前言
欢迎来到小K的数据结构专栏的第十一小节,本节将为大家带来堆的详解并带来堆题目的讲解(✨当然也为大家准备了完整的源码
)~希望你看完之后,能对你有所帮助,不足请指正!共同学习交流 🐾
目录
-
* * 前言
- 一、满二叉树
- 二、完全二叉树
- 三、_堆
- 四、总结
✨ 在讲堆之前我们先看看满二叉树和完全二叉树~
一、满二叉树
我们先来看看满二叉树的特性:
- 是一颗二叉树
- 每一颗子树要么没有孩子要么有两个孩子
- 叶子结点在同一层
✨ 如下就是一颗满二叉树,少了任何一个叶子结点它就不是(除非直接少了一层–—— >)
![在这里插入图片描述](https://img-
blog.csdnimg.cn/a305ffc072dd4a4e896ed0ab8ad1ab4a.png#pic_center)
✨ 从上图划分的层级关系,我们一眼可以看出:
- 第n层节点数量一定是2(n-1)个,比如第三次就是2的平方,4个节点
- 有m层的满二叉树的节点总数为2m-1个,比方说上图的二叉树节点总数就为23-1=7个
✨ 前面我们讲的树、二叉树、二叉查找树都是用链式结构描述的,那还有没有别的方法?答案是当然有~我们今天就用数组结构来描述!!!
,既然要用数组来描述,那肯定要知道数组下标和树相应层级的对应关系,第一个1个空间表示第一层,第二个两个代表第二层,以此类推…
![在这里插入图片描述](https://img-
blog.csdnimg.cn/1ac95d0f9a3f4a709be18981442ab359.png#pic_center)
✨ 我们就按顺序给满二叉树标号,作为下标,下面我们通过表格来观察一下他们有什么特点:
父 | 左孩子 | 右孩子 |
---|---|---|
0 | 1 | 2 |
1 | 3 | 4 |
2 | 5 | 6 |
… | … | … |
- 根据上图,如果已知父节点下标为n,左孩子下标为2 n+1,右孩子下标为2n+2
- 那么如果已知左孩子下标为m,父节点下标为(m-1)/2,同理已知右孩子,则父节点下标为(m-2)/2
- 又观察得知所有左孩子的下标都是奇数,所有右孩子的下标为偶数且(偶数-1)/2==(偶数-2)/2
- 所以已知孩子下标为m,父节点下标为(m-1)/2
附上下图:
![在这里插入图片描述](https://img-
blog.csdnimg.cn/afb60265454247b590b14fd0746a4756.png#pic_center)
二、完全二叉树
完全二叉树的特性:
- 是一颗二叉树
- 满二叉树从最下一层从右往左删(删除顺序和阅读顺序相反 )
- 同样满足父节点和孩子节点的下标关系: 已知孩子下标为m,父节点下标为(m-1)/2
所以说,满二叉树一定是完全二叉树,完全二叉树不一定是满二叉树
✨ 接下来我们用线性结构来描述一下完全二叉树:
很简单,我们准备一个结构体,里面存一个数组和计算计算数组大小的元素,插入直接按顺序插入
#define MAX 1024
typedef struct three
{
int size;
int all_Binarythree[MAX];
}three;
void init(three* t)
{
//memset(t->all_Binarythree, 0, MAX);
t->size = 0;
}
void insert(three* t, int insertData) {
t->all_Binarythree[t->size++] = insertData;
}
测试结果
![在这里插入图片描述](https://img-
blog.csdnimg.cn/1f07aa3fa6c44123818536c8af81da0c.png#pic_center)
✨ 发现完全吻合,没问题~附上源代码:
![在这里插入图片描述](https://img-
blog.csdnimg.cn/d4db2066b1154d659d8c8a7e1f834d72.png#pic_center)
三、_堆
✨ 堆 :父子之间有序的完全二叉树,如下图就是堆,父节点都小于孩子节点
![在这里插入图片描述](https://img-
blog.csdnimg.cn/7a99a7ae539d4dcf896febd99f197750.png#pic_center)
父大于子 大顶堆 最大堆
父小于子 小顶堆 最小堆
第一步,✨ 堆插入
✨ 堆插入思想:
- 数组方式进入
- 往上(父子)线条上作插入排序
- 先临时保存新数据
- 循环和父节点比较,如果不冲突,循环结束
- 如果冲突,当前位置父节点数据覆盖当前位置
- 临时保存的数据覆盖当前位置
堆插入思想过程
![在这里插入图片描述](https://img-
