《画解数据结构》九张图画解二叉堆_检索树什么情况下会退化成线性表

最新推荐文章于 2024-07-12 16:16:27 发布

2401_84586417

最新推荐文章于 2024-07-12 16:16:27 发布

阅读量537

点赞数 15

分类专栏： 2024年程序员学习文章标签： python

本文链接：https://blog.csdn.net/2401_84586417/article/details/138232005

版权

2024年程序员学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

本文已收录于专栏

🌳《画解数据结构》🌳

前言

目前本专栏正在进行优惠活动，在博主主页添加博主好友（好友位没有满的话），可以获取 付费专栏优惠券。

在之前的文章 「二叉搜索树」 中，对于 「增」「删」「改」****「查」 的时间复杂度为

O

(

l

o

g

2

n

)

O(log_2n)

O(log2n) ~

O

(

n

)

O(n)

O(n)。原因是最坏情况下，二叉搜索树会退化成 「线性表」 。更加确切地说，树的高度决定了它插入、删除和查找的时间复杂度。
本文，我们就来聊一下一种高度始终能够接近

O

(

l

o

g

2

n

)

O(log_2n)

O(log2n) 的 「树形」 的数据结构，它能够在

O

(

1

)

O(1)

O(1) 的时间内，获得关键字最大（或者最小）的元素。并且能够在

O

(

l

o

g

2

n

)

O(log_2n)

O(log2n) 的时间内执行插入和删除，一般用来做优先队列的实现。它就是：

「二叉堆」

点击我跳转末尾 获取
粉丝专属 《算法和数据结构》源码，以及获取博主的联系方式。

文章目录

前言
一、堆的概念
- 1、概述
二、堆的存储结构
- 1、根结点编号
三、堆的常用接口
- 1、元素比较
四、堆的创建
- 1、算法描述
  - 2、动画演示
  - 3、源码详解
五、堆元素的插入
- 1、算法描述
  - 2、动画演示
  - 3、源码详解
五、堆元素的删除
- 1、算法描述
  - 2、动画演示
  - 3、源码详解
六、获取堆顶元素
- 1、算法描述
  - 2、动画演示
  - 3、源码详解
七、堆的销毁
- 1、算法描述
  - 2、动画演示
  - 3、源码详解

一、堆的概念

1、概述

堆是计算机科学中一类特殊的数据结构的统称。实现有很多，例如：大顶堆，小顶堆，斐波那契堆，左偏堆，斜堆等等。从子结点个数上可以分为二叉堆，N叉堆等等。本文将介绍的是二叉堆。

2、定义

二叉堆本质是一棵完全二叉树，所以每次元素的插入删除都能保证

(

)

O(log_2n)

O(log2n)。根据堆的偏序规则，分为小顶堆和大顶堆。小顶堆，顾名思义，根结点的关键字最小；大顶堆则相反。如图所示，表示的是一个大顶堆。

3、性质

以大顶堆为例，它总是满足下列性质：
1）空树是一个大顶堆；
2）大顶堆中某个结点的关键字 小于等于 其父结点的关键字；
3）大顶堆是一棵完全二叉树。有关完全二叉树的内容，可以参考：画解完全二叉树。
如下图所示，任意一个从叶子结点到根结点的路径总是一个单调不降的序列。

小顶堆只要把上文中的 小于等于 替换成 大于等于 即可。

4、作用

还是以大顶堆为例，堆能够在

(

)

O(1)

O(1) 的时间内，获得关键字最大的元素。并且能够在

(

)

O(log_2n)

O(log2n) 的时间内执行插入和删除。一般用来做优先队列的实现。

二、堆的存储结构

学习堆的过程中，我们能够学到一种新的表示形式。就是：利用数组来表示 链式结构。怎么理解这句话呢？
由于堆本身是一棵完全二叉树，所以我们可以把每个结点，按照层序映射到一个顺序存储的数组中，然后利用每个结点在数组中的下标，来确定结点之间的关系。
如图所示，描述的是堆结点下标和结点之间的关系，结点上的数字代表的是数组下标。从左往右按照层序进行连续递增。

