IT评测·应用市场-qidao123.com

标题: 数据结构-堆 [打印本页]

作者: 祗疼妳一个 时间: 2024-12-9 18:54
标题: 数据结构-堆

什么是堆

堆是一种满意以下条件的树：
堆中的每一个节点值都大于等于（或小于等于）子树中全部节点的值。大概说，任意一个节点的值都大于等于（或小于等于）全部子节点的值。
大家可以把堆(最大堆)理解为一个公司,这个公司很公平,谁能力强谁就当老大,不存在弱的人当老大,老大手底下的人一定不会比他强。这样有助于理解后续堆的操作。
!!!特别提示：

很多博客说堆是完全二叉树，其实并非如此，堆不一定是完全二叉树，只是为了方便存储和索引，我们通常用完全二叉树的情势来表示堆，事实上，广为人知的斐波那契堆和二项堆就不是完全二叉树,它们甚至都不是二叉树。
（二叉）堆是一个数组，它可以被看成是一个 近似的完全二叉树。——《算法导论》第三版

大家可以尝试判断下面给出的图是否是堆？

第 1 个和第 2 个是堆。第 1 个是最大堆，每个节点都比子树中全部节点大。第 2 个是最小堆，每个节点都比子树中全部节点小。
第 3 个不是，第三个中，根结点 1 比 2 和 15 小，而 15 却比 3 大，19 比 5 大，不满意堆的性子。
堆的用途

当我们只关心全部数据中的最大值大概最小值，存在多次获取最大值大概最小值，多次插入或删除数据时，就可以使用堆。
有小伙伴大概会想到用有序数组，初始化一个有序数组时间复杂度是 O(nlog(n))，查找最大值大概最小值时间复杂度都是 O(1)，但是，涉及到更新（插入或删除）数据时，时间复杂度为 O(n)，纵然是使用复杂度为 O(log(n)) 的二分法找到要插入大概删除的数据，在移动数据时也需要 O(n) 的时间复杂度。
相对于有序数组而言，堆的主要优势在于插入和删除数据效率较高。 因为堆是基于完全二叉树实现的，所以在插入和删除数据时，只需要在二叉树中上下移动节点，时间复杂度为 O(log(n))，相比有序数组的 O(n)，效率更高。
不外，需要注意的是：Heap 初始化的时间复杂度为 O(n)，而非O(nlogn)。
堆的分类

堆分为 最大堆 和 最小堆。二者的区别在于节点的排序方式。

最大堆：堆中的每一个节点的值都大于等于子树中全部节点的值
最小堆：堆中的每一个节点的值都小于等于子树中全部节点的值

如下图所示，图 1 是最大堆，图 2 是最小堆

堆的存储

之前先容树的时候说过，由于完全二叉树的优秀性子，利用数组存储二叉树即节流空间，又方便索引（若根结点的序号为 1，那么对于树中任意节点 i，其左子节点序号为 2*i，右子节点序号为 2*i+1）。
为了方便存储和索引，（二叉）堆可以用完全二叉树的情势举行存储。存储的方式如下图所示：

堆的操作

堆的更新操作主要包括两种 : 插入元素 和 删除堆顶元素。操作过程需要偏重把握和理解。
在进入正题之前，再重申一遍，堆是一个公平的公司，有能力的人天然会走到与他能力所匹配的位置
插入元素

插入元素，作为一个新入职的员工，初来乍到，这个员工需要从下层做起
1.将要插入的元素放到最后

堆-插入元素-1
有能力的人会逐渐升职加薪，是金子总会发光的！！！
2.从底向上，如果父结点比该元素小，则该节点和父结点交换，直到无法交换

堆-插入元素2

堆-插入元素3
删除堆顶元素

根据堆的性子可知，最大堆的堆顶元素为全部元素中最大的，最小堆的堆顶元素是全部元素中最小的。当我们需要多次查找最大元素大概最小元素的时候，可以利用堆来实现。
删除堆顶元素后，为了保持堆的性子，需要对堆的结构举行调解，我们将这个过程称之为"堆化"，堆化的方法分为两种：

一种是自底向上的堆化，上述的插入元素所使用的就是自底向上的堆化，元素从最底部向上移动。
另一种是自顶向下堆化，元素由最顶部向下移动。在解说删除堆顶元素的方法时，我将阐述这两种操作的过程，大家可以体会一下二者的不同。

