树与堆学习

树与堆

之前提到树和堆的一个定义,

树是一种数据结构，它是由n（n>=1）个有限节点组成一个具有层次关系的集合。

堆就是用数组实现的二叉树.

那么树是究竟有几种实现方式呢? 目前来说,是两种

链式存储

基于链表的树,相信大家都能比较直观的理解.

以二叉树为例,

从上图可以看到,树的每个节点是由数据域和指针域构成,一个指针指向父节点,其他的指针指向子节点,根节点没有父节点指针,叶子节点没有子节点指针.

二叉树主要有两种遍历方式：

深度优先遍历：先往深走，遇到叶子节点再往回走。

广度优先遍历：一层一层的去遍历。

深度优先遍历，我们通常使用的是递归的方式，这也是最容易理解的一种，基于遍历顺序分为了，先根序遍历，中根序遍历，后根序遍历，顾名思义，就是根据根节点的遍历顺序来区分的。

arr[] = cur->val;    // 中
traversal(cur->left, arr);  // 左
traversal(cur->right, arr); // 右

上面的代码就简单的表达了一个先根序遍历的思想.

广度优先遍历，也就是我们常说的层序遍历，通过循环的方式对二叉树进行遍历，直到叶子节点结束。

顺序存储

树的顺序存储方式,也就是基于数组实现的树.

同样的,以二叉树为例,

看着上面这个图,我们应该可以较为直观的理解数组实现的树的含义,就是将树的节点以一定的规则顺序存入到数组中.

以上图为例,就是以层序遍历的方式,将整个二叉树的每个节点的值存入数组中,在这个场景中,这个数组就代表了我们这一个二叉树,也就是顺序存储的二叉树.

需要注意的是，顺序存储只适用于完全二叉树。换句话说，只有完全二叉树才可以使用顺序表存储。因此，如果我们想顺序存储普通二叉树，需要提前将普通二叉树转化为完全二叉树。

怎么转换呢?

普通二叉树转完全二叉树的方法很简单，只需给二叉树额外添加一些节点，将其"拼凑"成完全二叉树即可。

为什么是层序遍历呢?

从数组无法得知树的高度,所以如果通过深度优先遍历的方式来生成顺序存储的树,我们无法通过这个数组还原二叉树.

思考

通过深度优先遍历生成的数组能否还原成树的结构呢?

首先答案是肯定的.可以通过中根序遍历结果+先根序/后根序遍历结果还原二叉树,至于具体的方式,可以自己思索一下.

堆

堆就是用数组实现的二叉树，所以它没有使用父指针或者子指针。堆根据“堆属性”来排序，“堆属性”决定了树中节点的位置。

堆分为两种：最大堆和最小堆，两者的差别在于节点的排序方式。

在最大堆中，父节点的值比每一个子节点的值都要大。在最小堆中，父节点的值比每一个子节点的值都要小。这就是所谓的“堆属性”，并且这个属性对堆中的每一个节点都成立。

用一种关系式的方式说明,

在含有 n 个元素的序列中，如果序列中的元素满足下面其中一种关系时，此序列可以称之为堆

• ki ≤ k2i 且 ki ≤ k2i+1（在 n 个记录的范围内，第 i 个关键字的值小于第 2i 个关键字，同时也小于第 2i+1 个关键字）
• ki ≥ k2i 且 ki ≥ k2i+1（在 n 个记录的范围内，第 i 个关键字的值大于第 2i 个关键字，同时也大于第 2i+1 个关键字）

使用完全二叉树来解释，因为在完全二叉树中第 i 个结点的左孩子恰好是第 2i 个结点，右孩子恰好是 2i+1 个结点。如果该序列可以被称为堆，则使用该序列构建的完全二叉树中，每个根结点的值都必须不小于（或者不大于）左右孩子结点的值。

我们可以以一个堆排序来深入学习堆,了解堆这个结构具体用处

堆排序思路:

通过将无序表转化为堆，可以直接找到表中最大值或者最小值，然后将其提取出来，令剩余的记录再重建一个堆，取出次大值或者次小值，如此反复执行就可以得到一个有序序列，此过程为堆排序。

无序表{49，38，65，97，76，13，27，49}来讲，其对应的堆用完全二叉树来表示为

堆排序过程的代码实现需要解决两个问题：

• 如何将得到的无序序列转化为一个堆？
• 在输出堆顶元素之后（完全二叉树的树根结点），如何调整剩余元素构建一个新的堆？

首先解决第 2 个问题,

去除堆顶元素时，即删除二叉树的树根结点，使用二叉树中最后一个结点 97 代替根节点,也就是放到堆顶.

此时由于结点 97 比左右孩子结点的值都大，破坏了堆的结构，所以需要进行调整：首先以 堆顶元素 97 同左右子树比较，同值最小的结点交换位置，即 27 和 97 交换位置

由于替代之后破坏了根结点右子树的堆结构，所以需要进行和上述一样的调整，即令 97 同 49 进行交换位置

通过上述的调整，之前被破坏的堆结构又重新建立。从根结点到叶子结点的整个调整的过程，被称为“筛选”

解决第 1 个问题

使用的也是筛选的方式.

首先,无序表{49，38，65，97，76，13，27，49}初步建立的完全二叉树，如下图

筛选上面这个无序二叉树时,是从底层结点开始，一直筛选到根结点。对于具有 n 个结点的完全二叉树，筛选工作开始的结点为第 ⌊n/2⌋个结点（此结点后序都是叶子结点，无需筛选）。

http://c.biancheng.net/uploads/allimg/190427/1051104459-5.png

例子中共8个节点,根据我们方法,也就是从第四个节点开始, 第四个节点的值与他的子节点进行比较,将第四个节点的值与值最小的节点的值交换。

然后，筛选第三个子节点。

最后得到结果，

解决了这两个问题过后，堆排序的问题也就解决了，流程就是首先根据无序集合通过筛选，生成一个最大或者最小堆，每次取出堆顶元素，取出堆顶元素后，重新筛选，构建新的堆结构。

堆排序在最坏的情况下，其时间复杂度仍为 O(nlogn)。这是相对于快速排序的优点所在。同时堆排序相对于树形选择排序，其只需要一个用于记录交换（rc）的辅助存储空间，比树形选择排序的运行空间更小。

参考

http://c.biancheng.net/view/3448.html