数据结构——堆

目录

堆的基本知识

堆的实现

堆的定义

堆的初始化

堆的销毁

堆的调整

向上调整

向下调整

堆的插入

堆的删除

取堆顶的数据

堆的判空

堆的应用

堆排序

向下调整建堆

向上调整建堆

利用堆删除来排序


堆的基本知识

堆(Heap)是一种特殊的树状数据结构。

主要特性

  • 堆通常是一棵完全二叉树。
  • 堆中的每一个节点必须满足特定顺序要求,以这个要求分出大根堆和小根堆。

大根堆:任何一个父节点的值都大于或等于它的子节点的值。

小根堆:任何一个父节点的值都小于或等于它的子节点的值。

基本操作

  • 插入(Insertion):在堆中添加新元素,同时保持堆的属性。
  • 删除(Deletion):通常指的是删除堆顶元素,然后重新调整堆以保持其属性。
  • 查找堆顶元素(Find Top):在最大堆中找到最大元素,在最小堆中找到最小元素。
  • 堆调整(Heapify):将堆的某一部分重新调整,以恢复堆属性。

应用场景

  1. 优先级队列
  2. 堆排序
  3. 内存管理

实现方式

  • 一般用数组实现

父子节点之间的索引:

1.父节点:i

2.左节点:2 * i + 1

3.右节点 2 * i + 2

4通过子节点i 找父节点 (i - 1)/ 2

堆的实现

堆的定义

cpp 复制代码
typedef int HPDataType;

typedef struct Heap
{
	HPDataType* arr;
	int size;
	int capacity;
}HP;

跟我们定义顺序表类似,一个动态申请的数组、有效数据个数、最大可容纳数据个数。

堆的初始化

将arr置空,将capacity和size置0。

cpp 复制代码
//堆的初始化
void HPInit(HP* php)
{
	assert(php);

	php->arr = NULL;
	php->capacity = php->size = 0;
}

堆的销毁

将动态申请的数组free掉,把capacity和size置0。

cpp 复制代码
// 堆的销毁
void HPDestroy(HP* php)
{
	assert(php);

	free(php->arr);
	php->capacity = php->size = 0;
}

堆的调整

调整算法用于堆的插入和删除后恢复堆的属性,但是用调整算法的前提是堆原本是有序的(大根堆或者小根堆)

向上调整

首先算出parent的索引,parent跟child比较,若child大于parent,则交换,然后更新parent、child,直到child小于等于0或者child小于parent了。

cpp 复制代码
​
void AdjustUp(HPDataType* arr, int child)
{
	assert(arr);

	int parent = (child - 1) / 2;
	while(child > 0)// parent >= 0 是错的 parent = (0 - 1) / 2 == 0
	{
		if (arr[child] > arr[parent])
		{
			//交换
			Swap(&arr[child], &arr[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;;
		}
	}
}

​

注意,循环条件不能用parent >= 0来判断,因为当child = 1,parent = 0时,child = parent后,child = 0,然后parent = (0 - 1) / 2 == 0,达不到理想终止的效果。(虽然最后循环也能停止,因为循环里arr[child] > arr[parent]不成立,break掉了,但是代码还是有问题的,要改正)

向下调整

向下调整与向上调整是类似的,但也有区别。

以大根堆为例,需要先找到左右孩子中较大的一个,再跟父亲比较。

cpp 复制代码
//向下调整
void AdjustDown(HPDataType* arr, int size, int parent)
{
	assert(arr);

	
	int child = 2 * parent + 1;
	
	while (child < size)
	{
		//找两个孩子中较大的孩子 假设法 大的那个是左孩子
		if (child + 1 < size && arr[child] < arr[child + 1])
		{
			child++;
		}

		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);
			parent = child;
			child = 2 * parent + 1;
		}
		else
		{
			break;
		}
	}
}

堆的插入

堆的插入只能尾插,不能随便插入到其他位置。

插入数据后使用向上调整恢复堆的属性。

cpp 复制代码
//检查空间是否足够
void CheckCapacity(HP* php)
{
	assert(php);

	if (php->capacity == php->size)
	{
		int NewCapacity = (php->capacity == 0 ? 4 : 2 * php->capacity);
		HPDataType* tep = (HPDataType*)realloc(php->arr, NewCapacity * sizeof(HPDataType));
		if (tep == NULL)
		{
			perror("realloc fail!");
			return;
		}
		php->arr = tep;
		php->capacity = NewCapacity;
	}
}

// 堆的插入
void HPPush(HP* php, HPDataType x)
{
	assert(php);

	//插入之前检查空间是否足够
	CheckCapacity(php);

	php->arr[php->size++] = x;

	AdjustUp(php->arr, php->size-1);
}

堆的删除

堆的删除是删除堆顶的数据,首先将堆顶数据和最后一个数据交换,让size--,然后使用向下调整算法恢复堆的属性。

cpp 复制代码
// 堆的删除 删除堆顶数据
//堆顶与尾交换 size-- 然后向下调整
void HPPop(HP* php)
{
	assert(php);
	assert(php->size > 0);

	Swap(&php->arr[0], &php->arr[--php->size]);
		