blog.csdnimg.cn/13f5655b405d4904ab961c80f7255e25.png#pic_center)
✨ 详解代码:
void insert(myHeap* t, int insertData)
{
//需要新开内存
if ((t->size) >= (t->maxSize))
{
//计算新开内存
(t->maxSize) += ((t->maxSize >> 1 > 1) ? (t->maxSize >> 1) : 1);
//新开内存
int* pTemp = (int*)malloc(sizeof(int) * (t->maxSize));
assert(pTemp);
if (t->pRoot)
{
memcpy(pTemp, (t->pRoot), sizeof(int) * (t->size));
free(t->pRoot);
}
t->pRoot = pTemp;
}
//insertData放入动态数组中,元素个数加1
t->pRoot[t->size++] = insertData;
//循环遍历,父子一条线
//当前节点下标
int currentIdx = t->size - 1;
//父节点下标
int partentIdx;
while (1)
{
if (currentIdx <= 0) break;
partentIdx = (currentIdx - 1) / 2;
if ((t->pRoot[currentIdx]) < (t->pRoot[partentIdx]))
t->pRoot[currentIdx] = t->pRoot[partentIdx];
else break;
//循环继续
currentIdx = partentIdx;
}
//覆盖回来
t->pRoot[currentIdx] = insertData;
}
第二步,✨ 堆删除
删除堆顶元素思想:
临时保存堆顶元素
用最后一个元素覆盖堆顶元素
从堆顶开始往下循环
越界循环结束
最小孩子大于最后一个数据结束循环
最小孩子不大于最后一个数据,那就子覆盖父(孩子中最小的接替父节点)
循环结束后,最后一个节点覆盖当前位置
size–
返回堆顶元素
✨ 删除过程如下:
![在这里插入图片描述](https://img-
blog.csdnimg.cn/438f8bf4da6b4f3299f736c263e47e4b.png#pic_center)
代码详解:
int pop(myHeap* t)
{
if (0 == t->size) return -666666;
//1. 临时保存堆顶元素
int delData = t->pRoot[0];
if (1 == t->size)
{
t->size = t->maxSize = 0;
free(t->pRoot);
t->pRoot = NULL;
return delData;
}
//2. 用最后一个元素覆盖堆顶元素
t->pRoot[0] = t->pRoot[t->size - 1];
//3. 从堆顶开始往下循环
//当前点下标
int currentIdx = 0;
//最小孩子下标
int minchildIdx;
while (1)
{
//越界循环结束
if ((currentIdx * 2 + 2) > (t->size-1)) break;
//求最小孩子
//假设左孩子为最小孩子
minchildIdx = currentIdx * 2 + 1;
if (t->pRoot[minchildIdx] > t->pRoot[minchildIdx + 1]) minchildIdx++;
//最小孩子大于最后一个数据结束循环
if (t->pRoot[minchildIdx] > t->pRoot[t->size - 1]) break;
//最小孩子不大于最后一个数据,那就子覆盖父(孩子中最小的接替父节点)
t->pRoot[currentIdx] = t->pRoot[minchildIdx];
//循环
currentIdx = minchildIdx;
}
//4. 循环结束后,最后一个节点覆盖当前位置
t->pRoot[currentIdx] = t->pRoot[t->size - 1];
//5. size--
t->size--;
//6. 返回堆顶元素
return delData;
}
✨ 结果演示 :
![在这里插入图片描述](https://img-
blog.csdnimg.cn/8500400bea0a4fdc8b3b39b873890dc1.png#pic_center)
我们发现删除之后输出就变得有序了,这似乎和我们接下来将要讲的堆排序有点相似
第三步,✨ 堆排序
你猜对了,不是相似~就是
✨堆排序:
- 无序数组用堆插入思想插入
