Wat is een heap en hoe implementeert het een priority queue?

Question

IT Interview Practice · Accepted Answer

Een **binary heap** is een complete binary tree die in een array is opgeslagen en die de **heap property** onderhoudt: in een **min-heap** is elk parent ≤ zijn children, dus het **minimum bevindt zich altijd in de root**. Dit maakt het de standaard implementatie van een **priority queue**.

## Array layout

```text
       1               index: 0  1  2  3  4
      / \              array: [1, 3, 5, 8, 4]
     3   5             parent(i) = (i-1)//2
    / \                left(i)   = 2i+1
   8   4               right(i)  = 2i+2
```

## Operations

```python
import heapq
h = []
heapq.heappush(h, 5)   # O(log n) — bubble up
heapq.heappush(h, 1)
heapq.heappush(h, 3)
smallest = h[0]        # peek min -> O(1)
heapq.heappop(h)       # O(log n) — remove root, sift down -> 1
```

## Complexity

| Operation | Time |
|---|---|
| peek min/max | O(1) |
| push (insert) | O(log n) |
| pop (extract) | O(log n) |
| build heap from n items | O(n) |

## When to use

- **Scheduling** by priority (e.g. OS task schedulers).
- **Dijkstra / Prim** shortest-path and MST algorithms.
- **Top-K** problems and streaming medians.
- **Heap sort** (in-place O(n log n)).

## Waarom het belangrijk is

Een heap geeft je het volgende-meest-belangrijke item instant zonder alles volledig gesorteerd te houden, wat veel goedkoper is dan opnieuw sorteren.

Het is de ruggengraat van priority-driven algorithms en een frequent interview tool voor "k largest/smallest" vragen.

Operation	Time
peek min/max	O(1)
push (insert)	O(log n)
pop (extract)	O(log n)
build heap from n items	O(n)

Array layout

Operations

Complexity

When to use

Waarom het belangrijk is

Gerelateerde vragen