数据结构 《6》----堆 ( Heap )
Practival Problems:
a. Construct a Huffman code
b. Compute the sum of a large set of floating point numbers
c. Find the million largest of a billion numbers stored on a file
d. Merge many small sorted files into one large sorted file ( this problem arises in implementing a disk-based merge sort algorithm)
摘自: 《编程珠玑》 The Programming Pearls
在上述问题的解决当中,都涉及到如果快速地找出 n 个数中的最小值 这一问题:
堆就是一种能够快速找出最小(大)值的数据结构。
定义:以最小堆为例
1. 一棵完全二叉树
2. 每个节点的值都小于或等于其子节点(如果存在的话)
插入操作:
由于堆是一棵完全二叉树,所以可以采用数组来实现。
如下图,当插入1的时候,必须保证 每一个节点的值小于它的孩子的值 这一性质,
我们首先在堆的尾部插入节点 1, 然后通过 PercolateUp 这个操作,不断让节点上滤,
具体就是与节点的父亲节点比较, 如果小于父亲,则与父亲交换,继续上滤。。。
直到节点的值大于或者等于父亲的值。
复杂度是: O(height) = O(lgN)
ExtractMin()操作:删除最小值
如下图,删除最小值1
首先将堆尾部的节点4 与 节点1交换,然后堆的长度减少1;
再调用 PercolateDown(下滤), 与上滤操作类似,使得节点4不断与它的孩子交换(孩子节点值<本身)
,知道 节点的值 <= 孩子节点的值 这一性质满足。
同样,复杂度是 O(height) = O(lgN).
// copyright @ L.J.SHOU Nov.14, 2013
#include "binary-heap.h"
#include <iostream>
using namespace std; struct Heap
{
int capacity;
int size;
ElementType *element;
}; Heap* Initialize(int max_elements)
{//start from index 1
Heap* q = new struct Heap;
q->element = new ElementType[max_elements + 1];
q->capacity = max_elements;
q->size = 0;
q->element[0] = -0x7FFFFFF;
return q;
} void Destroy(Heap* q)
{
delete [] q->element;
delete q;
} void MakeEmpty(Heap* q)
{
q->size = 0;
} void PercolateUp(Heap* q, int index)
{
int i;
ElementType x;
x = q->element[index];
for(i=index; x < q->element[i/2]; i/=2)
q->element[i] = q->element[i/2];
q->element[i] = x;
} void PercolateDown(Heap* q, int index)
{
int i, child;
ElementType x;
x = q->element[index];
for(i=index; 2*i<=q->size; i=child)
{//find smaller child
child = 2*i;//left child
if(child != q->size && q->element[child+1] < q->element[child])
++ child;
if(x > q->element[child])
q->element[i] = q->element[child];
else
break;
}
q->element[i] = x;
} void Insert(ElementType x, Heap* q)
{//percolate up, if < parent
if(IsFull(q)){
cerr << "Heap* is full" << endl;
return;
}
int i;
for(i = ++q->size; x < q->element[i/2]; i/=2)
q->element[i] = q->element[i/2];
q->element[i] = x;
} ElementType DeleteMin(Heap* q)
{//percolate down, find the smaller one of childen
if(IsEmpty(q)){
cerr << "Heap* is empty" << endl;
return q->element[0];
}
ElementType last, min;
int i, child;
last = q->element[q->size --];
min = q->element[1];
for(i=1; 2*i <= q->size; i = child)
{//find the smaller child
child = 2*i;//left child
if(child != q->size && q->element[child+1] < q->element[child])
++ child;
if(last > q->element[child])
q->element[i] = q->element[child];
else
break;
}
q->element[i] = last;
return min;
} ElementType FindMin(Heap* q)
{
if(IsEmpty(q)){
cerr << "Heap* is empty" << endl;
return q->element[0];
}
else
return q->element[1];
} bool IsEmpty(Heap* q)
{
return (q->size == 0);
} bool IsFull(Heap* q)
{
return (q->size == q->capacity);
} void DecreaseKey(Heap* q, int delta, int index)
{//Percolate up
if(index < 1 || index > q->size){
cerr << "index is out of range" << endl;
return;
}
if(delta < 0){
cerr << "delta must be positive" << endl;
return;
}
q->element[index] -= delta;
PercolateUp(q, index);
} void IncreaseKey(Heap* q, int delta, int index)
{//Percolate down
if(index < 1 || index > q->size){
cerr << "index is out of range" << endl;
return;
}
if(delta < 0)
{
cerr << "delta must be positive" << endl;
return;
}
q->element[index] += delta;
PercolateDown(q, index);
} void Delete(Heap* q, int index)
{//DecreaseKey to infinity, and DeleteMin
DecreaseKey(q, 0x7FFF, index);
DeleteMin(q);
} Heap* BuildHeap(int *element, int length)
{
Heap* q = new struct Heap;
q->element = element;
q->capacity = q->size = length;
for(int i=q->size/2; i>0; --i)
PercolateDown(q, i);
return q;
} int main()
{
int a[]={11,10,9,8,7,6,5,4,3,2,1};
Heap* queue;
queue = BuildHeap(a, sizeof(a)/sizeof(int) - 1);
while(queue->size)
cout << DeleteMin(queue) << " ";
cout << endl;
delete queue;
return 0;
}
数据结构 《6》----堆 ( Heap )的更多相关文章
- 数据结构 - 堆(Heap)
数据结构 - 堆(Heap) 1.堆的定义 堆的形式满足完全二叉树的定义: 若 i < ceil(n/2) ,则节点i为分支节点,否则为叶子节点 叶子节点只可能在最大的两层出现,而最大层次上的叶 ...
