一、树概念及结构
1.1****树的概念
树是一种 非线性 的数据结构,它是由n(n>=0)个有限结点组成一个具有层次关系的集合。 把它叫做树是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的。
(1)有一个 特殊的结点,称为根结点 ,根节点没有前驱结点
(2)除根节点外, 其余结点被分成M(M>0)个互不相交的集合T1、T2、......、Tm ,其中每 一个集合Ti(1<= i <= m)又是一棵结构与树类似的子树。每棵子树的根结点有且只有一 个前驱,可以有0个或多个后继
(3)因此, 树是递归定义
注意:树形结构中,子树之间不能有交集,否则就不是树形结构
1.2 树的相关概念
节点的度 : 一个节点含有的子树的个数称为该节点的度; 如上图: A 的为 6
叶节点或终端节点 : 度为 0 的节点称为叶节点; 如上图: B 、 C 、 H 、 I... 等节点为叶节点
非终端节点或分支节点 : 度不为 0 的节点; 如上图: D 、 E 、 F 、 G... 等节点为分支节点
双亲节点或父节点 : 若一个节点含有子节点,则这个节点称为其子节点的父节点; 如上图: A 是 B 的父节点
孩子节点或子节点 : 一个节点含有的子树的根节点称为该节点的子节点; 如上图: B 是 A 的孩子节点
兄弟节点 : 具有相同父节点的节点互称为兄弟节点; 如上图: B 、 C 是兄弟节点
树的度 : 一棵树中,最大的节点的度称为树的度; 如上图:树的度为 6
节点的层次 : 从根开始定义起,根为第 1 层,根的子节点为第 2 层,以此类推;
树的高度或深度 : 树中节点的最大层次; 如上图:树的高度为 4
堂兄弟节点 : 双亲在同一层的节点互为堂兄弟;如上图: H 、 I 互为兄弟节点
节点的祖先 : 从根到该节点所经分支上的所有节点;如上图: A 是所有节点的祖先
子孙: 以某节点为根的子树中任一节点都称为该节点的子孙。如上图:所有节点都是 A 的子孙
森林 : 由 m ( m>0 )棵互不相交的树的集合称为森林
1.3****树的表示
树结构相对线性表就比较复杂了,要存储表示起来就比较麻烦了, 既然保存值域,也要保存结点和结点之间的关系 ,实际中树有很多种表示方式如:双亲表示法,孩子表示法、孩子双亲表示法以及孩子兄弟表示法等。我们这里就简单的了解其中最常用的 孩子兄弟表示法 。
cs
typedef int DataType;
struct Node
{
struct Node* _firstChild1; // 第一个孩子结点
struct Node* _pNextBrother; // 指向其下一个兄弟结点
DataType _data; // 结点中的数据域
};
**二 、**二叉树概念及结构
2.1****概念
一棵二叉树是结点的一个有限集合,该集合:
1. 或者为空
2. 由一个根节点加上两棵别称为左子树和右子树的二叉树组成
从上图可以看出:
1. 二叉树不存在度大于2的结点
2. 二叉树的子树有左右之分,次序不能颠倒,因此二叉树是有序树
注意:对于任意的二叉树都是由以下几种情况复合而成的:
2.2****特殊的二叉树
满二叉树 :一个二叉树,如果每一个层的结点数都达到最大值,则这个二叉树就是满二叉树。也就是 说,如果一个二叉树的层数为K ,且结点总数是 ,则它就是满二叉树。
完全二叉树 :完全二叉树是效率很高的数据结构,完全二叉树是由满二叉树而引出来的。对于深度为 K 的,有n 个结点的二叉树,当且仅当其每一个结点都与深度为 K 的满二叉树中编号从 1 至 n 的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。
2.3****二叉树的性质
- 若规定根节点的层数为 1 ,则一棵非空二叉树的 第i层上最多有 2^(i-1) 个结点.
