树结构实际应用
文章目录
堆排序
大顶堆和小顶堆图解说明
堆排序基本介绍:
1.堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),它也是不稳定排序。
2.堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆, 注意 : 没有要求结点的左孩子的值和右孩子的值的大小关系。
3.每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆
- 大顶堆举例说明
对堆中的结点按层进行编号,映射到数组中就是下面这个样子:
大顶堆特点:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2] i 对应第几个节点,i从0开始编号7
- 小顶堆举例说明
小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2] // i 对应第几个节点,i从0开始编号
综上:一般升序采用大顶堆,降序采用小顶堆。
堆排序的思路图解与实现
堆排序基本思想:
1.将待排序序列构造成一个大顶堆
2.此时,整个序列的最大值就是堆顶的根节点。
3.将其与末尾元素进行交换,此时末尾就为最大值。
4.然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了。
可以看到在构建大顶堆的过程中,元素的个数逐渐减少,最后就得到一个有序序列了.
要求:给你一个数组 {4,6,8,5,9} , 要求使用堆排序法,将数组升序排序。
堆排序步骤图解说明:
步骤一:构造初始堆。将给定无序序列构造成一个大顶堆(一般升序采用大顶堆,降序采用小顶堆)。原始的数组[4,6,8,5,9]
- 假设给定无序序列结构如下 :
- 此时我们从最后一个非叶子结点开始(叶结点自然不用调整,第一个非叶子结点arr.length/2-1=5/2-1=1,也就是下面的6结点),从左至右,从下至上进行调整。
- 找到第二个非叶节点4,由于[4,9,8]中9元素最大,4和9交换。
- 这时,交换导致了子根[4,5,6]结构混乱,继续调整,[4,5,6]中6最大,交换4和6。
- 此时,就将一个无序序列构造成了一个大顶堆。
步骤二:将堆顶元素与末尾元素进行交换,使末尾元素最大。然后继续调整堆,再将堆顶元素与末尾元素交换,得到第二大元素。如此反复进行交换、重建、交换。
- 将堆顶元素9和末尾元素4进行交换 。
- 重新调整结构,使其继续满足堆定义。
- 再将堆顶元素 8 与末尾元素 5 进行交换,得到第二大元素 8。
- 后续过程,继续进行调整,交换,如此反复进行,最终使得整个序列有序。
对上述思路进行总结:
1.将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆;
2.将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;
3.重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤, 直到整个序列有序。
核心代码:
public class HeapSort {
public static void main(String[] args) {
int arr[] = {4, 6, 8, 5, 9};
}
//编写一个堆排序的方法
public static void heapSort(int arr[]) {
System.out.println("堆排序");
}
//将一个数组(二叉树),调整成一个大顶堆
/**
* 功能:完成 将以i对应的非叶子结点的树,调整成大顶堆
* 举例 int arr[] = {4,6,8,5,9}; => i = 1 => adjustHeap =>得到{4,9,8,5,6};
* 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到{9,6,8,5,4}
*
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中的索引
* @param length 表示对多少个元素进行调整,length 是在逐渐的减少
*/
public static void adjustHeap(int arr[], int i, int length) {
int temp = arr[i];//先取出当前元素的值,保存在临时变量中
//开始调整
//说明
//1.k = i * 2 + 1,k是i结点的左子结点
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
if (k + 1 < length && arr[k] < arr[k+1]){//说明右子结点的值比左子结点的值大
k++;//k就指向右子结点
}
if (arr[k] > temp){//如果字节点大于父节点,temp为父节点,说明下面的子节点大于父节点
arr[i] = arr[k];//把较大的值赋给当前结点
i = k;//!! 让i指向k,继续循环比较 与下一个左子树右子树比较
}else {
break;//!
}
}
//当for 循环结束后,我们已经将以i 为父节点的树的最大值,放在了最顶层(局部)
//如果每arr[i]没换位置也没关系,temp arr[i]根本没变
arr[i] = temp;//将temp值放到调整后的位置
}
}
初始情况:
arr = {4,6,8,5,9}
当 i = 1 时:
首先
- 当temp=arr[i] ->temp=6;进入for循环,j=i*2+1 -> j=3,
进入if判断,执行j++,即j指向右子节点,j=4;
arr[j] -> arr[4] 即: arr[j]为9,
此时,arr[j] > temp -> 9 > 6,进入判断
此时
- 子节点大于父节点,
而此时 i=1,j=4,即arr[i]=arr[j]进行赋值,arr[i] = arr[j] ==> arr[1]=9,将6替换成9。
i=j ==> i=4 ,继续让i指向j,因为节点可能下面还有节点,继续执行循环.