自底向上堆化

在堆这个公司中，会出现老大离职的现象，老大离职之后，他的位置就空出来了
起首删除堆顶元素，使得数组中下标为 1 的位置空出。

删除堆顶元素1
那么他的位置由谁来接替呢，固然是他的直接下属了，谁能力强就让谁上呗
比较根结点的左子节点和右子节点，也就是下标为 2,3 的数组元素，将较大的元素填充到根结点(下标为 1)的位置。

删除堆顶元素2
这个时候又空出一个位置了，老例子，谁有能力谁上
一直循环比较空出位置的左右子节点，并将较大者移至空位，直到堆的最底部

删除堆顶元素3
这个时候已经完成了自底向上的堆化，没有元素可以填补空缺了，但是，我们可以看到数组中出现了“气泡”，这会导致存储空间的浪费。接下来我们试试自顶向下堆化。
自顶向下堆化

自顶向下的堆化用一个词形容就是“石沉大海”，那么第一件事情，就是把石头抬起来，从海面扔下去。这个石头就是堆的最后一个元素，我们将最后一个元素移动到堆顶。

删除堆顶元素4
然后开始将这个石头沉入海底，不停与左右子节点的值举行比较，和较大的子节点交换位置，直到无法交换位置。

删除堆顶元素5

删除堆顶元素6
堆的操作总结

插入元素：先将元素放至数组末端，再自底向上堆化，将末端元素上浮
删除堆顶元素：删除堆顶元素，将末端元素放至堆顶，再自顶向下堆化，将堆顶元素下沉。也可以自底向上堆化，只是会产生“气泡”，浪费存储空间。最好接纳自顶向下堆化的方式。

堆排序

堆排序的过程分为两步：

第一步是建堆，将一个无序的数组建立为一个堆
第二步是排序，将堆顶元素取出，然后对剩下的元素举行堆化，反复迭代，直到全部元素被取出为止。

建堆

如果你已经足够了解堆化的过程，那么建堆的过程把握起来就比较容易了。建堆的过程就是一个对全部非叶节点的自顶向下堆化过程。
起主要了解哪些好坏叶节点，最后一个节点的父结点及它之前的元素，都好坏叶节点。也就是说，如果节点个数为 n，那么我们需要对 n/2 到 1 的节点举行自顶向下（沉底）堆化。
具体过程如下图：

建堆1
将初始的无序数组抽象为一棵树，图中的节点个数为 6，所以 4,5,6 节点为叶节点，1,2,3 节点为非叶节点，所以要对 1-3 号节点举行自顶向下（沉底）堆化，注意，顺序是从后往前堆化，从 3 号节点开始，一直到 1 号节点。
3 号节点堆化效果：

建堆1
2 号节点堆化效果：

建堆1
1 号节点堆化效果：

建堆1
至此，数组所对应的树已经成为了一个最大堆，建堆完成！
排序

由于堆顶元素是全部元素中最大的，所以我们重复取出堆顶元素，将这个最大的堆顶元素放至数组末端，并对剩下的元素举行堆化即可。
现在思考两个题目：

删除堆顶元素后需要执行自顶向下（沉底）堆化照旧自底向上（上浮）堆化？
取出的堆顶元素存在哪，新建一个数组存？

先回答第一个题目，我们需要执行自顶向下（沉底）堆化，这个堆化一开始要将末端元素移动至堆顶，这个时候末端的位置就空出来了，由于堆中元素已经减小，这个位置不会再被使用，所以我们可以将取出的元素放在末端。
机警的小伙伴已经发现了，这其实是做了一次交换操作，将堆顶和末端元素变更位置，从而将取出堆顶元素和堆化的第一步(将末端元素放至根结点位置)举行归并。
具体过程如下图所示：
取出第一个元素并堆化：

堆排序1
取出第二个元素并堆化：

堆排序2
取出第三个元素并堆化：

堆排序3
取出第四个元素并堆化：

堆排序4
取出第五个元素并堆化：

堆排序5
取出第六个元素并堆化：

堆排序6
堆排序完成！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 IT评测·应用市场-qidao123.com (https://dis.qidao123.com/)