zoukankan      html  css  js  c++  java
  • 数据结构之堆Heap

    1. 概述

    堆(也叫优先队列),是一棵完全二叉树,它的特点是父节点的值大于(小于)两个子节点的值(分别称为大顶堆和小顶堆)。它常用于管理算法执行过程中的信息,应用场景包括堆排序,优先队列等。

    2. 堆的基本操作

    堆是一棵完全二叉树,高度为O(lg n),其基本操作至多与树的高度成正比。在介绍堆的基本操作之前,先介绍几个基本术语:

    A:用于表示堆的数组,下标从1开始,一直到n

    PARENT(t):节点t的父节点,即floor(t/2)

    RIGHT(t):节点t的左孩子节点,即:2*t

    LEFT(t):节点t的右孩子节点,即:2*t+1

    HEAP_SIZE(A):堆A当前的元素数目

    下面给出其主要的四个操作(以大顶堆为例):

    2.1 Heapify(A,n,t)

    该操作主要用于维持堆的基本性质。假定以RIGHT(t)和LEFT(t)为根的子树都已经是堆,然后调整以t为根的子树,使之成为堆。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    void Heapify(int A[], int n, int t)
     
    {
     
      int left = LEFT(t);
     
      int right = RIGHT(t);
     
      int max = t;
     
      if(left <= n)     max = A[left] > A[max] ? left : max;
     
      if(right <= n)     max = A[right] > A[max] ? right : max;
     
      if(max != A[t])
     
      {
     
        swap(A, max, t);
     
        Heapify(A, n, max);
     
      }
     
    }

    2.2  BuildHeap(A,n)

    该操作主要是将数组A转化成一个大顶堆。思想是,先找到堆的最后一个非叶子节点(即为第n/2个节点),然后从该节点开始,从后往前逐个调整每个子树,使之称为堆,最终整个数组便是一个堆。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    void BuildHeap(int A[], int n)
     
    {
     
      int i;
     
      for(i = n/2; i<=n; i++)
     
      Heapify(A, n, i);
     
    }

    2.3 GetMaximum(A,n)

    该操作主要是获取堆中最大的元素,同时保持堆的基本性质。堆的最大元素即为第一个元素,将其保存下来,同时将最后一个元素放到A[1]位置,之后从上往下调整A,使之成为一个堆。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    void GetMaximum(int A[], int n)
     
    {
     
      int max = A[1];
     
      A[1] = A[n];
     
      n--;
     
      Heapify(A, n, 1);
     
      return max;
     
    }

    2.4  Insert(A, n, t)

    向堆中添加一个元素t,同时保持堆的性质。算法思想是,将t放到A的最后,然后从该元素开始,自下向上调整,直至A成为一个大顶堆。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    void Insert(int A[], int n, int t)
     
    {
     
      n++;
     
      A[n] = t;
     
      int p = n;
     
      while(p >1 && A[PARENT(p)] < t)
     
      {
     
        A[p] = A[PARENT(p)];
     
        p = PARENT(p);
     
      }
     
      A[p] = t;
     
      return max;
     
    }

    3.  堆的应用

    3.1  堆排序

    堆的最常见应用是堆排序,时间复杂度为O(N lg N)。如果是从小到大排序,用大顶堆;从大到小排序,用小顶堆。

    3.2  在O(n lg k)时间内,将k个排序表合并成一个排序表,n为所有有序表中元素个数。

    【解析】取前100 万个整数,构造成了一棵数组方式存储的具有小顶堆,然后接着依次取下一个整数,如果它大于最小元素亦即堆顶元素,则将其赋予堆顶元素,然后用Heapify调整整个堆,如此下去,则最后留在堆中的100万个整数即为所求 100万个数字。该方法可大大节约内存。

    3.3 一个文件中包含了1亿个随机整数,如何快速的找到最大(小)的100万个数字?(时间复杂度:O(n lg k))

    4. 总结

    堆是一种非常基础但很实用的数据结构,很多复杂算法或者数据结构的基础就是堆,因而,了解和掌握堆这种数据结构显得尤为重要。

    5. 参考资料

    (1)经典算法教程《算法导论》

    ———————————————————————————————

    更多关于数据结构和算法的介绍,请查看:数据结构与算法汇总

    ———————————————————————————————-

    原创文章,转载请注明: 转载自董的博客

    本文链接地址: http://dongxicheng.org/structure/heap/

     
     
  • 相关阅读:
    leetcode 268. Missing Number
    leetcode 189. Rotate Array
    leetcode 118. Pascal's Triangle 、119. Pascal's Triangle II 、120. Triangle
    HDU高精度总结(java大数类)
    一起talk C栗子吧(第八十七回:C语言实例--使用管道进行进程间通信概述)
    iOS敏捷开发之道,经常使用的宏定义总结
    360 网络攻防 hackgame 解题报告(通关)
    打通B/S与C/S !让HTML5 WebSocket与.NET Socket公用同一个服务端!
    数列求和
    指尖上的电商---(11)Windows平台部署SolrCloud
  • 原文地址:https://www.cnblogs.com/KingIceMou/p/7000879.html
Copyright © 2011-2022 走看看