最全【开卷数据结构】还不会实现堆吗？图文并茂深入理解堆，2024年最新原理+实战讲解

最新推荐文章于 2024-09-09 15:48:17 发布

沉默的王二

最新推荐文章于 2024-09-09 15:48:17 发布

阅读量691

点赞数 9

分类专栏：程序员文章标签：数据结构

本文链接：https://blog.csdn.net/2301_76379606/article/details/138549980

版权

程序员专栏收录该内容

184 篇文章 1 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

🌺最大堆与最小堆

🍁最大堆与最小堆的定义

Q：什么是最大堆

**A：**最大堆是指在树中，如果一个结点有儿子结点，其关键字值都不小于其儿子节点的关键字值。最大堆是一棵完全而二叉树，也是一颗最大树。

Q：什么是最小堆

**A：**最小堆是指在树中，如果一个结点有儿子结点，其关键字值都不大于其儿子节点的关键字值。最小堆是一棵完全而二叉树，也是一颗最小树。

**注意：**最小树的根结点的关键字是树中元素最小的，而最大树的根结点是树中关键字值最大的。

可以发现，最大堆和最小堆十分相似，下文中我们就只研究最大堆。

当我们把最大堆看成抽象数据型时，它非常的简单，仅有以下3个操作：

创建空堆
把新元素插入堆中
从队中删除最大元素

🌺最大堆的操作

🍁最大堆的创建

由于堆是一个完全二叉树，可以使用数组存储来表示。我们可以这样来创建最大堆

💬 代码演示
#define MAX_ELEMENTS 200                        //最大堆大小+1
#define HEAP_FULL(n) (n==MAX_ELEMENTS-1)
#define HEAP_EMPTY(n) (!n)
typedef struct{
	int key;
}element;
element heap[MAX_ELEMENTS];
int n=0;
🍁最大堆的插入

🔺算法分析

最大堆的插入操作可以简单看成是“结点上浮”。当我们在向最大堆中插入一个结点时，我们必须满足完全二叉树的标准，那么被插入结点的位置的是固定的。而且要满足父结点关键字值不小于子结点关键字值，那么我们就需要去移动父结点和子结点的相互位置关系。

可以参考下面的图示进行理解

💬 代码演示

**1）**首先检查堆是否满，如果不满，设 i 等于新堆的大小（n+1）。

**2）**使用 while 循环从最大堆的新叶子结点开始，沿着根结点的路径走。

**3）**一直到根结点或者位置 i ，使其父结点 i/2 的值不小于要插入的值。
void insert_max_heap(element item ,int *n){
	//将数插入当前大小为 n 的最大堆中
    if(HEAP_FULL(*n)){
      return;
    }
    int i = ++(*n);
    while((i != 1) && (item.key>heap[i/2].key)){
      heap[i] = heap[i/2];
      i/=2;
    }
    heap[i]=item;
}
🍁最大堆的删除

🔺算法分析

最大堆的删除操作，总是从堆的根结点删除元素。同样根元素被删除之后为了能够保证该树还是一个完全二叉树，我们需要来移动完全二叉树的最后一个结点，让其继续符合完全二叉树的定义，从这里可以看作是最大堆最后一个结点的下沉。

可以参考下面的图示进行理解

现在看来该二叉树虽然是一个完全二叉树，但是它并不符合最大堆的相关定义。我们要在删除完成之后，该完全二叉树依然是最大堆。因此就需要我们来做一些相关的操作。

💬 代码演示

**1）**首先删除最大堆的根结点
**2）**根结点被删除之后，为了能够保证该树还是一个完全二叉树，我们应该移动完全二叉树的最后一个结点，让其继续符合完全二叉树的定义。这里可以看作是最大堆最后一个结点的下沉
**3）**该二叉树虽然是一个完全二叉树，但是它并不符合最大堆的相关定义，我们在左右结点中选择大的一方和下沉的结点比较，令大的一方上浮。
**4）**重复步骤 3 ，直到到达叶子结点。
element delete_max_heap(int *n){
	int parent, child;
	element temp, item;
	temp = heap[--*n];
	item = heap[1];
	parent = 1,child=2;
	for(;child <= *n; child = child * 2)
	{
		if( (child < *n) && heap[child].key < heap[child+1].key)
		{// 这一步是为了看当前结点是左子结点大还是右子结点大，然后选择较大的那个子结点
        	child++;
    	}
    	if(temp.key >= heap[child].key)
		{
    		break;
        }
    	heap[parent] = heap[child];//这就是上图中第二步和第三步中黄色部分操作
    	arent = child;// 这其实就是一个递归操作，让parent指向当前子树的根结点
   }
	heap[parent] = temp;
	return item;
}