- 若规定根节点的层数为 1 ,则 深度为h的二叉树的最大结点数是2^h-1
- 对任何一棵二叉树 , 如果度为0其叶结点个数为n0 , 度为2的分支结点个数为n1 ,则有 n0=n1 +1
- 若规定根节点的层数为 1 ,具有 n个结点的满二叉树的深度 ,h=log(N+1)
- 对于具有 n 个结点的完全二叉树,如果按照从上至下从左至右的数组顺序对所有节点从 0 开始编号,则对于序号为i 的结点有:
(1) 若i>0,i位置节点的双亲序号:(i-1)/2;i=0,i为根节点编号,无双亲节点
(2)若2i+1<n,左孩子序号:2i+1,若2i+1>=n,则无左孩子
(3)若2i+2<n,右孩子序号:2i+2,若2i+2>=n,则无右孩子
2.4****二叉树的存储结构
二叉树一般可以使用两种结构存储,一种顺序结构,一种链式结构。
1. 顺序存储
顺序结构存储就是使用 数组来存储 ,一般使用数组 只适合表示完全二叉树 ,因为不是完全二叉树会有空间的浪费。而现实中使用中只有 堆 才会使用数组来存储。 二叉树顺序存储在物理上是一个数组,在逻辑上是一颗二叉树。
2. 链式存储
二叉树的链式存储结构是指,用链表来表示一棵二叉树,即用链表来表示元素的逻辑关系。 通常的方法是链表中每个结点由三个域组成,数据域和左右指针域,左右指针分别用来给出该结点左孩子和右孩子所 在的链结点的存储地址 。链式结构又分为二叉链和三叉链。
三、 堆的概念及结构
堆的性质:
(1)堆中某个节点的值总是不大于或不小于其父节点的值;
(2)堆总是一棵完全二叉树。
3.1 堆的实现
3.1.2 堆的基本功能实现
cs
#include<stdio.h>
#include<assert.h>
#include<stdbool.h>
typedef int HPDataType;
typedef struct Heap
{
HPDataType* a;
int size;
int capacity;
}Heap;
// 堆的初始化
void HeapInit(Heap* hp);
// 堆的销毁
void HeapDestory(Heap* hp);
// 堆的插入
void HeapPush(Heap* hp, HPDataType x);
// 堆的删除
void HeapPop(Heap* hp);
// 取堆顶的数据
HPDataType HeapTop(Heap* hp);
// 堆的数据个数
int HeapSize(Heap* hp);
// 堆的判空
bool HeapEmpty(Heap* hp);
3.3.2 堆的创建与销毁
cs
// 堆的初始化
void HeapInit(Heap*hp)
{
assert(hp);
hp-> a=NULL;
hp->size=0;
hp->capacity=0;
}
// 堆的销毁
void HeapDestory(Heap* hp)
{
assert(hp);
free(hp->a);
hp->a = NULL;
hp->size = 0;
hp->capacity = 0;
}
3.3.3 堆的插入与删除
堆的插入:(1)数组的常规插入
(2)将数据向上调整
cs
void swap(HPDataType* x, HPDataType* y)
{
HPDataType tmp = * x;
*x = * y;
*y = tmp;
}
// 堆的插入
void HeapPush(Heap* hp, HPDataType x)
{
assert(hp);
if (hp->size == hp->capacity)
{
int newcapacity = hp->capacity == 0 ? 4 : hp->capacity * 2;
HPDataType* tmp = (HPDataType*)realloc(hp->a, sizeof(HPDataType) * newcapacity);
if (tmp == NULL)
{
perror("realloc fail:");
return;
}
hp->a = tmp;
hp->capacity = newcapacity;
}
hp->a[hp->size] = x;
hp->size++;
int child = hp->size - 1;
int parent = (child - 1) / 2;
//小堆
while (child>0)
{
if (hp->a[parent] > hp->a[child])
{
swap(&hp->a[parent], &hp->a[child]);
}
child = parent;
parent = (child - 1) / 2;
}
}
堆的删除:(1)将首尾交换,删除原根节点
(2)将数据向下调整
cs
// 堆的删除(删除堆顶)
void HeapPop(Heap* hp)
{
assert(hp);
assert(hp->size > 0);
swap(&hp->a[hp->size - 1], &hp->a[0]);
hp->size--;
int parent = 0;
int child = parent * 2 + 1;//左孩子
while (child<hp->size)
{
if (child<hp->size-1&&hp->a[child] > hp->a[child + 1])
{
++child;
}
if (hp->a[parent] > hp->a[child])
{
swap(&hp->a[child], &hp->a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
3.3.4 获取堆顶元素和获取堆的元素个数
cs
// 取堆顶的数据
HPDataType HeapTop(Heap* hp)
{
assert(hp);
return hp->a[0];
}
// 堆的数据个数
int HeapSize(Heap* hp)
{
assert(hp);
return hp->size;
}
3.3.5 堆是否为空
cs
// 堆的判空
bool HeapEmpty(Heap* hp)
{
assert(hp);
return hp->size == 0;
}
3.2 堆的应用
3.2.1 堆排序(时间复杂度O(NlogN))
堆排序分为俩步:
1.在数组上直接建堆
(1)向上调整建堆(时间复杂度为O(NlogN)
cs
for (int i = 1; i < n; i++)
{
AdjustUp(a, i);
}
向上调整建堆的时间复杂度计算:
总的调整次数为T(h)
T(h)= 2^(h-1)*(h-1)+2^(h-2)*(h-2)+......+2^2*2+2^1*1 ①
2*T(h)= 2^(h)*(h-1)+2^(h-1)*(h-2)+......+2^3*2+2^2*1 ②
②****-****①得:
