堆和堆排序

1.二叉树的顺序存储
2.堆的性质
3.堆的实现
- [3.1 堆的插入（向上调整算法）](#3.1 堆的插入（向上调整算法）)
- [3.2 堆向下调整算法](#3.2 堆向下调整算法)
- [3.3 堆的创建](#3.3 堆的创建)
- [3.4 堆的删除](#3.4 堆的删除)
- [3.5 全套代码](#3.5 全套代码)
4.堆排序
5.Top-K问题

1.二叉树的顺序存储

顺序存储就是数组存储 ，一般使用数组只适合完全二叉树 ，因为不是完全二叉树会有空间上的浪费。在现实生活中，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.堆的性质

小堆

堆是一棵完全二叉树

堆的父亲节点总是小于孩子节点

根节点最小

大堆

堆是一棵完全二叉树

堆的父亲节点总是大于孩子节点

根节点最大

3.堆的实现

3.1 堆的插入（向上调整算法）

方法：

1.先将元素插入到堆的末尾，即最后一个孩子处

2.插入后如果堆的性质遭到破坏，将新插入节点顺着双亲往上调整

时间复杂度：O（NlogN)

++举例：先插入一个20到堆的末尾，再往上进行调整算法，直到满足堆++

++举例：先插入一个10到堆的末尾，再往上进行调整算法，直到满足堆++

c 复制代码

void Adjustup(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		if (a[child] < a[parent])
		{
			swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

3.2 堆向下调整算法

现在我们给出一个数组，逻辑上看作一棵完全二叉树。我们通过从根节点开始的向下调整算法可以把它调整成一个小堆。

前提：左右子树必须是一个堆，才能调整

时间复杂度：O（N）
int a[]={27,15,19,18,28,34,65,49,25,37};

c 复制代码

void AdjustDown(HPDataType* a, int n, int parent)
{
	//假设法：假设左孩子比右孩子小
	//求左孩子的下标
	int child = parent * 2 + 1;
	while (child<n)
	{
		if (child + 1 < n && a[child] > a[child + 1])//左孩子比右孩子大
		{
			++child;
		}
		
		if (a[child] < a[parent])
		{
			swap(&a[child], &a[parent]);
			parent = child;
			child = 2 * parent + 1;
		}
		else
			break;
	}
}

3.3 堆的创建

下面我们给一个数组，这个数组逻辑上可以看成一棵完全二叉树，但是还不是一个堆，现在我们通过算法，把它构建成一个堆。

根节点左右子树不是堆，我们怎么调整呢？

方法一：向下调整法

我们从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的数，就可以调整成堆

方法二：向上调整算法

我们把数组第一个元素看成是堆，然后利用循环构建堆
int a[]={ 4,2,8,1,5,6,9,7,2,7,9 };

向下调整算法

c 复制代码

for (int i = (n - 1 - 1) / 2; i >= 0; i--)
{
	AdjustDown(a, n, i);
}

向上调整算法

c 复制代码

for (int i = 1; i < n; i++)
{
	Adjustup(a, i);
}

3.4 堆的删除

删除堆是删除堆顶的数据，将堆顶的数据跟最后一个数据交换，然后删除数组最后一个数据，再进行向下调整算法。

3.5 全套代码

c 复制代码

#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
#include <stdbool.h>

typedef int HPDataType;

typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}Heap;

void HPInint(Heap* hph);//初始化
void HPDestroy(Heap* hph);//销毁
void HPPush(Heap* hph, HPDataType x);//插入
void HPPop(Heap* hph);//删除
HPDataType HPTop(Heap* hph);//取堆顶元素
bool HPEmpty(Heap* hph);//判空
int HeapSize(Heap* hp);//求个数

void Adjustup(HPDataType* a, int child);//向上调整算法
void swap(HPDataType* p1, HPDataType* p2);//交换
void AdjustDown(HPDataType* a, int n, int parent);//向下调整算法

