的方法enlargeArray，先比较一下新的长度和数组当前长度，如果小于，则抛出异常。然后就是创建新数据，数据复制，替换老数据。
接下来我们重点看一下insert方法，先判断currentSize和数组长度-1，这里为什么要减1呢？因为数据的第0个元素是不用的，二叉堆的根节点在第1个元素。如果相等，说明数组已经用尽，需要扩容，扩容的时候也是采用2倍扩容，这里减1还是因为不用根节点。然后先确定空穴的位置，hole=++currentSize，下面的for循环，就是上滤的过程，也是这一段的精华。大家在实现的时候，可能都会和父元素作比较，然后进行交换，这种方法没有问题，但是交换两个元素要用3行代码来完成，先把第一个变量赋值给临时变量，再把第二个变量赋值给第一个变量，最后把临时变量赋值给第二个变量。而这里只使用了1行代码，这就是使用空穴位置的好处。在for循环中，将新元素赋值给第0个元素，这里使用第0个元素是有用处的，我们接着看，然后新元素和父节点作比较，父节点的下标是hole/2，这个在前面介绍过，如果小于，当前空穴位置的值就是父节点的值，然后处理空穴的位置，就是父节点的位置，hole /=2。如果这样一直到了根节点，也就是hole=1的时候，父节点是不存在的，但是程序中写的是hole/2，那么就是第0个元素，第0个元素就是新插入的元素，等于是自己和自己比较，是相等的，所以就跳出了循环。最后把空元素的值赋给空穴位置。这里我们巧妙的使用第0个元素，实现了根节点的比较，使得跳出循环。
删除最小值
删除最小值，就是我们的出队操作，由于我们使用二叉堆，所以最小值就在根节点，删除之后，在根节点产生了一个空穴，我们把二叉堆的最后一个元素，也就是currentSize的元素放到空穴位置，再和两个子节点的最小元素作比较，如果大于，则交换两个元素，空穴位置下移，直到满足二叉堆的性质为止。这个过程叫下滤。
删除根节点13后，产生一个空穴，同时，整个数组长度减1，我们用最后一个元素31，和空穴的最小子节点14作比较，31大于14，所以交换位置，如下：
继续比较，31大于最小子节点21，空穴位置下移，
最后，31小于子节点32，那么31就放在空穴位置，满足了二叉堆的性质，整个下滤过程结束。我们用代码实现一下，
/** * 取出最小值 * @return 根元素 */ public T deleteMin() { if (isEmpty()) { throw new RuntimeException("二叉堆为空"); } T minItem = this.array[1]; this.array[1] = this.array[currentSize--]; perlocateDown(1); return minItem; } /** * 下滤过程 * @param hole */ private void perlocateDown(int hole) { int child; T tmp = this.array[hole]; for (;hole * 2 <= currentSize;hole=child) { child = hole * 2; if (child != currentSize && this.array[child].compareTo(this.array[child+1]) > 0) { child += 1; } if (this.array[child].compareTo(tmp) < 0) { this.array[hole] = this.array[child]; } else { break; } } this.array[hole] = tmp; } deleteMin方法很简单，就是取根节点元素，将最后一个元素赋值给根节点，节点个数减1，然后调用下滤方法。我们重点要看的就是下滤方法，入参是空穴的位置，传入的是1，也就是根节点的位置，我们将值赋给临时变量，这里根节点的值是二叉堆的最后一个元素。接下来我们进入循环，循环成立的条件是空穴位置有子节点，hole*2 <= currentSize。那么左子节点的位置是hole*2，右子节点是hole*2+1。这里我们特殊处理的是空穴是不是只有一个子节点，只有一个子节点的情况只会发生在二叉堆的最后的位置，如果hole*2 == currentSize，说明后只有一个子节点，而且只能是左子节点，这样，我们就能够找出hole的最小子节点了，判断的逻辑是：如果hole*2 == currentSize，那么hole只有一个左子节点，最小子节点就是hole*2；其他情况就需要比较左右子节点，谁小就用谁。这就是我们for循环中第一个if处的逻辑。后面的逻辑就比较简单了，如果hole的值大于最小子节点，就进行交换，hole下移，等于最小子节点的位置，直到跳出循环。最后将临时值赋给空穴位置。这就是整个的删除和下滤的过程。
构建二叉堆
最重点的插入和删除方法我们已经讲完了，那么如果给我们一个数组，我们怎么去构建一个二叉堆呢？我们还是要从二叉堆的性质入手，也就是结构性质和堆序性质。结构性质比较容易我们将第0个元素空着就可以了，那么堆序性质怎么解决呢？由于上面我们已经将下滤过程抽象成了一个方法，这也就不难实现了。我们先将最小的子树，通过下滤方法变成二叉堆，最小的子树的节点就是树中倒数第二层的节点，倒数第二层的节点中，有的节点有子节点，有的节点没有子节点，没有子节点的不用下滤，那么怎么找到有子节点的节点呢？我们之前有个变量currentSize，这是最后一个节点的位置，它的父节点是currentSize/2，也是最后一个有子节点的节点，然后我们向前循环，每个节点执行一遍下滤方法，直到根节点下滤完，那么整棵树就是一个二叉堆了。我们实现一下，
/** * 构建二叉堆 * @param items */ @SuppressWarnings("unchecked") public BinaryHeap(T[] items) { this.currentSize = items.length; this.array = (T[])new Comparable[this.currentSize * 2 +1]; int i = 1; for (T item: items) { this.array[i++] = item; } buildHeap(); } /** * 构建二叉堆 */ private void buildHeap() { for (int i = this.currentSize / 2;i>0;i--) { perlocateDown(i); } } 实现起来很简单，这里注意一下循环的时候，条件是i>0，不是大于等于，因为第0个元素是不用的。
总结
好了，到这里二叉堆就介绍完了，它是实现优先队列最基本的方法，有问题的小伙伴欢迎评论区留言~~
![[python] Python异步编程库asyncio使用指北](http://www.itfaba.com/wp-content/themes/kemi/timthumb.php?src=http://www.itfaba.com/wp-content/uploads/2024/11/20241123_6741d630e4a63.jpg&w=218&h=124&zc=1)