- 但此时 j=4 ,经过循环赋值语句,j=9,temp=6,不符合判断条件,直接执行 arr[i] = temp ==> arr[4]=6;
代码实现:
public class HeapSort {
public static void main(String[] args) {
int arr[] = {4, 6, 8, 5, 9};
heapSort(arr);
}
//编写一个堆排序的方法
public static void heapSort(int arr[]) {
int temp = 0;//定义临时变量
System.out.println("堆排序");
//分布完成
/*adjustHeap(arr, 1, arr.length);
System.out.println("第一次调整" + Arrays.toString(arr));//4,9,8,5,6
adjustHeap(arr, 0, arr.length);
System.out.println("第二次调整" + Arrays.toString(arr));//9,6,8,5,4
*/
}
//将一个数组(二叉树),调整成一个大顶堆
/**
* 功能:完成 将以i对应的非叶子结点的树,调整成大顶堆
* 举例 int arr[] = {4,6,8,5,9}; => i = 1 => adjustHeap =>得到{4,9,8,5,6};
* 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到{9,6,8,5,4}
*
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中的索引
* @param length 表示对多少个元素进行调整,length 是在逐渐的减少
*/
public static void adjustHeap(int arr[], int i, int length) {
int temp = arr[i];//先取出当前元素的值,保存在临时变量中
//开始调整
//说明
//1.k = i * 2 + 1,k是i结点的左子结点
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
if (k + 1 < length && arr[k] < arr[k + 1]) {//说明右子结点的值比左子结点的值大
k++;//k就指向右子结点
}
if (arr[k] > temp) {//如果字节点大于父节点,temp为父节点,说明下面的子节点大于父节点
arr[i] = arr[k];//把较大的值赋给当前结点
i = k;//!! 让i指向k,继续循环比较 与下一个左子树右子树比较
} else {
break;//!
}
}
//当for 循环结束后,我们已经将以i 为父节点的树的最大值,放在了最顶层(局部)
//如果每arr[i]没换位置也没关系,temp arr[i]根本没变
arr[i] = temp;//将temp值放到调整后的位置
}
}
最终调整:
public class HeapSort {
public static void main(String[] args) {
int arr[] = {4, 6, 8, 5, 9};
heapSort(arr);
}
//编写一个堆排序的方法
public static void heapSort(int arr[]) {
int temp = 0;//定义临时变量
System.out.println("堆排序");
//分布完成
/*adjustHeap(arr, 1, arr.length);
System.out.println("第一次调整" + Arrays.toString(arr));//4,9,8,5,6
adjustHeap(arr, 0, arr.length);
System.out.println("第二次调整" + Arrays.toString(arr));//9,6,8,5,4
*/
//完成我们的最终代码
//将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆、
for (int i = arr.length / 2 - 1; i >= 0; i--) {
adjustHeap(arr, i, arr.length);
}
//第一套方案
//1.将无序序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆;
//2.将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;
for (int j = arr.length - 1; j > 0; j--) {
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
System.out.println("最终调整" + Arrays.toString(arr));//4,5,6,8,9
//3.重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤, 直到整个序列有序。
}
//将一个数组(二叉树),调整成一个大顶堆
/**
* 功能:完成 将以i对应的非叶子结点的树,调整成大顶堆
* 举例 int arr[] = {4,6,8,5,9}; => i = 1 => adjustHeap =>得到{4,9,8,5,6};
* 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到{9,6,8,5,4}
*
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中的索引
* @param length 表示对多少个元素进行调整,length 是在逐渐的减少
*/
public static void adjustHeap(int arr[], int i, int length) {
int temp = arr[i];//先取出当前元素的值,保存在临时变量中
//开始调整
//说明
//1.k = i * 2 + 1,k是i结点的左子结点
for (int k = i * 2 + 1; k < length; k = k * 2 + 1) {
if (k + 1 < length && arr[k] < arr[k + 1]) {//说明右子结点的值比左子结点的值大
k++;//k就指向右子结点
}
if (arr[k] > temp) {//如果字节点大于父节点,temp为父节点,说明下面的子节点大于父节点
arr[i] = arr[k];//把较大的值赋给当前结点
i = k;//!! 让i指向k,继续循环比较 与下一个左子树右子树比较
} else {
break;//!
