堆与优先队列

最新推荐文章于 2024-02-09 17:14:04 发布

Sparrowhero

最新推荐文章于 2024-02-09 17:14:04 发布

阅读量345

点赞数 2

本文链接：https://blog.csdn.net/Sparrowhero/article/details/104707131

版权

堆与优先队列

堆

一、概念特性

–以最小堆为例

最小堆是一个关键码序列(数组)，第i个元素K_i,满足
- K_i<=K_2i+1
- K_i<=K_2i+2
可以用完全二叉树来表示最小堆，即逻辑结构上来看，堆实际上是一种树形结构

二、堆的定义

template class<T>
class MinHeap{
private 
 T* heapArray; // 存放堆数据的数组
 int CurrentSize; // 当前堆中元素数目
 int MaxSize; // 堆所能容纳的最大元素数目 
 void BuildHeap(); // 建堆
public:
 MinHeap(const int n)； // 构造函数,n为最大元素数目
 virtual ~MinHeap(){delete []heapArray;}; // 析构函数
 int leftchild(int pos) const; // 返回左孩子位置
 int rightchild(int pos) const; // 返回右孩子位置
 int parent(int pos) const; // 返回父结点位置
 bool Remove(int pos, T& node); // 删除给定下标的元素
 bool Insert(const T& newNode)； // 向堆中插入新元素newNode
 T& RemoveMin()； // 从堆顶删除最小值
 void SiftUp(int position); // 从position向上开始调整，使序列成为堆
 void SiftDown(int left)； // 筛选法函数，参数left表示开始处理,使其成为堆
｝

三、筛选法使数组(完全二叉树)成为堆

–注意这里仅仅是对某一个位置的元素进行位置的调整，整个数组的调整还需要用一个循环

从position位置向下筛选

将position记为i，并将其数据存放至temp中，
找到结点i的两个子节点中较小的数j，
判断j是否还在数组中(j与maxsize比较)，在则将较小的数赋值给父结点，不在数组则5
令i=j，j=2*j+1，向下继续2

将1中方储存的temp中的值放到i结点中

void MinHeap<T>::SiftDown(int position) {
 int i = position; // 标识父结点
 int j = 2*i+1; // 标识关键值较小的子结点
 T temp = heapArray[i]; // 保存父结点
 while (j < CurrentSize) {
  if((j < CurrentSize-1)&&(heapArray[j] > heapArray[j+1]))
    j++; // j指向数值较小的子结点
  if (temp > heapArray[j]) {
    heapArray[i] = heapArray[j];
    i = j;
    j = 2*j + 1; // 向下继续
    }
   else break;
 } 
 heapArray[i]=temp;
}

从position向上调整

同SiftDown类似，

template<class T>
void MinHeap<T>::SiftUp(int position) {
 // 从position向上开始调整，使序列成为堆
 int temppos=position;
 // 不是父子结点直接swap
 T temp=heapArray[temppos];
 while((temppos>0) && (heapArray[parent(temppos)] > temp)) {
   heapArray[temppos]=heapArray[parent(temppos)];
    temppos=parent(temppos);
  }
 heapArray[temppos]=temp;// 找到最终位置
}

四、最小堆的建立、插入和删除元素

建立

将n个数(关键码)放入数组中，用完全二叉树显示
所有叶结点本身就是堆，

主要从倒数第二层最右端(i=[n/2]-1)开始用siftDown()函数依次调整，直到整个完全二叉树为一个最小堆

template<class T>
void MinHeap<T>:BuildHeap()
{
 int i=CurrentSize/2-1;
 for(;i>=0;i--)
  SiftDown(i);//SiftDown()函数只对某一位置进行调整，使其满足最小堆的要求，要使整个数组为最小堆，要用一个循环，需要从倒数第二层最右端位置调用SiftDown()函数，直到头。
}

插入元素

判断数组是否满了
将新元素加入数组的最后，用Siftup()向上调整heapArray[CurrentSize]=newNode;SiftUp(CurrentSize); // 向上调整

删除元素

将数组的最后一个数拿到要删除的位置
判断该数和其父结点的大小，如果大于其父结点的值，说明该结点和上面的结点的值摆放没问题，但其下面的数摆放必定出了问题因此从这个结点向下调整SiftDown，如果小于，同理，SiftUp

在这里插入图片描述

上面这个例子，分别删除68 16 进行比较

template<class T>
bool MinHeap<T>::Remove(int pos ,T& node){
    if(pos<0||pos>CurrentSize)
        return false;
    T temp=heapArray[pos];
    heapArray[pos]=heapArray[--CurrentSize];//数组个数CurrentSize个，最后一个表示为heapArray[CurrentSize-1]
    if(heapArray[pos]<heapArray[parent(pos)]
       SiftUp(pos);
     else 
       SiftDown(pos);
     node=temp
     return true;
}