• 堆的基本操作


      我们期望的数据结构能支持插入操作,并能方便地从中取出具有最小或最大关键码的记录,这样的数据结构即为优先级队列。在优先级队列的各种实现中,堆是最高效的一种数据结构。
      最小堆:任一结点的关键码均小于或等于它的左右子女的关键码,位于堆顶的结点的关键码是整个元素集合的最小的,所以称它为最小堆。最大堆类似定义。

      创建堆:采用从下向上逐步调整形成堆得方法来创建堆。为下面的分支结点调用下调算法siftDown,将以它们为根的子树调整为最小堆。从局部到整体,将最小堆逐步扩大,直到将整个树调整为最小堆。

      插入一个元素:最小堆的插入算法调用了另一种堆得调整方法siftUp,实现自下而上的上滑调整。因为每次新结点总是插在已经建成的最小堆后面,这时必须遵守与sift相反的比较路径,从下向上,与父结点的关键码进行比较,对调。

      删除一个元素:从最小堆删除具有最小关键码记录的操作时将最小堆的堆顶元素,即其完全二叉树的顺序表示的第0号元素删去,去把这个元素取走后,一般以堆得最后一个结点填补取走的堆顶元素,并将堆的实际元素个数减1.但是用最后一个元素取代堆顶元素将破坏堆,需要调用siftDown算法进行调整堆。

    本文代码均以最小堆的实现为例。

    #include<iostream>
    #include
    <assert.h>
    usingnamespace std;

    constint maxheapsize=100;
    staticint currentsize=0;

    //从上到下调整堆
    void siftDown(int* heap,int currentPos,int m)
    {
    int i=currentPos;
    int j=currentPos*2+1;//i's leftChild
    int temp=heap[i];
    while(j<=m)
    {
    if(j<m&&heap[j]>heap[j+1]) j++;// j points to minChild
    if(temp<=heap[j]) break;
    else
    {
    heap[i]
    =heap[j];
    i
    =j;
    j
    =2*i+1;
    }
    }
    heap[i]
    =temp;
    }

    //从下向上调整堆
    void siftUp(int* heap, int start)
    {
    int i=start,j=(i-1)/2;
    int temp=heap[i];

    while(i>0)
    {
    if(heap[j]>temp)
    {
    heap[i]
    =heap[j];
    i
    =j;
    j
    =(i-1)/2;
    }
    elsebreak;
    }
    heap[i]
    =temp;
    }

    //构建堆
    int* Heap(int*arr, int size)
    {
    int i;
    currentsize
    =size;
    int* heap =newint[maxheapsize];
    assert(heap
    !=NULL);
    for(i=0;i<currentsize;i++) heap[i]=arr[i];
    int currentPos=(currentsize-2)/2;
    while(currentPos>=0)
    {
    siftDown(heap,currentPos,currentsize
    -1);
    currentPos
    --;
    }
    return heap;
    }


    //增加一个元素
    void insert(int* heap,int value)
    {
    if(currentsize>=maxheapsize)
    {
    cout
    <<"Heap is full!"<<endl;
    return ;
    }
    heap[currentsize]
    =value;
    siftUp(heap,currentsize);
    currentsize
    ++;
    }

    //删除一个元素,并返回删除前的堆顶元素
    int removemin(int* heap)
    {
    assert(currentsize
    >=0);
    int removeValue=heap[0];
    heap[
    0]=heap[currentsize-1];
    currentsize
    --;
    siftDown(heap,
    0,currentsize-1);
    return removeValue;
    }

    int main()
    {
    constint size=10;
    int arr[size]={2,1,3,0,8,1,6,9,7,10};
    int* heap=Heap(arr,size);
    //堆排序
    for(int i=0;i<size;i++)
    {
    arr[i]
    =removemin(heap);
    cout
    <<arr[i]<<endl;
    }
    delete []heap;
    return0;
     
     
     

    }

    面试百度时,遇到的一个面试题:
    如何建堆,以及建堆的复杂度是多少?证明之。
    复杂度为O(n),不要凭空想象,因为凭空想象第一感觉是n*logn的,但是显然是不准确的。
    具体证明参考算法导论,第六章 77页。
  • 相关阅读:
    前端PC人脸识别登录
    html2canvas 轮播保存每个图片内容
    基于Element的下拉框,多选框的封装
    聊聊 HTTPS
    从 rails 窥探 web 全栈开发(零)
    理解 Angular 服务
    Vue3 与依赖注入
    一次 HTTP 请求就需要一次 TCP 连接吗?
    GO 语言入门(一)
    读 Angular 代码风格指南
  • 原文地址:https://www.cnblogs.com/coser/p/1984780.html
Copyright © 2020-2023  润新知