1、根结点编号

根结点的编号，看作者的喜好。可以用 0 或者 1。本文的作者是 C语言出身，所以更倾向于选择 0 作为根结点的编号（因为用 1 作为根结点编号的话，数组的第 0 个元素就浪费了）。
我们可以用一个宏定义来实现它的定义，如下：

#define root 0

2、孩子结点编号

那么，根结点的两个左右子树的编号，就分别为 1 和 2 了。以此类推，按照层序进行编号的话，1 的左右子树编号为 3 和 4；2 的左右子树编号为 5 和 6。
根据数学归纳法，对于编号为

i 的结点，它的左子树编号为

2i+1

2i+1，右子树编号为

2i+2

2i+2。用宏定义实现如下：

#define lson(idx) (2\*idx+1)
#define rson(idx) (2\*idx+2)

由于这里涉及到乘 2，所以我们还可以用左移位运算来优化乘法运算，如下：

#define lson(idx) (idx << 1|1)
#define rson(idx) ((idx + 1) << 1)

3、父结点编号

同样，父结点编号也可以通过数学归纳法得出，当结点编号为

i 时，它的父结点编号为

−

\frac {i-1} {2}

2i−1，利用C语言实现如下：

#define parent(idx) ((idx - 1) / 2)

这里涉及到除 2，可以利用右移运算符进行优化，如下：

#define parent(idx) ((idx - 1) >> 1)

这里利用补码的性质，根结点的父结点得到的值为 -1；

4、数据域

堆数据元素的数据域可以定义两个：关键字和值，其中关键字一般是整数，方便进行比较确定大小关系；值则是用于展示用，可以是任意类型，可以用typedef struct进行定义如下：

typedef struct {
    int key;      // (1)
    void \*any;    // (2)
}DataType;

(

)

(1)

(1) 关键字；

(

)

(2)

(2) 值，定义成一个空指针，可以用来表示任意类型；

5、堆的数据结构

由于堆本质上是一棵完全二叉树，所以将它一一映射到数组后，一定是连续的。我们可以用一个数组来代表一个堆，在C语言中的数组拥有一个固定长度，可以用一个Heap结构体表示如下：

typedef struct {
    DataType \*data;  // (1)
    int size;        // (2)
    int capacity;    // (3)
}Heap;

(

)

(1)

(1) 堆元素所在数组的首地址；

(

)

(2)

(2) 堆元素个数；

(

)

(3)

(3) 堆的最大元素个数；

三、堆的常用接口

1、元素比较

两个堆元素的比较可以采用一个比较函数compareData来完成，比较过程就是对关键字key进行比较的过程，以大顶堆为例：
a. 大于返回 -1，代表需要执行交换；
b. 小于返回 1，代表需要执行交换；
c. 等于返回 0，代表需要执行交换；

int compareData(const DataType\* a, const DataType\* b) {
    if(a->key > b->key) {
        return -1;
    }else if(a->key < b->key) {
        return 1;
    }
    return 0;
}

2、交换元素

交换两个元素的位置，也是堆这种数据结构中很常见的操作，C语言实现也比较简单，如下：

void swap(DataType\* a, DataType\* b) {
    DataType tmp = \*a;
    \*a = \*b;
    \*b = tmp;
}

