马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。
您需要 登录 才可以下载或查看,没有账号?立即注册
x
一,树的概念
1,树的概念
树是一种非线性的数据布局,它是由n(n>=0)个有限结点组成一个具有条理关系的集合。
把它叫做树是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的。
有一个特殊的结点,称为根结点,根结点没有前驱结点
除根结点外,别的结点被分成M(M>0)个互不相交的集合
T1、T2、……、Tm,其中每一个集合Ti(1<= i <= m)又是一棵布局与树类似的子树。每棵子树的根结点有且只有一个前驱,可以有0个或多个后继
因此,树是递归定义的
注意:树形布局中,子树之间不能有交集,否则就不是树形布局
2,树的相关概念
3,二叉树的概念
一棵二叉树是结点的一个有限集合,该集合:
1. 或者为空
2. 由一个根结点加上两棵别称为左子树和右子树的二叉树组成
1. 二叉树不存在度大于2的结点
2. 二叉树的子树有左右之分,序次不能颠倒,因此二叉树是有序树
注意:对于任意的二叉树都是由以下几种情况复合而成的:
特殊的二叉树:
1. 满二叉树:一个二叉树,如果每一个层的结点数都达到最大值,则这个二叉树就是满二叉树。也就是 说,如果一个二叉树的层数为K,且结点总数是 ,则它就是满二叉树。
2. 完全二叉树:完全二叉树是服从很高的数据布局,完全二叉树是由满二叉树而引出来的。对于深度为K 的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n的结点一一对 应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。
节点与高度关系
设高度为h,节点个数为N
4,堆的概念
如果有一个关键码的集合K = { , , ,…, },把它的全部元素按完全二叉树的序次存储方式存储 在一个一维数组中,并满足: = 且 >= ) i = 0,1, 2…,则称为小堆(或大堆)。将根结点最大的堆叫做最大堆或大根堆,根结点最小的堆叫做最小堆或小根堆。
物理:数组
逻辑:完全二叉树
堆的性子
堆中某个结点的值总是不大于或不小于其父结点的值;
堆总是一棵完全二叉树。
二,堆的实现
老规矩建立三个文件 Heap.c Heap.h Test.c
1,堆的布局
- typedef int HPDataType;
- typedef struct Heap
- {
- HPDataType* a;
- int size;
- int capacity;
- }HP;
复制代码 2,堆的初始化
void HPInit(HP* php);
- void HPInit(HP* php)
- {
- assert(php);
- php->a = NULL;
- php->capacity = php->size = 0;
- }
复制代码 3,堆的销毁
void HPDestroy(HP* php);
- void HPDestroy(HP* php)
- {
- assert(php);
- free(php->a);
- php->a = NULL;
- php->size = php->capacity = 0;
- }
复制代码 4,数据的交换
void Swap(HPDataType* p1, HPDataType* p2);
- void Swap(HPDataType* p1, HPDataType* p2)
- {
- HPDataType tmp = *p1;
- *p1 = *p2;
- *p2 = tmp;
- }
复制代码 5,向上调整(小堆为例)
void AdjustUp(HPDataType* a, int child);
- void AdjustUp(HPDataType* a, int child)
- {
- // 初始条件
- // 中间过程
- // 结束条件
- int parent = (child - 1) / 2;
- //while (parent >= 0)
- while (child > 0)
- {
- if (a[child] < a[parent])
- {
- Swap(&a[child], &a[parent]);
- child = parent;
- parent = (child - 1) / 2;
- }
- else
- {
- break;
- }
- }
- }
复制代码 条件while (parent >= 0) 不正确,由于child==0时,parent = (child - 1) / 2;是整型还是为0,故可以实现
6,堆的插入
void HPPush(HP* php, HPDataType x);
判断空间是否足够
- if (php->size == php->capacity)
- {
- int newcapacity = php->capacity == 0 ? 4 : php->capacity * 2;
- HPDataType* tmp = (HPDataType*)realloc(php->a, newcapacity * sizeof(HPDataType));
- if (tmp == NULL)
- {
- perror("realloc fail");