T(h)=2^(h)*(h-1)-(2^(h-1)+......+2^3+2^2+2^1+2^0 )+1
T(h)=2^(h)*(h-1)-(2^h-1)+1
T(h)=2^(h)*(h-1)-2^h+2
T(h)=2^h*(h-2)+2 ③
满二叉树又有高度h与节点N的关系
N=2^h-1->h=log(N+1) 带入 ③
O(N)=(N+1)(log(N+1)-2)+2
O(N)=NlogN
(2)向下调整建堆(O(N))
cs
for (int i = (n - 1 - 1) / 2; i >= 0; i--)
{
AdjustDown(a, n, i);
}
向下调整建堆的时间复杂度计算:
我们从不是叶子的第一个节点(上图中红框标注)开始向下调整,一直到根节点
总的调整次数为T(h)
T(h)= 2^(h-2)*1+2^(h-3)*2+2^(h-4)*3+......+2^1*(h-2)+2^0*(h-1) ①
2*T(h)=2^(h-1)*1+2^(h-2)*2+2^(h-3)*3+......+2^2*(h-2)+2^1*(h-1) ②
②****-****①得:
T(h)=2^(h-1)*1+2^(h-2)+2^(h-3)+......+2^2+2^1-(h-1)
T(h)=(2^(h-1)*1+2^(h-2)+2^(h-3)+......+2^2+2^1+2^0)-h
T(h)=2^h-1-h ③
满二叉树又有高度h与节点N的关系
N=2^h-1->h=log(N+1) 带入 ③
O(N)=N+1-1-log(N-1)
O(N)=N
若升序排列:建大堆
若降序排列:建小堆
注:向下建堆时间复杂度更低且下面排序用的也是向下调整,所以我们一般采用向下建堆,可以只写一个向下调整功能
2. 利用堆删除思想来进行排序(向下调整)(O(NlogN))
(1)将堆顶和堆尾进行互换
(2)将数据向下调整
cs
int end = n - 1;
while(end>0)
{
swap(&a[0], &a[end]);
AdjustDown(a, end, 0);
--end;
}
堆排序完整代码:
cs
void swap(int *x, int *y)
{
int tmp = *x;
*x = *y;
*y = tmp;
}
void AdjustUp(int* a, int child)
{
while (child > 0)
{
int parent = (child - 1) / 2;
if (a[parent] < a[child])
{
swap(&a[parent], &a[child]);
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void AdjustDown(int* a, int size, int parent)
{
int child = parent * 2 + 1;//左孩子
while (child<size)
{
if (child < size - 1 && a[child] < a[child + 1])
{
++child;
}
if (a[parent] < a[child])
{
swap(&a[parent], &a[child]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void HeapSort(int* a, int n)
{
//for (int i = 1; i < n; i++)
//{
// AdjustUp(a, i);
//}
for (int i = (n - 1 - 1) / 2; i >= 0; i--)
{
AdjustDown(a, n, i);
}
int end = n - 1;
while(end>0)
{
swap(&a[0], &a[end]);
AdjustDown(a, end, 0);
--end;
}
}
3.2.2 top-K问题
找一堆数据中最大的k个数据:
(1)建立k个元素的小堆
(2)若是其他数据比堆顶大,则替换,并且向下调整,使大数据都沉到堆底
cs
void AdjustUp(int* a, int child)
{
while (child > 0)
{
int parent = (child - 1) / 2;
if (a[parent] > a[child])
{
swap(&a[parent], &a[child]);
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void AdjustDown(int* a, int size, int parent)
{
int child = parent * 2 + 1;//左孩子
while (child<size)
{
if (child < size - 1 && a[child] >a[child + 1])
{
++child;
}
if (a[parent] > a[child])
{
swap(&a[parent], &a[child]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void CreateDate()
{
int n = 1000;
srand((unsigned int)time(NULL));
FILE* f = fopen("date.txt", "w");
if (f == NULL)
{
perror("fopen error:");
return;
}
for (int i = 0; i < 1000; i++)
{
int x = rand()%1000;
fprintf(f, "%d\n", x);
}
fclose(f);
}
void PrintTopK(char* file, int k)//从文件中找到前最大的k个数据
{
FILE* fout = fopen(file, "r");
if (fout == NULL)
{
perror("fopen fail:");
return;
}
//建k个数据的小堆
int* minheap = (int*)malloc(sizeof(int) * k);
for (int i = 0; i < k; i++)
{
fscanf(fout, "%d", minheap);
AdjustUp(minheap, i);
}
//继续遍历文件数据,大于堆顶,进堆
int x = 0;
while (fscanf(fout, "%d", &x)!=EOF)
{
if (minheap[0] < x)
{
/*if (x > 950)
{
int sss = 0;
}*/
minheap[0]= x;
AdjustDown(minheap, k, 0);
}
;
}
for (int i = 0; i < k; i++)
{
printf("%d ", minheap[i]);
}
}