更加详细的内容，可以参考：《算法零基础100讲》(第16讲) 变量交换算法这篇文章。

3、空判定

空判定是一个查询接口，即询问堆是否是空的，实现如下：

bool HeapIsEmpty(Heap \*heap) {
    return heap->size == 0;
}

4、满判定

满判定是一个查询接口，即询问堆是否是满的，实现如下：

bool heapIsFull(Heap \*heap) {
    return heap->size == heap->capacity;
}

5、上浮操作

对于大顶堆而言，从它叶子结点到根结点的元素关键字一定是单调不降的，如果某个元素出现了比它的父结点大的情况，就需要进行上浮操作。
上浮操作就是对 当前结点 和 父结点 进行比较，如果它的关键字比父结点大（compareData返回-1的情况），将它和父结点进行交换，继续上浮操作；否则，终止上浮操作。
如图所示，代表的是一个关键字为 95 的结点，通过不断上浮，到达根结点的过程。上浮完毕以后，它还是一个大顶堆。

上浮过程的 C语言实现如下：

void heapShiftUp(Heap\* heap, int curr) {               // (1)
    int par = parent(curr);                            // (2)
    while(par >= root) {                               // (3)
        if( compareData( &heap->data[curr], &heap->data[par] ) < 0 ) {
            swap(&heap->data[curr], &heap->data[par]); // (4) 
            curr = par;
            par = parent(curr);
        }else {
            break;                                     // (5) 
        }
    }
}

(

)

(1)

(1) heapShiftUp这个接口是一个内部接口，所以用小写驼峰区分，用于实现对堆中元素进行插入的时候的上浮操作；

(

)

(2)

(2) curr表示需要进行上浮操作的结点在堆中的编号，par表示curr的父结点编号；

(

)

(3)

(3) 如果已经是根结点，则无须进行上浮操作；

(

)

(4)

(4) 子结点的关键字大于父结点的关键字，则执行交换，并且更新新的当前结点和父结点编号；

(

)

(5)

(5) 否则，说明已经正确归位，上浮操作结束，跳出循环；

6、下沉操作

对于大顶堆而言，从它根结点到叶子结点的元素关键字一定是单调不增的，如果某个元素出现了比它的某个子结点小的情况，就需要进行下沉操作。
下沉操作就是对 当前结点 和 关键字相对较小的子结点 进行比较，如果它的关键字比子结点小，将它和这个子结点进行交换，继续下沉操作；否则，终止下沉操作。
如图所示，代表的是一个关键字为 19 的结点，通过不断下沉，到达叶子结点的过程。下沉完毕以后，它还是一个大顶堆。

下沉过程的 C语言实现如下：

void heapShiftDown(Heap\* heap, int curr) {            // (1)
    int son = lson(curr);                             // (2)

    while(son < heap->size) {
        if( rson(curr) < heap->size ) {
            if( compareData( &heap->data[rson(curr)], &heap->data[son] ) < 0 ) {
                son = rson(curr);                     // (3) 
            }        
        }
        if( compareData( &heap->data[son], &heap->data[curr] ) < 0 ) {
            swap(&heap->data[son], &heap->data[curr]); // (4)
            curr = son;
            son = lson(curr);
        }else {
            break;                                     // (5) 
        }
    }
}

(

)

(1)

(1) heapShiftDown这个接口是一个内部接口，所以用小写驼峰区分，用于对堆中元素进行删除的时候的下沉调整；

(

)

(2)

(2) curr表示需要进行下沉操作的结点在堆中的编号，son表示curr的左儿子结点编号；

(

)

(3)

(3) 始终选择关键字更小的子结点；

(

)

(4)

(4) 子结点的值小于父结点，则执行交换；

(

)

(5)

(5) 否则，说明已经正确归位，下沉操作结束，跳出循环；

四、堆的创建

1、算法描述

通过给定的数据集合，创建堆。可以先创建堆数组的内存空间，然后一个一个执行堆的插入操作。插入操作的具体实现，会在下文继续讲解。

2、动画演示

3、源码详解

Heap\* HeapCreate(DataType \*data, int dataSize, int maxSize) {    // (1)
    int i;
    Heap \*h = (Heap \*)malloc( sizeof(Heap) );                    // (2)
    h->data = (DataType \*)malloc( sizeof(DataType) \* maxSize );  // (3)
    h->size = 0;                                                 // (4)
    h->capacity = maxSize;                                       // (5)

    for(i = 0; i < dataSize; ++i) {
        HeapPush(h, data[i]);                                    // (6)
    }
    return h;                                                    // (7)
}

