一、什么是二叉堆二叉堆Binary Heap是一种特殊的完全二叉树数据结构它满足堆属性Heap Property最大堆Max Heap每个节点的值都大于或等于其子节点的值根节点是最大值。最小堆Min Heap每个节点的值都小于或等于其子节点的值根节点是最小值。二叉堆通常用数组来实现因为完全二叉树的特性使得数组存储非常高效不需要显式指针。二、二叉堆的性质与存储对于一个存储在数组中的二叉堆索引从0开始给定节点索引 i父节点索引parent(i) (i - 1) / 2向下取整左子节点索引left(i) 2 * i 1右子节点索引right(i) 2 * i 2堆的高度为 O(log n)其中 n 是元素个数堆的插入和删除操作时间复杂度为 O(log n)构建堆的时间复杂度为 O(n)三、核心操作与算法1. 上浮Heapify Up / Sift Up当在堆末尾插入新元素时需要将其上浮到正确位置以维持堆属性。// 最大堆的上浮操作 void heapifyUp(int[] heap, int index) { while (index 0) { int parent (index - 1) / 2; if (heap[index] heap[parent]) break; // 交换当前节点与父节点 int temp heap[index]; heap[index] heap[parent]; heap[parent] temp; index parent; } }2. 下沉Heapify Down / Sift Down当删除根节点最大或最小元素时将最后一个元素移到根位置然后将其下沉到正确位置。// 最大堆的下沉操作 void heapifyDown(int[] heap, int index, int size) { while (true) { int left 2 * index 1; int right 2 * index 2; int largest index; if (left size heap[left] heap[largest]) { largest left; } if (right size heap[right] heap[largest]) { largest right; } if (largest index) break; // 交换当前节点与较大子节点 int temp heap[index]; heap[index] heap[largest]; heap[largest] temp; index largest; } }3. 插入操作void insert(int[] heap, int value, int size) { // 将新元素添加到末尾 heap[size] value; // 上浮新元素 heapifyUp(heap, size); }4. 删除根节点提取最大/最小值int extractMax(int[] heap, int size) { if (size 0) throw new IllegalStateException(Heap is empty); int max heap[0]; // 保存根节点值 heap[0] heap[size - 1]; // 将最后一个元素移到根位置 heapifyDown(heap, 0, size - 1); // 下沉根节点 return max; }四、构建堆的两种方法1. 自顶向下构建逐个插入从空堆开始逐个插入元素每次插入后上浮。时间复杂度 O(n log n)。2. 自底向上构建Floyd算法将数组视为完全二叉树从最后一个非叶子节点开始对每个节点执行下沉操作。void buildHeap(int[] arr) { int n arr.length; // 从最后一个非叶子节点开始 for (int i n / 2 - 1; i 0; i--) { heapifyDown(arr, i, n); } }这种方法的时间复杂度为 O(n)更高效。五、二叉堆的应用场景优先队列二叉堆是实现优先队列最常用的数据结构支持 O(log n) 的插入和删除操作。堆排序利用最大堆或最小堆进行排序时间复杂度 O(n log n)。图算法Dijkstra 最短路径算法和 Prim 最小生成树算法中需要优先队列。Top K 问题使用最小堆维护最大的 K 个元素或使用最大堆维护最小的 K 个元素。中位数查找使用两个堆最大堆和最小堆可以在 O(log n) 时间内动态维护中位数。任务调度操作系统中的进程调度、事件驱动模拟等。六、二叉堆的变体与优化二项堆支持合并操作时间复杂度 O(log n)。斐波那契堆支持更快的合并和减小键值操作但实现复杂。配对堆简单高效在许多实际应用中性能优秀。左倾堆支持快速合并的二叉堆变体。七、Java 中的优先队列实现Java 的PriorityQueue类基于二叉堆实现import java.util.PriorityQueue; import java.util.Collections; public class HeapExample { public static void main(String[] args) { // 最小堆默认 PriorityQueueInteger minHeap new PriorityQueue(); minHeap.offer(5); minHeap.offer(2); minHeap.offer(8); System.out.println(Min heap peek: minHeap.peek()); // 2 // 最大堆 PriorityQueueInteger maxHeap new PriorityQueue(Collections.reverseOrder()); maxHeap.offer(5); maxHeap.offer(2); maxHeap.offer(8); System.out.println(Max heap peek: maxHeap.peek()); // 8 // 自定义比较器 PriorityQueueString pq new PriorityQueue( (a, b) - b.length() - a.length() // 按字符串长度降序 ); pq.offer(apple); pq.offer(banana); pq.offer(cherry); System.out.println(Longest string: pq.poll()); // banana } }八、总结二叉堆是一种高效、简单且实用的数据结构特别适合需要频繁获取最大或最小元素的场景。其数组存储方式节省空间核心操作插入、删除、构建的时间复杂度优秀使得它在算法竞赛、系统设计和实际工程中都有广泛应用。理解二叉堆的原理和实现是掌握高级数据结构和算法的重要基础。