#include "Heap.h"

void HPInint(Heap* hph)
{
	assert(hph);
	hph->a = NULL;
	hph->capacity = hph->size = 0;
}

void HPDestroy(Heap* hph)
{
	assert(hph);
	free(hph->a);
	hph->a = NULL;
	hph->capacity = hph->size = 0;
}

void swap(HPDataType* p1, HPDataType* p2)
{
	HPDataType tmp = *p1;
	*p1 = *p2;
	*p2 = tmp;
}

//时间复杂度：NlogN
void Adjustup(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		if (a[child] < a[parent])
		{
			swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}


void AdjustDown(HPDataType* a, int n, int parent)
{
	//求左孩子的下标
	int child = parent * 2 + 1;
	//假设法：
	while (child<n)
	{
		if (child + 1 < n && a[child] > a[child + 1])
		{
			++child;
		}
		if (a[child] < a[parent])
		{
			swap(&a[child], &a[parent]);
			parent = child;
			child = 2 * parent + 1;
		}
		else
			break;
	}
}

void HPPush(Heap* hph, HPDataType x)
{
	assert(hph);
	//扩容
	if (hph->capacity == hph->size)
	{
		int newcapacity = hph->capacity == 0 ? 4 : hph->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(hph->a, sizeof(HPDataType) * newcapacity);
		if (tmp == NULL)
		{
			perror("realloc fail");
			return;
		}
		//扩容成功
		hph->a = tmp;
		hph->capacity = newcapacity;
	}
	hph->a[hph->size] = x;
	hph->size++;

	//向上调整
	Adjustup(hph->a, hph->size - 1);
}

void HPPop(Heap* hph)
{
	assert(hph);
	assert(hph->size > 0);
	swap(&hph->a[0], &hph->a[hph->size - 1]);
	hph->size--;

	//向下调整
	AdjustDown(hph->a, hph->size, 0);
}

HPDataType HPTop(Heap* hph)
{
	assert(hph);
	assert(hph->size > 0);
	return hph->a[0];
}
bool HPEmpty(Heap* hph)
{
	assert(hph);
	return hph->size == 0;
}

int HeapSize(Heap* hph)
{
	assert(hph);
	return hph->size;
}

4.堆排序

堆排序是利用堆积树这种结构所设计的一种排序的算法，它是选择排序的一种。

排升序建大堆

排降序建小堆

时间复杂度：O（Nlog N）

c 复制代码

void HeapSort(int* a, int n)
{
	//建堆
	//升序，建大堆
	降序，建小堆
	
	for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, n, i);
	}
	//建堆完成
	int end = n - 1;
	while (end > 0)
	{
		swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		end--;
	}
}

5.Top-K问题

求数据结合中前k个最大的元素或者最小的元素，一般情况下数据量都比较大。

eg：专业前10名，世界500强等

对于top-k问题，能想到最简单的问题就是排序，但是：如果数据量非常大，排序就不可取了（可能数据都不能一下子全部加载到内存中）。最佳的方式就是用堆来解决

用数据集合中前k个元素建堆
- 前k个最大元素，建小堆
- 前k个最小元素，建大堆
用剩余的N-K个元素一次与堆顶元素相比较，不满足则替换堆顶元素

c 复制代码

void PrintTopK(int* a, int n, int k)
{
	//升序，建大堆
	//降序，建小堆
	
	// 1. 建堆--用a中前k个元素建堆
	for (int i = (k - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, k, i);
	}

	// 2. 将剩余n-k个元素依次与堆顶元素交换，不满则替换
	for (int i = k ; i < n; i++)
	{
		if (a[i] > a[0])
		{
			a[0] = a[i];
			AdjustDown(a, k, 0);
		}
	}

	int end = k - 1;
	while (end > 0)
	{
		swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		end--;
	}
	
	//打印前k个最大的数
	for (int i = 0; i < 5; i++)
		printf("%d ", a[i]);
}

目录

1.二叉树的顺序存储

2.堆的性质

3.堆的实现

3.1 堆的插入（向上调整算法）

3.2 堆向下调整算法

3.3 堆的创建

3.4 堆的删除

3.5 全套代码

4.堆排序

5.Top-K问题