- 基本数据结构——堆(Heap)的基本概念及其操作
基本数据结构――堆的基本概念及其操作 小广告:福建安溪一中在线评测系统 Online Judge 在我刚听到堆这个名词的时候,我认为它是一堆东西的集合... 但其实吧它是利用完全二叉树的结构来维护一组 ...
- 数据结构&堆&heap&priority_queue&实现
目录 什么是堆? 大根堆 小根堆 堆的操作 STL queue 什么是堆? 堆是一种数据结构,可以用来实现优先队列 大根堆 大根堆,顾名思义就是根节点最大.我们先用小根堆的建堆过程学习堆的思想. 小根 ...
- python数据结构之堆(heap)
本篇学习内容为堆的性质.python实现插入与删除操作.堆复杂度表.python内置方法生成堆. 区分堆(heap)与栈(stack):堆与二叉树有关,像一堆金字塔型泥沙:而栈像一个直立垃圾桶,一列下 ...
- 算法与数据结构基础 - 堆(Heap)和优先级队列(Priority queue)
堆基础 堆(Heap)是具有这样性质的数据结构:1/完全二叉树 2/所有节点的值大于等于(或小于等于)子节点的值: 图片来源:这里 堆可以用数组存储,插入.删除会触发节点shift_down.shif ...
- 堆heap和栈Stack(百科)
堆heap和栈Stack 在计算机领域,堆栈是一个不容忽视的概念,堆栈是两种数据结构.堆栈都是一种数据项按序排列的数据结构,只能在一端(称为栈顶(top))对数据项进行插入和删除.在单片机应用中,堆栈 ...
- Java中堆(heap)和栈(stack)的区别
简单的说: Java把内存划分成两种:一种是栈内存,一种是堆内存. 在函数中定义的一些基本类型的变量和对象的引用变量都在函数的栈内存中分配. 当在一段代码块定义一个变量时,Java就在栈中为这个变量分 ...
- 数据结构-堆 Java实现
数据结构-堆 Java实现. 实现堆自动增长 /** * 数据结构-堆. 自动增长 * */ public class Heap<T extends Comparable> { priva ...
- 纸上谈兵: 堆 (heap)
纸上谈兵: 堆 (heap) 作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 堆(heap)又被为优先队列(priority ...
- C 数据结构堆
引言 - 数据结构堆 堆结构都很耳熟, 从堆排序到优先级队列, 我们总会看见它的身影. 相关的资料太多了, 堆 - https://zh.wikipedia.org/wiki/%E5%A0%86%E7 ...
随机推荐
- Shader for sprite clipping
Unity3D - Shader for sprite clippinghttp://stackoverflow.com/questions/23165899/unity3d-shader-for-s ...
- 关于C语言和汇编语言相互嵌套调用
1.C嵌套汇编 首先说一下关于GCC编译嵌有汇编语言的c语言吧,GCC编译的汇编语言不是我们上课时学的Intel x86汇编,而是AT&T汇编,两者的区别可以查看<Gcc使用的内嵌汇编语 ...
- Javascript 严格模式详解(转)
一.概述 除了正常运行模式,ECMAscript 5添加了第二种运行模式:"严格模式"(strict mode).顾名思义,这种模式使得Javascript在更严格的条件下运行. ...
- ios基础篇(六)——UITextView的常用方法及技巧
上篇说到了UITextField,我们先来说说UITextView和UITextField的不同: UITextView支持多行输入; UITextFiled只支持单行; UITextView没有pl ...
- [转]z-order引出的问题
在窗口与窗口之间毫无重叠的情况下,根本不需要关心z-order.然而,当窗口之间出现重叠时,系统就需要通过一个标准来确定窗口的显示顺序.这个标准就是z-order.存在多个因素影响一个窗口的z-ord ...
- VSS Plugin配置FAQ(翻译)[转]
前言(译者) 就个人的成长历程来说,刚参加工作用的是 CVS ,前前后后有接近三年的使用体验,从今年开始使用 SVN .总的来说我更喜欢 SVN ,用起来的确很方便,例如在本地源代码文件中加一个空格然 ...
- 如何删除 Ubuntu 上不再使用的旧内核
提问:过去我已经在我的Ubuntu上升级了几次内核.现在我想要删除这些旧的内核镜像来节省我的磁盘空间.如何用最简单的方法删除Ubuntu上先前版本的内核? 在Ubuntu上,有几个方法来升级内核.在U ...
- 胡扯两句——CDQ分治
之前听大神讲过CDQ分治大概是个什么东西,但是一直还没有真正去搞过.今天稍微看了一下,写点自己的理解. 首先CDQ分治有两个条件. 条件1:可以分成两个独立互不影响的问题(这里的"独立&qu ...
- 利用Nginx+Mono+Fastcgi代替IIS对Asp.Net进行反向代理
Nginx的好处相信我不必多说了,它作为一个相当轻量级的开源Web 服务器以及反向代理服务器而深受欢迎.越来越多的公司已经对它产生兴趣,包括我们公司的许多部门,利用它进行负载均衡和资源管理,之前写过一 ...
- S1 :闭包
闭包是指有权访问另一个函数作用域中的变量的函数.创建闭包的常见方式,就是在一个函数内部创建另一个函数,以createComparisonFunction()函数为例 function createCo ...