- return;
- }
复制代码 插入数据
- php->a = tmp;
- php->capacity = newcapacity;
- }
- php->a[php->size] = x;
- php->size++;
复制代码 调整数据
- AdjustUp(php->a, php->size - 1);
复制代码 总代码
- void HPPush(HP* php, HPDataType x){ assert(php); if (php->size == php->capacity)
- {
- int newcapacity = php->capacity == 0 ? 4 : php->capacity * 2;
- HPDataType* tmp = (HPDataType*)realloc(php->a, newcapacity * sizeof(HPDataType));
- if (tmp == NULL)
- {
- perror("realloc fail");
- return;
- } php->a = tmp;
- php->capacity = newcapacity;
- }
- php->a[php->size] = x;
- php->size++; AdjustUp(php->a, php->size - 1);}
复制代码
7,堆的删除(删除堆顶)
挪动覆盖删除堆顶数据,会导致堆的关系错误
可以将堆顶数据和堆尾数据互换,这样其两个左右子树还是小堆,然后使用向下调节算法
void HPPop(HP* php);
- void HPPop(HP* php)
- {
- assert(php);
- assert(php->size > 0);
- Swap(&php->a[0], &php->a[php->size-1]);
- php->size--;
- AdjustDown(php->a, php->size, 0);
- }
复制代码 8,向下调整(小堆为例)
void AdjustDown(HPDataType* a, int n, int parent);
- void AdjustDown(HPDataType* a, int n, int parent)
- {
- // 先假设左孩子小
- int child = parent * 2 + 1;
- while (child < n) // child >= n说明孩子不存在,调整到叶子了
- {
- // 找出小的那个孩子
- if (child + 1 < n && a[child + 1] < a[child])
- {
- ++child;
- }
- if (a[child] < a[parent])
- {
- Swap(&a[child], &a[parent]);
- parent = child;
- child = parent * 2 + 1;
- }
- else
- {
- break;
- }
- }
- }
复制代码 9,取堆顶数据
HPDataType HPTop(HP* php);
- HPDataType HPTop(HP* php)
- {
- assert(php);
- assert(php->size > 0);
- return php->a[0];
- }
复制代码 10,判断堆是否为空
bool HPEmpty(HP* php);
- bool HPEmpty(HP* php)
- {
- assert(php);
- return php->size == 0;
- }
复制代码 三,堆的应用
使用堆排序
向上调整建堆
- for (int i = 1; i < n; i++)
- {
- AdjustUp(a, i);
- }
复制代码 向下调整建堆
- for (int i = (n-1-1)/2; i >= 0; i--)
- {
- AdjustDown(a, n, i);
- }
复制代码 完备代码
- void HeapSort(int* a, int n){ // 降序,建小堆 // 升序,建大堆 /*for (int i = 1; i < n; i++)
- {
- AdjustUp(a, i);
- }*/ for (int i = (n-1-1)/2; i >= 0; i--)
- {
- AdjustDown(a, n, i);
- } int end = n - 1; while (end > 0) { Swap(&a[0], &a[end]); AdjustDown(a, end, 0); --end; }}
复制代码
不可以用大堆进行降序,因为首先第一个定死了,后面接着用大堆会使关系庞杂
建堆时间复杂度
向下调整
因为堆是完全二叉树,而满二叉树也是完全二叉树,此处为了简化使用满二叉树来证明(时间复杂度原来看的 就是近似值,多几个结点不影响终极效果):
向下调整建堆 O(N)
向上调整
向上调整建堆O(N*logN)
n个数找最大的前K个
方法一
建一个N个数的大堆 O(N)
pop k次 O(K*logN)
方法二
用前k个数 建一个小堆 O(K)
剩下的数跟堆顶数据比较,如果比堆顶数据大,就替换堆顶数据进堆(覆盖跟位置然后向下调整)
O(log K*(N-K))
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。 |