(

)

(1)

(1) 给定一个元素个数为dataSize的数组data，创建一个最大元素个数为maxSize的堆并返回堆的结构体指针；

(

)

(2)

(2) 利用malloc申请堆的结构体的内存；

(

)

(3)

(3) 利用malloc申请存储堆数据的数组的内存空间；

(

)

(4)

(4) 初始化空堆；

(

)

(5)

(5) 初始化堆最大元素个数为maxSize；

(

)

(6)

(6) 遍历数组执行堆的插入操作，插入的具体实现HeapPush接下来会讲到；

(

)

(7)

(7) 最后，返回堆的结构体指针；

五、堆元素的插入

1、算法描述

堆元素的插入过程，就是先将元素插入堆数组的最后一个位置，然后执行上浮操作；

2、动画演示

在这里插入图片描述

3、源码详解

bool HeapPush(Heap\* heap, DataType data) {
    if( heapIsFull(heap) ) {
        return false;                  // (1)
    }
    heap->data[ heap->size++ ] = data; // (2)
    heapShiftUp(heap, heap->size-1);   // (3)
    return true;
}

(

)

(1)

(1) 堆已满，不能进行插入；

(

)

(2)

(2) 插入堆数组的最后一个位置；

(

)

(3)

(3) 对最后一个位置的堆元素执行上浮操作；

五、堆元素的删除

1、算法描述

堆元素的删除，只能对堆顶元素进行操作，可以将数组的最后一个元素放到堆顶，然后对堆顶元素进行下沉操作。

2、动画演示

在这里插入图片描述

3、源码详解

bool HeapPop(Heap \*heap) {
    if(HeapIsEmpty(heap)) {
        return false;                               // (1)
    }
    heap->data[root] = heap->data[ --heap->size ];  // (2)
    heapShiftDown(heap, root);                      // (3)
    return true;
}

(

)

(1)

(1) 堆已空，无法执行删除；

(

)

(2)

(2) 将堆数组的最后一个元素放入堆顶，相当于删除了堆顶元素；

(

)

(3)

(3) 对堆顶元素执行下沉操作；

六、获取堆顶元素

1、算法描述

获取堆顶元素，就是获取了当前所有元素的最值。

2、动画演示

3、源码详解

DataType HeapTop(Heap \*heap) {
    // assert(!HeapIsEmpty(heap));
    return heap->data[root];     // (1)
}

(

)

(1)

(1) 直接获取数组的第一个元素就是答案了。

七、堆的销毁

1、算法描述

销毁时注意释放malloc申请的内存；

2、动画演示

很遗憾，这个没法动图了。

3、源码详解

void HeapFree(Heap \*heap) {
    free(heap->data);
    free(heap);
}

有关 🌳 堆 🌳 的的内容到这里就完全结束了。
有关🌳《画解数据结构》🌳 的源码均开源，链接如下：《画解数据结构》

👇🏻添加博主获取付费专栏优惠券👇🏻

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

在这里插入图片描述

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2401_84586417

关注

15
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
《画解数据结构》九张图画解二叉堆_检索树什么情况下会退化成线性表

目前本专栏正在进行优惠活动，在博主主页添加博主好友（好友位没有满的话），可以获取付费专栏优惠券。在之前的文章「二叉搜索树」中，对于「增」「删」「改」****「查」的时间复杂度为Olog2nO(log_2n)OnO(n)O(n)。原因是最坏情况下，二叉搜索树会退化成「线性表」。更加确切地说，树的高度决定了它插入、删除和查找的时间复杂度。本文，我们就来聊一下一种高度始终能够接近Olog2nO(log_2n)O(log2n) 的。
复制链接

扫一扫