堆的初级理解

不要数手指啦

已于 2024-02-21 16:03:14 修改

阅读量980

点赞数 26

分类专栏：数据结构文章标签：算法数据结构

于 2024-02-21 12:19:14 首次发布

本文链接：https://blog.csdn.net/2301_80841939/article/details/136208406

版权

数据结构专栏收录该内容

11 篇文章 0 订阅

订阅专栏

堆的定义：

堆（Heap）是计算机科学中一类特殊的数据结构，通常被看作是一棵完全二叉树的数组对象，用于实现优先队列。这种数据结构主要属于线性数据结构的范畴，因为它可以看作是一维数组的一种扩展，具有唯一的后继关系。

实现原理：

堆的实现原理主要基于完全二叉树结构和堆属性。以下是堆的实现原理的详细解释：

完全二叉树结构：堆通常使用完全二叉树来表示。完全二叉树是一种特殊的二叉树，除了最后一层外，其他层的节点都是满的，且最后一层的节点都尽可能地靠左排列。这种结构使得堆可以使用数组来高效实现。在数组中，父节点和子节点之间的索引关系很简单：对于任意索引 i 的节点，其左孩子节点的索引是 2i + 1，右孩子节点的索引是 2i + 2，其父节点的索引是 (i - 1) / 2（取整）。
堆属性：堆的关键特性是堆属性，它分为最大堆属性和最小堆属性。对于最大堆，父节点的值总是大于或等于其子节点的值；对于最小堆，父节点的值总是小于或等于其子节点的值。这种属性保证了堆顶元素（即根节点）是整个堆中的最大元素（对于最大堆）或最小元素（对于最小堆）。
堆的调整：当堆中插入或删除元素时，可能需要调整堆的结构以保持堆属性。这通常涉及两个操作：上浮（上滤）和下沉（下滤）。上浮是指将新插入的元素与其父节点进行比较，并根据堆的属性逐级向上调整，直到满足堆的要求。下沉是指将某个节点与其子节点进行比较，并根据堆的属性逐级向下调整，直到满足堆的要求。

通过结合完全二叉树结构和堆属性，堆可以在 O(log n) 的时间复杂度内完成插入、删除和查找最大（或最小）元素等操作，从而实现了高效的数据结构。这使得堆在许多算法和应用程序中都发挥着重要作用，如堆排序、优先队列、Dijkstra 算法等。

上浮和下沉调整：

堆的调整是堆数据结构中的关键操作，它主要用于维护堆的属性，确保堆顶元素始终为最大（对于最大堆）或最小（对于最小堆）。堆的调整主要分为两种：上浮调整和下沉调整。

上浮调整（上滤）：

上浮调整通常发生在向堆中插入新元素时。当新元素插入到堆的末尾时，它可能会破坏堆的属性。为了修复这个问题，我们需要将新元素与其父节点进行比较，并根据堆的属性进行必要的交换。如果新元素大于其父节点（对于最大堆）或小于其父节点（对于最小堆），则交换它们的位置。然后，继续将新元素与其新的父节点进行比较，并重复此过程，直到堆的属性得到满足或新元素到达堆顶。

下沉调整（下滤）：

下沉调整通常发生在从堆中删除元素时，尤其是在删除堆顶元素后。当堆顶元素被删除并替换为最后一个元素时，堆的属性可能会被破坏。为了修复这个问题，我们需要将新的堆顶元素与其子节点进行比较，并根据堆的属性进行必要的交换。如果新的堆顶元素小于其子节点中的任何一个（对于最大堆）或大于其子节点中的任何一个（对于最小堆），则与较大的子节点交换位置。然后，继续将新的堆顶元素与其子节点进行比较，并重复此过程，直到堆的属性得到满足或新的堆顶元素到达叶子节点。

通过上浮调整和下沉调整，我们可以确保堆在插入和删除操作后仍然保持其属性，从而保持堆顶元素为最大或最小。这些调整操作的时间复杂度通常为 O(log n)，其中 n 是堆中元素的数量。这使得堆成为一种高效的数据结构，特别适用于需要频繁插入、删除和查找最大（或最小）元素的应用场景。

最大堆和最小堆：

堆的主要特性是堆中某个结点的值总是不大于或不小于其父结点的值。根据这一特性，堆通常被分为两类：最大堆和最小堆。它们的主要区别在于堆顶元素与其余元素之间的大小关系。

最大堆：

最大堆（Max Heap）是一种特殊的堆，每个父节点的值都大于或等于其子节点的值。这意味着堆顶元素（即根节点）是整个堆中的最大值。最大堆常用于实现优先队列，其中最大元素总是优先出队。最大堆的插入和删除操作可以在 O(log n) 的时间复杂度内完成。

最小堆：

最小堆（Min Heap）则与最大堆相反，每个父节点的值都小于或等于其子节点的值。因此，堆顶元素（即根节点）是整个堆中的最小值。最小堆同样常用于实现优先队列，但此时最小元素总是优先出队。最小堆的插入和删除操作也可以在 O(log n) 的时间复杂度内完成。

总结：

在实际应用中，最大堆和最小堆的选择取决于具体问题的需求。如果需要频繁地查找和删除最大元素，那么最大堆是一个很好的选择；如果需要频繁地查找和删除最小元素，那么最小堆则更为合适。

堆的算法：

堆的算法主要涉及到堆的插入、删除和建堆等操作。以下是这些操作的简要算法描述：

插入操作：

将新元素添加到数组的末尾。
从新元素的父节点开始，如果新元素大于其父节点，则交换它们的位置。
重复上述步骤，直到新元素小于或等于其父节点或到达堆的根节点。

删除操作（通常删除堆顶元素，即最大或最小元素）：

用数组的最后一个元素替换堆顶元素。
从堆顶元素开始，如果其大于其子节点，则与其较大的子节点交换位置。
重复上述步骤，直到堆顶元素小于或等于其子节点或到达叶子节点。

建堆操作（将一个无序数组转化为堆）：

从最后一个非叶子节点开始（对于长度为n的数组，该节点索引为 (n-2)/2 ），向上遍历每个节点。
对于每个节点，执行类似于删除操作的“下沉”过程，确保以该节点为根的子树满足堆的性质。

注意：这些算法的时间复杂度通常为 O(log n)，其中 n 是堆中元素的数量。这使得堆在需要频繁插入、删除和查找最大（或最小）元素的应用中非常高效。

STL：

STL中并没有把heap作为一种容器组件，heap的实现亦需要更低一层的容器组件（诸如list,array,vector）作为其底层机制。Heap是一个类属算法，包含在algorithm头文件中。

相关函数：
1> make_heap();
函数原型是：
void make_heap(first_pointer,end_pointer,compare_function);
第一个参数(first_pointer):是数组或向量的头指针，
第二个参数（end_pointer）是尾指针。
第三个参数(compare_function)是比较函数的名字(缺省的时默认是大跟堆）
作用：把这一段的数组或向量做成一个堆的结构。范围是(first,last)

2>pop_heap();
函数原型：
void pop_heap(first_pointer,end_pointer,compare_function);
第一个参数(first_pointer):是数组或向量的头指针，
第二个参数（end_pointer）是尾指针。
第三个参数(compare_function)是比较函数的名字(缺省的时默认是大跟堆）
作用：pop_heap()不是真的把最大（最小）的元素从堆中弹出来。而是重新排序堆。它把first和last交换，然后将[first,last-1)的数据再做成一个堆。

3>push_heap();
函数原型：void push_heap(first_pointer,end_pointer,compare_function);
第一个参数(first_pointer):是数组或向量的头指针，
第二个参数（end_pointer）是尾指针。
第三个参数(compare_function)是比较函数的名字(缺省的时默认是大跟堆）
作用：push_heap()假设由[first,last-1)是一个有效的堆，然后，再把堆中的新元素加
进来，做成一个堆

4>sort_heap();
函数原型：void sort_heap(first_pointer,end_pointer,compare_function);
第一个参数(first_pointer):是数组或向量的头指针，
第二个参数（end_pointer）是尾指针。
第三个参数(compare_function)是比较函数的名字(缺省的时默认是大跟堆）

作用是sort_heap对[first,last)中的序列进行排序。它假设这个序列是有效堆。（当然,经过排序之后就不是一个有效堆了）