}
}
//当for 循环结束后,我们已经将以i 为父节点的树的最大值,放在了最顶层(局部)
//如果每arr[i]没换位置也没关系,temp arr[i]根本没变
arr[i] = temp;//将temp值放到调整后的位置
}
}
对堆排序进行速度测试
800w个数据在我的机器上=1.7s
public class HeapSortText {
public static void main(String[] args) {
//int arr[] = {4,6,8,5,9,1,99,88,21,10};
int[] arr = new int[8000000];
for (int i = 0; i < 8000000; i++) {
arr[i] = (int) (Math.random() * 8000000);
}
long startTime = System.currentTimeMillis();
heapSort(arr);
long endTime = System.currentTimeMillis();
System.out.println("take the time is: " + (endTime - startTime)/100 + " s");//1.7s
System.out.println(Arrays.toString(arr));
}
public static void heapSort(int arr[]){
int temp = 0;
for (int i = arr.length /2 - 1; i >=0 ; i--) {
adjustHeap(arr, i, arr.length);
}
for (int j = arr.length -1 ; j >=0 ; j--) {
temp = arr[j];
arr[j] = arr[0];
arr[0] = temp;
adjustHeap(arr, 0, j);
}
}
/**
* 功能:完成 将以i对应的非叶子结点的树,调整成大顶堆
* 举例 int arr[] = {4,6,8,5,9}; => i = 1 => adjustHeap =>得到{4,9,8,5,6};
* 如果我们再次调用 adjustHeap 传入的是 i = 0 => 得到{9,6,8,5,4}
*
* @param arr 待调整的数组
* @param i 表示非叶子结点在数组中的索引
* @param length 表示对多少个元素进行调整,length 是在逐渐的减少
*/
public static void adjustHeap(int arr[],int i,int length){
int temp = arr[i];
for (int j = i * 2 + 1; j < length; j = j * 2 + 1) {
if (j+1 < length && arr[j] < arr[j+1]){
j++;
}
if (temp < arr[j]){
arr[i] = arr[j];
i = j;
}else {
break;
}
}
arr[i] = temp;
}
}
赫夫曼树
赫夫曼树的基本介绍:
-
给定n个权值作为n个叶子结点,构造一棵二叉树,若该树的带权路径长度(wpl)达到最小,称这样的二叉树为最优二叉树,也称为哈夫曼树(Huffman Tree), 还有的书翻译为霍夫曼树。
-
赫夫曼树是带权路径长度最短的树,权值较大的结点离根较近。
赫夫曼树几个重要概念和举例:
1.路径和路径长度:在一棵树中,从一个结点往下可以达到的孩子或孙子结点之间的通路,称为路径。通路中分支的数目称为路径长度。若规定根结点的层数为1,则从根结点到第L层结点的路径长度为L-1
2.结点的权及带权路径长度:若将树中结点赋给一个有着某种含义的数值,则这个数值称为该结点的权。结点的带权路径长度为:从根结点到该结点之间的路径长度与该结点的权的乘积
3.树的带权路径长度:树的带权路径长度规定为所有叶子结点的带权路径长度之和,记为WPL(weighted path length) ,权值越大的结点离根结点越近的二叉树才是最优二叉树。
4.WPL最小的就是赫夫曼树
赫夫曼树创建步骤图解与实现
要求:给你一个数列 {13, 7, 8, 3, 29, 6, 1},要求转成一颗赫夫曼树.
构成赫夫曼树的步骤:
从小到大进行排序, 将每一个数据,每个数据都是一个节点 , 每个节点可以看成是一颗最简单的二叉树
取出根节点权值最小的两颗二叉树
组成一颗新的二叉树, 该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
再将这颗新的二叉树,以根节点的权值大小 再次排序, 不断重复 1-2-3-4 的步骤,直到数列中,所有的数据都被处理,就得到一颗赫夫曼树
赫夫曼树创建代码实现:
public class HuffmanTree {
public static void main(String[] args) {
int arr[] = {13, 7, 8, 3, 29, 6, 1};
Node root = createHuffmanTree(arr);
//测试一把
preOrder(root);
}
//编写一个前序遍历的方法
public static void preOrder(Node root){
if (root != null){
root.preOrder();
}else {
System.out.println("该赫夫曼树为空,无法遍历");
}
}
//创建赫夫曼树的方法
/**
*
* @param arr 需要创建成赫夫曼树的数组
* @return 创建好后的赫夫曼树的根(root)结点
*/
public static Node createHuffmanTree(int[] arr) {
//第一步,为了操作方便
//1.遍历arr 数组
//2.将arr的每个元素构成一个Node
//3.将Node放入到ArrayList中
List<Node> nodes = new ArrayList<Node>();
for (int value : arr) {
//经过这次遍历,我数组里的每一个元素都是一个Node,放入了nodes中
nodes.add(new Node(value));
}
//我们处理的过程是一个循环的过程
while (nodes.size() > 1) {
//排序 从小到大
Collections.sort(nodes);
//System.out.println("nodes = " + nodes);
//取出根节点权值最小的两颗二叉树
//(1)取出权值最小的二叉树结点
Node leftNode = nodes.get(0);
//(2)取出权值第二小的结点
Node rightNode = nodes.get(1);
//(3)构建一颗新的二叉树
Node parent = new Node(leftNode.value + rightNode.value);
parent.left = leftNode;
parent.right = rightNode;
//(4)从ArrayList中删除处理过的二叉树
nodes.remove(leftNode);
nodes.remove(rightNode);
//(5)将parent加入到nodes
nodes.add(parent);
Collections.sort(nodes);
}
//返回赫夫曼树的root结点
return nodes.get(0);
}
}
//创建结点类
//为了让Node 对象支持排序 Collections集合排序
//让Node 实现Comparable接口
class Node implements Comparable<Node> {
int value;//结点权值
Node left;//左子树 指向左子结点
Node right;//右子树 右子结点
//写一个前序遍历
public void preOrder() {
System.out.println(this);
if (this.left != null){
this.left.preOrder();
}
if (this.right != null){
this.right.preOrder();
}
}
public Node(int value) {
this.value = value;
}
@Override
public String toString() {
return "Node{" +
"value=" + value +
'}';
}
@Override
public int compareTo(Node o) {
//从大到小return -(this.value - o.value);
//表示从小到大进行排序
return this.value - o.value;
}
}