- 用删除堆顶思想删除
![在这里插入图片描述](https://img-
blog.csdnimg.cn/b8c0753ed6894aefa8628d767284c9f1.png#pic_center)
✨ 堆排序代码详解:
void heapSort(int* a, int len)
{
int* pTemp = (int*)malloc(sizeof(int) * len);
assert(pTemp);
myHeap h;
init(&h);
for (int i = 0; i < len; i++)
insert(&h, a[i]);
for (int i = 0; i < len; i++)
pTemp[i] = pop(&h);
memcpy(a, pTemp, sizeof(int)*len);
free(pTemp);
}
✨ 综合代码:
![在这里插入图片描述](https://img-
blog.csdnimg.cn/dea4287d19cd4f41ae4468a53b39069f.png#pic_center)
第四步,✨ 堆排序实际应用,[Leetcode——215. 数组中的第K个最大元素](https://leetcode.cn/problems/kth-
largest-element-in-an-array/)
✨ 题目
给定整数数组
nums
和整数k
,请返回数组中第k
个最大的元素。请注意,你需要找的是数组排序后的第
k
个最大的元素,而不是第k
个不同的元素。你必须设计并实现时间复杂度为
O(n)
的算法解决此问题。
✨ 示例 1:
输入: [3,2,1,5,6,4], k = 2
输出: 5
✨ 示例 2:
输入: [3,2,3,1,2,4,5,5,6], k = 4
输出: 4
✨ 提示:
1 <= k <= nums.length <= 105
-104 <= nums[i] <= 104
我们这里的思路很简单,就是建立一个大顶堆,然后做k-1次删除,堆顶元素就是我们要找的
✨ 这里先放一下官方题解
void maxHeapify(int* a, int i, int heapSize)
{
int left = i * 2 + 1, right = i * 2 + 2, largest = i;
if (left < heapSize && a[left] > a[largest])
largest = left;
if (right < heapSize && a[right] > a[largest])
largest = right;
if (largest != i)
{
int t = a[i];
a[i] = a[largest], a[largest] = t;
maxHeapify(a, largest, heapSize);
}
}
void buildMaxHeap(int* a, int heapSize)
{
for (int i = heapSize / 2; i >= 0; --i)
maxHeapify(a, i, heapSize);
}
int findKthLargest(int* nums, int numsSize, int k)
{
int heapSize = numsSize;
buildMaxHeap(nums, heapSize);
for (int i = numsSize - 1; i >= numsSize - k + 1; --i)
{
int t = nums[0];
nums[0] = nums[i], nums[i] = t;
--heapSize;
maxHeapify(nums, 0, heapSize);
}
return nums[0];
}
✨ 第一个函数是下沉函数,这里就不用和大家多说了把~找到最大的孩子,如果最大的孩子比自己大就交换——大顶堆
✨
第二个函数执行的是循环下沉,保证整个堆都是有序的,这里的i初始值为什么要是heapsize/2
,附上下面的图解给大家看看~具体的证明后面了解到了会补充
![在这里插入图片描述](https://img-
blog.csdnimg.cn/36a4e1426f63483c9d389f672436d6d5.png#pic_center)
我们可以看到我举的每个例子中,从heapsize/2
位置递减循环下沉最后就会有序,当然它也有一个特点,就是没有孩子~当然这个解释说服力不大,后期附上详细的证明
✨ 最后就是执行了K-1
次删除,然后取的堆顶元素
四、总结
本节详细讲解了堆的相关知识,他是最高效的优先级队列。堆通常是一个可以被看做一棵完全二叉树的数组对象。✨下节将为大家带来
AVL
(平衡二叉树)的讲解~
接下来我将给各位同学划分一张学习计划表!