	AdjustDown(php->arr, php->size, 0);
}

取堆顶的数据

注意判断堆不为空就行了。

cpp 复制代码
//取堆顶的数据
HPDataType HPTop(HP* php)
{
	assert(php);
	assert(php->size > 0);

	return php->arr[0];
}

堆的判空

判断size == 0就行。

cpp 复制代码
//堆的判空
bool HPEmpty(HP* php)
{
	assert(php);

	return php->size == 0;
}

堆的应用

堆排序

堆排序主要利用堆的思想进行排序。

步骤:

1.建堆(升序建大堆;降序建小堆

2.利用堆删除的思想来排序。(这也解释了为什么升序要建大堆,因为大堆确定了最大元素在堆顶)

向下调整建堆

从最后一个非叶子节点开始,向上遍历直到根节点,对每个节点进行调整,以确保其满足堆的性质。

步骤

  • 从最后一个非叶子节点开始,该节点的索引为 n/2 - 1,其中 n 是数组的长度。
  • 对每个节点,检查其子节点,如果存在违反堆性质的情况(在最大堆中,子节点大于父节点;在最小堆中,子节点小于父节点),则交换父节点和较大的子节点。
  • 继续这个过程,直到节点满足堆性质或到达根节点。
cpp 复制代码
void AdjustDown(int* arr, int size, int parent)
{
	int child = 2 * parent + 1;

	while (child < size)
	{
		//假设法找出左右孩子中大的那个节点
		if (child + 1 < size && arr[child] < arr[child + 1])
		{
			child++;
		}

		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);

			parent = child;
			child = 2 * parent + 1;
		}
		else
		{
			break;
		}
	}
}
  • 时间复杂度O(n)

向上调整建堆

从第一个内部节点开始,向下遍历直到根节点,对每个节点进行调整。这种方法从底部开始,逐步向上调整节点。

步骤

  • 从第一个内部节点开始,该节点的索引为 n/2,其中 n 是数组的长度。
  • 对每个节点,检查其父节点,如果当前节点违反了堆性质(在最大堆中,当前节点大于父节点;在最小堆中,当前节点小于父节点),则交换它们。
  • 将交换后的节点视为新的当前节点,重复上述过程,直到当前节点满足堆性质或到达根节点。
cpp 复制代码
void AdjustUp(HPDataType* arr, int child)
{
	assert(arr);

	int parent = (child - 1) / 2;
	while(child > 0)// parent >= 0 是错的 parent = (0 - 1) / 2 == 0
	{
		if (arr[child] > arr[parent])
		{
			//交换
			Swap(&arr[child], &arr[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;;
		}
	}
}
  • 时间复杂度O(nlogn)

对比两种建堆方式,我们应当使用向下调整建堆。

利用堆删除来排序

当数组建堆建好后,交换堆顶元素和最后一个元素,缩小堆的范围,向下重新调整堆,重复此过程,直到堆的大小为1,说明数组已经排序好了。

cpp 复制代码
void Swap(int* p1, int* p2)
{
	int tep = *p1;
	*p1 = *p2;
	*p2 = tep;
}


void AdjustDown(int* arr, int size, int parent)
{
	int child = 2 * parent + 1;

	while (child < size)
	{
		//假设法找出左右孩子中大的那个节点
		if (child + 1 < size && arr[child] < arr[child + 1])
		{
			child++;
		}

		if (arr[child] > arr[parent])
		{
			Swap(&arr[child], &arr[parent]);

			parent = child;
			child = 2 * parent + 1;
		}
		else
		{
			break;
		}
	}
}

void HeapSort(int* arr, int size)
{

	//向下建堆 
	//升序 建大堆
	//降序 建小堆
	for (int i = (size - 2) / 2; i >= 0; i--)
	{
		AdjustDown(arr, size, i);//大堆
	}

	int end = size - 1;
	while (end >= 0)
	{
		Swap(&arr[end], &arr[0]);
		AdjustDown(arr, end, 0);
		end--;
	}
}

堆排序的总时间复杂度是 O(n)(构建堆)+ O(nlogn)(堆排序过程),结果是 O(nlogn)。

  • 时间复杂度:最好最坏都是O(nlogn)
  • 空间复杂度:O(1)

拜拜,下期再见😏

摸鱼ing😴✨🎞

相关推荐
jiao_mrswang24 分钟前
leetcode-18-四数之和
算法·leetcode·职场和发展
qystca32 分钟前
洛谷 B3637 最长上升子序列 C语言 记忆化搜索->‘正序‘dp
c语言·开发语言·算法
薯条不要番茄酱33 分钟前
数据结构-8.Java. 七大排序算法(中篇)
java·开发语言·数据结构·后端·算法·排序算法·intellij-idea
今天吃饺子38 分钟前
2024年SCI一区最新改进优化算法——四参数自适应生长优化器,MATLAB代码免费获取...
开发语言·算法·matlab
是阿建吖!39 分钟前
【优选算法】二分查找
c++·算法
王燕龙(大卫)43 分钟前
leetcode 数组中第k个最大元素
算法·leetcode
不去幼儿园2 小时前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
Mr_Xuhhh2 小时前
重生之我在学环境变量
linux·运维·服务器·前端·chrome·算法
盼海3 小时前
排序算法(五)--归并排序
数据结构·算法·排序算法
网易独家音乐人Mike Zhou6 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot