• 优先队列(堆)·二项队列


    一、 定义

    ​ 我们知道,左式堆每次操作的时间界是(O(logN))。二项队列支持合并、插入、删除最小值,每次插入的平均时间为常数时间,而最坏时间是(O(logN))

    ​ 二项队列:

    • 不是一棵堆序的树,而是堆序的树的集合,成为森林
    • 森林的每棵树都是二项树(binomial tree)
    • 每个高度上至多存在一棵二项树。

    二、 结构

    结构图解:

    1. 高度为0的二项树是一棵单节点树,例如B0
    2. 高度为k的二项树(B_k)通过将一棵二项树(B_{k-1})附接到另一棵二项树(B_{k-1})的根上而构成。

    结构描述:如上图

    ​ 二项树(B_{k})由一个带有儿子(B_{0})(B_{1})(B_{2}),…,(B_{k-1})的根组成!高度为k的二项树恰好有(2^k)个节点,而在深度(d)处的节点数是二项系数(inom{k}{n})。如果我们把堆序施加到二项树上并允许任意高度最多一棵二项树,那么就能够用二项树的集合表示任意大小的优先队列。例如大小为13的优先队列可以用森林(B_3)(B_2)(B_0)表示。可以记作1101,它不仅使用二进制表示了13的大小,而且也表达了这样的事实:在上述表示中,(B_3)(B_2)(B_0)出现,而(B_1)没有。

    二项树组成的森林根二进制的关系:

    数字13:森林表示为(B_3)(B_2)(B_0);二进制记录为1101。

    数字10:森林表示为(B_3)(B_1);二进制记录为1010。

    三、 操作

    ​ 二项队列中,最小元可以通过森林中所有的的树的根来找出。由于最多有(logN)棵不同的树,因此找到最小元的时间可以为(O(logN))。如果我们记住最小元,并且在每次操作时更新它,那么可以直接操作最小元,时间为(N)

    3.1、 合并

    ​ 合并两个二项队列在概念上是一个容易的操作。如下合并H1和H2。

    合并图解:

    1. (H_3)是新的二项队列,由于(H_1)没有高度为0的树而(H_2)有,我们让(H_2)中高度为0的树作为(H_3)的一部分。然后将两个高度为1的二项树相加。
    2. (H_1)(H_2)的高度为1的二项树相加,让大的根成为小的根的子树,从而建立高度为2的二项树。
    3. 现在存在3棵高度为2的树,我们将合并其中2棵树,建立高度为3的二项树,这样,就只存在一棵高度为2,一棵高度为3,一棵高度为0的树组成的森林。

    合并分析

    ​ 几乎使用任意合理的实现方法合并2棵树均花费常数时间,而总共存在(O(lonN))棵二项树,因此合并操作的最坏情形时间(O(logN))

    关于时间界(O(logN))

    在N个节点组成的二项队列森林中,每个高度有且只有一棵树,很明显,高度(h = logN),而合并操作本身花费常数时间,总个数(O(logN))。很容得到以上时间界。

    ​ 关于插入,插入其实就是合并一棵高度为0的二项树。关于插入的合并次数,如果元素将要插入的那个优先队列中不存在的最小二项树是(B_i),那么运行时间与((i+1))成正比

    关于插入的时间界:

    为什么是((i+1))的正比呢。假设:那么插入一个元素当作合并一个高度为0的二项树,记作(C_0)

    (i = 1):森林中不存在(B_1),那么最小树则是(B_0),那么只需要合并(B_0)(C_0)就能得到一棵高度为1的树,作为(B_1)

    (i = 2):森林中不存在$B_2 (,那么最小树则是)B_1 (,第一次发生在)B_0(和)C_0(,得到)C_1(。第二次合并发生在)B_1(和)C_1(,得到)B_2$。

    依次类推,我们可以知道(i)就是需要合并的次数。而1是插入时间。得到上述时间描述。

    3.1、 删除最小值(deleteMin)

    ​ 由于我们的二项队列中所有的二项树,均是堆序的。所以我们只需要比较所有树的根节点,就能找到最小值。关键在于,我们删除一棵高度为(k)的树的根节点,那么棵树会降级为多棵树,此时会打乱森林的顺序,我们需要重新整理森林里的树,重新得到二项队列。

    删除图解:

    1. 删除二项队列H3中的最小值12,那么由H3解体得到(H3-2),和原来的高度为0和1的树得到的(H3-2)
    2. 得到2个二项队列:(H3-1)(H3-2)。现在要做的就是将这个队列合并
    3. 根据上文的合并法则,得到(H4)

    删除最小值本质上就是组建二项堆+合并二项堆。所以时间界依然是(O(logN))

    关于这个时间界:

    我们知道只要量级为改变,在大O模型中单纯的加减是不会影响我们对于时间算法的估计的。

    四、 二项队列的实现

    ​ 最重要的操作是deleteMin和merge。deleteMin需要快速找到最小值,因此需要一般树的标准表示方法。该操作还要求各个儿子按照他们的子树的大小排序。

    ​ 合并树是我们需要将一棵树作为另一棵树的儿子被加到另一棵树上。由于这颗心树将是最大的子树,因此,以大小递减的方式保持这些子树是最好的。

    实现方法:

    • 二项树的每一个节点将包含数据、第一个儿子以及右兄弟

    • 二项树中的各个儿子降秩次序排列。

      如图:

    代码地址

    ....

  • 相关阅读:
    Swift中枚举的总结以及使用
    CapsLock Enhancement via AutoHotKey
    计算思维
    计算几何-凸包算法 Python实现与Matlab动画演示
    CapsLock魔改大法——变废为宝实现高效编辑
    Python调用Matlab2014b引擎
    VC++如何利用Matlab2014b的图形引擎进行绘图
    Window中C++进行精确计时的方法
    十四。算法小知识点
    十三。宫水三叶公众号总结
  • 原文地址:https://www.cnblogs.com/dhcao/p/10639652.html
Copyright © 2020-2023  润新知