概念
介绍堆之前得说一下二叉树,由于堆的逻辑布局是二叉树,二叉树的树的子集,树只有一个根节点,向下衍生出了很多节点,而且这个节点之间相互没有连接,除非是父子节点,如果有连接了那就是图;如果拥有很多独立不连接的树,如许的数据布局称之为丛林。
如果对树作进一步的限定:每一个节点(包括根节点)最多只有两个子树,那么如许的树叫做二叉树,比如:
这种也是:
二叉树呢又可以分为完全二叉树和满二叉树:
完全二叉树就是每一个节点都有两个子树(子节点),例如:
满二叉树就是除了最后一层,也就是最底下的一层,其他的每层都是完全二叉树,而且最后一层的节点得从左到右存在,下面这种就属于满二叉树:
但是这种就不属于满二叉树:
堆的逻辑数据布局就是使用满二叉树实现的,为什么说是逻辑呢?这是由于我们在实际实现的时候使用的是数组来实现的,原因如下:
如果我们想使用数组来存储下面这个二叉树:
如许对吗?像如许写的话,岂不是没有二叉树的特点了,比如怎么判定左右子树呢?以是我们得从上到下,从左到右的添加进数组。
例如:
如许就可以轻松知道左右子树从而通过数组构建出二叉树了,但是这个数组的中央浪费了不少空间,怎样避免呢?
那就是使用满二叉树。
数组中的恣意一个节点怎么能够得到他的左右子节点和父节点呢?可以通过下面的几个公式:
如果想知道数组arr里面的节点i的左右子节点和父节点:
- 父节点=arr[(i-1)/2]
- 左节点=arr[i*2+1];
- 右节点=arr[i*2+2];
概念说完了,我们接下来可以用这种数据布局来构建一个大堆和小堆,大堆的特点是父节点肯定大于子节点,但是左右节点没有讲求,小堆则相反。
使用巨细堆可以实现topk题目,也就是求出一堆数据中第几大(小)的数是哪一个。也可以实现堆排序。
实现
先实现一个大堆:
然后就得插入数据:
每次插入数据都是插入到数组的最后面,也就是二叉树的最下一层的最右边,此时需要维护大堆的规则,也就是父节点的值大于子节点的值,由于每次插入时都是在最下面,以是如果不符合规则,当前插入的值大于父节点,我们就使用adjustUp函数举行向上调整。如下:
- void Heap::adjustUp()
- {
- int curIndex = _heap.size() - 1;
- while (curIndex > 0)
- {
- int parentIndex = (curIndex - 1) / 2;
- if (_heap[parentIndex] < _heap[curIndex])
- {
- std::swap(_heap[parentIndex], _heap[curIndex]);
- curIndex = parentIndex;
- }
- else
- {
- break;
- }
- }
- }
复制代码 写一下测试跑跑看吧:
- #include "heap.h"
- int main() {
- Heap heap;
- heap.insert(1);
- heap.insert(2);
- heap.insert(3);
- }
复制代码 喔吼!拿不到数组的值,我们要得到堆顶的值,那就写一个吧:
- int Heap::top()
- {
- if (_heap.size() > 0)
- {
- return _heap[0];
- }
-
- }
复制代码 运行得到:
可以看到堆顶的数据3,数组下标0处的数据是3,可以我们在插入的时候,0处一开始插入的是1,但是结果是3,这就说明没有题目。
如果要实现topk题目,我们需要每次都将堆顶的元素给删除了,如果求第3大的数,我们就删除两次,然后此时堆顶的元素就是第3大的数了下面我们来实现删除功能:
在数组中如果直接删除下标0处的元素,在举行调整,如许会需要变动整个数组,效率低下;因此,我们选择将下标0处的元素与最后一个元素交换,然后直接删除最后一个元素,在举行向下调整即可:
- void Heap::pop()
- {
- if (_heap.size() > 0)
- {
- std::swap(_heap[0], _heap[_heap.size() - 1]);
- _heap.pop_back();
- adjustDown();
- }
- }
- void Heap::adjustDown()
- {
- int size = _heap.size();
- int curIndex = 0, leftIndex = 1;
- while (leftIndex < size)
- {
- if (leftIndex + 1 < size && _heap[leftIndex] < _heap[leftIndex + 1])
- {
- leftIndex++;
- }
- if (_heap[curIndex] < _heap[leftIndex])
- {
- std::swap(_heap[curIndex], _heap[leftIndex]);
- curIndex = leftIndex;
- leftIndex = curIndex * 2 + 1;
- }
- else
- {
- break;
- }
- }
-
- }
复制代码 在adjustDown这个函数中,使用leftIndex + 1 < size && _heap[leftIndex] < _heap[leftIndex + 1]来判定左右节点哪一个更大一些,然后用较大值和父节点的值举行比较,如果父节点的值小于子节点的值,那么就要向下调整,也就是需要交换,之后更新当前的父节点和左节点,再次举行判定。
下面举行测试:
结果也没有题目。
然后我们根据这个举行堆排序的编写:
测试代码如下:
- int main() {
- srand((unsigned int)time(NULL));
- std::vector<int> v;
- for (int i = 0; i < 100; i++)
- {
- v.push_back(rand()%100);
- }
- Heap heap;
- heap.sort(v);
- for (auto& e : v)
- {
- std::cout << e << " ";
- }
- }
复制代码
结果也没有题目。
完整代码
- //heap.h
- #pragma once
- #include <vector>
- #include <iostream>
- #include <cassert>
- class Heap {
- public:
- Heap();
- ~Heap();
- void insert(int value);
- void adjustUp();
- int top();
- void pop();
- void adjustDown();
- void sort(std::vector<int>& v);
- private:
- std::vector<int> _heap;
- };
复制代码- //main.c
- #include "heap.h"
- #include <ctime>
- int main() {
- /*Heap heap;
- heap.insert(1);
- heap.insert(2);
- heap.insert(3);
- heap.pop();
- std::cout << heap.top() << std::endl;
- heap.pop();
- std::cout << heap.top() << std::endl;*/
- srand((unsigned int)time(NULL));
- std::vector<int> v;
- for (int i = 0; i < 100; i++)
- {
- v.push_back(rand()%100);
- }
- Heap heap;
- heap.sort(v);
- for (auto& e : v)
- {
- std::cout << e << " ";
- }
- }
复制代码 新人创作不易,你的点赞和关注都是对我莫大的鼓励,再次感谢您的观看。
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。 |