学习计划
那么问题又来了,作为萌新小白,我应该先学什么,再学什么?
既然你都问的这么直白了,我就告诉你,零基础应该从什么开始学起:
阶段一:初级网络安全工程师
接下来我将给大家安排一个为期1个月的网络安全初级计划,当你学完后,你基本可以从事一份网络安全相关的工作,比如渗透测试、Web渗透、安全服务、安全分析等岗位;其中,如果你等保模块学的好,还可以从事等保工程师。
综合薪资区间6k~15k
1、网络安全理论知识(2天)
①了解行业相关背景,前景,确定发展方向。
②学习网络安全相关法律法规。
③网络安全运营的概念。
④等保简介、等保规定、流程和规范。(非常重要)
2、渗透测试基础(1周)
①渗透测试的流程、分类、标准
②信息收集技术:主动/被动信息搜集、Nmap工具、Google Hacking
③漏洞扫描、漏洞利用、原理,利用方法、工具(MSF)、绕过IDS和反病毒侦察
④主机攻防演练:MS17-010、MS08-067、MS10-046、MS12-20等
3、操作系统基础(1周)
①Windows系统常见功能和命令
②Kali Linux系统常见功能和命令
③操作系统安全(系统入侵排查/系统加固基础)
4、计算机网络基础(1周)
①计算机网络基础、协议和架构
②网络通信原理、OSI模型、数据转发流程
③常见协议解析(HTTP、TCP/IP、ARP等)
④网络攻击技术与网络安全防御技术
⑤Web漏洞原理与防御:主动/被动攻击、DDOS攻击、CVE漏洞复现
5、数据库基础操作(2天)
①数据库基础
②SQL语言基础
③数据库安全加固
6、Web渗透(1周)
①HTML、CSS和JavaScript简介
②OWASP Top10
③Web漏洞扫描工具
④Web渗透工具:Nmap、BurpSuite、SQLMap、其他(菜刀、漏扫等)
那么,到此为止,已经耗时1个月左右。你已经成功成为了一名“脚本小子”。那么你还想接着往下探索吗?
阶段二:中级or高级网络安全工程师(看自己能力)
综合薪资区间15k~30k
7、脚本编程学习(4周)
在网络安全领域。是否具备编程能力是“脚本小子”和真正网络安全工程师的本质区别。在实际的渗透测试过程中,面对复杂多变的网络环境,当常用工具不能满足实际需求的时候,往往需要对现有工具进行扩展,或者编写符合我们要求的工具、自动化脚本,这个时候就需要具备一定的编程能力。在分秒必争的CTF竞赛中,想要高效地使用自制的脚本工具来实现各种目的,更是需要拥有编程能力。
零基础入门的同学,我建议选择脚本语言Python/PHP/Go/Java中的一种,对常用库进行编程学习
搭建开发环境和选择IDE,PHP环境推荐Wamp和XAMPP,IDE强烈推荐Sublime;
Python编程学习,学习内容包含:语法、正则、文件、 网络、多线程等常用库,推荐《Python核心编程》,没必要看完
用Python编写漏洞的exp,然后写一个简单的网络爬虫
PHP基本语法学习并书写一个简单的博客系统
熟悉MVC架构,并试着学习一个PHP框架或者Python框架 (可选)
了解Bootstrap的布局或者CSS。
阶段三:顶级网络安全工程师
如果你对网络安全入门感兴趣,那么你需要的话可以点击这里👉网络安全重磅福利:入门&进阶全套282G学习资源包免费分享!
学习资料分享
当然,只给予计划不给予学习资料的行为无异于耍流氓,这里给大家整理了一份【282G】的网络安全工程师从入门到精通的学习资料包,可点击下方二维码链接领取哦。
![](https://img-blog.csdnimg.cn/img_convert/5b08d22b7225205f47e4d31ccea8ee30.jpeg)