堆的构造和应用

最新推荐文章于 2024-06-03 21:57:44 发布
最新推荐文章于 2024-06-03 21:57:44 发布
阅读量771 收藏 3
点赞数
分类专栏： Java开发 文章标签： 排序算法 算法 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a321123b/article/details/122173637
版权

1.如何构造堆（以小根堆为例）

①以完全二叉树的方式从左往右将新元素插入到最后的位置；
②从下往上更新，与父结点比较，若小于父结点，则与父结点交换位置，若大于则更新完成。
如：10，9，8，7，6构造小根堆
在这里插入图片描述

2.如何进行堆排序

①将堆顶元素与最后一个未固定的元素交换；
②从上往下，若父结点小于左右子结点则更新完成，否则找出左右子结点中小于父结点的更小的那一个，与父结点交换位置；
③循环①②，每轮确定一个数的位置，直到所有节点被固定。
在这里插入图片描述

3.如何找出2000万个数中前1000个最大的数

①使用前1000个数构造小根堆；
②遍历后续的数，若小于堆顶元素则跳过，若大于则替换堆顶元素并更新堆；
  更新的流程为：从上往下，若父结点小于左右子结点则更新完成，否则找出左右子结点中小于父结点的更小的那一个，与父结点交换位置。

行者无疆_ty
关注
专栏目录
堆的构建
qq_43941389的博客
04-14 2898
堆的定义: 如果有一个关键码的集合K = {k0，k1， k2，…，kn-1}，把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中，并满足：Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0，1，2…，则称为小堆(或大堆)。将根节点最大的堆叫做大根堆，根节点最小的堆叫做小根堆。 堆的特性: 堆中某...
堆的实现以及优先级队列
Maple的博客
10-08 3565
堆的概念堆是将一组数据按照完全二叉树的存储顺序，将数据存储在一个一维数组中的结构。 堆有两种结构，一种称为大顶堆，一种称为小顶堆，如下图。 小顶堆：任意结点的值均小于等于它的左右孩子，并且最小的值位于堆顶，即根节点处。 大顶堆：任意结点的值均大于等于它的左右孩子，并且最大的值位于堆顶，即根节点处。既然是将一组数据按照树的结构存储在一维数组中，那么父子之间关系的建立就很重要了。 假设一个节点的
数据结构--关于堆的构造
weixin_53860901的博客
11-14 3029
关于堆的构造一丶相关概念 这一篇博客主要是关于堆的相关问题。 一丶相关概念 因为二叉树有顺序存储和链式存储，所以所谓堆，通常我们可以看做是一个完全二叉树的数组对象。 其具体定义如下： 如果有一个关键码的集合K = {k0，k1， k2，…，kn-1}，把它的所有元素按完全二叉树的顺序存储方式存储 在一个一维数组中，并满足：Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0，1，2…，则称为 小堆(或大堆)。将根节点最
建堆过程
热门推荐
学仙只为看看天的专栏
10-12 3万+
堆排序中，最初的步骤就是建立一个堆。之前在一些公司的笔试题上面见到一些与建堆过程相关的题目，因为当时对建堆过程有个误解，所以经常选错。之前一直以为是在完全二叉树中依次插入序列中的元素，每插入一个元素，就调用siftup操作；而实际的建堆操作是序列中元素首先就全部填入一个完全二叉树，然后从第一个非终端节点开始，调用siftdown操作，依次调整。 以下是一篇关于建堆过程的文章，转载自：http:/
数据结构-堆及其应用PPT
07-16
堆的结构可以分为逻辑结构和物理结构。逻辑结构指的是数据元素之间的关系，即父节点与子节点的关系。而物理结构则关注在内存中如何存储这些元素，通常是通过数组来实现的。例如，上文中的堆结构展示了一种常见的数组...
堆排序简介及应用实例及实例分析.txt
最新发布
07-18
堆排序是一种基于比较的排序算法，它利用了二叉堆（通常是最大堆或最小堆）的数据结构特性来进行排序操作。在介绍堆排序之前，我们先来了解一下二叉堆的基本概念。 #### 二叉堆定义 二叉堆是一种特殊的完全二叉树，...
高级数据结构——堆在解题中的应用.pdf
08-07
通过阅读这篇文档，可以了解到堆这种数据结构的核心概念，包括如何定义、存储、构造、以及如何高效地应用在算法设计中。堆结构特别适合那些需要频繁进行查找最大（或最小）元素，以及动态插入和删除元素的场景，比如...
数据结构——堆的实现与应用
cainiaochufa2021的博客
06-23 931
我们知道二叉树有两种存储结构：一种是链式结构，一种是数组结构。由于数组结构的特殊性，它通常被用来存储完全二叉树。而数组结构的完全二叉树中又有一个特殊的数据结构，那就是堆。这一节将介绍堆的实现和堆的应用。...
数据结构课设——小大根交替堆实现的双端优先级队列及应用
11-26
数据结构课程设计报告中，报告了小大根交替堆实现的双端优先级队列及应用的详细设计和实现过程。报告中包括需求描述、问题分析、设计思路、主程序设计、测试和结果等几个部分。 在报告中，需求描述部分详细介绍了小...
最大堆的构造
Tab-明确方向
06-23 1126
今学习了一下最大堆的构造： //最大堆的构造 #include using namespace std; void createheap(int a[],int i) { int j=i/2,k,parent,flag; int temp; for(;j>=0;--j)//从底向上 { parent=a[j]; flag=0; //注意
JavaDS--构造堆及其方法
sunjiac的博客
03-29 370
堆 JDK1.8中的PriorityQueue底层使用了堆的数据结构，而堆实际就是在完全二叉树的基础之上进行了一些元素的调整。 new出的空间在堆、优先级队列底层结构也是堆，此处的两个堆不是一个概念 new–>堆：指的是一块具有特殊作业的内存空间 优先级队列底层的堆：值得是一种数据结构 概念： 如果有一个关键码的集合K = {k0，k1， k2，…，kn-1}，把它的所有元素按完全二叉树...
堆结构
HZAU_ZXB的博客
02-16 623
堆这种数据结构呢，就是一种能保证堆顶元素是最大元素，或最小元素的一种数据结构，维护时间为log2 N 下面介绍我们就拿最大堆来说，不失一般性 首先说堆的结构：堆的结构就一个要求，根节点大于他的两个子节点 首先说元素的删除，我们只能删除堆顶元素 我们删除堆顶元素后将堆尾元素heap【top】与堆顶元素heap【1】交换 此时堆的长度top=top-1；
堆的介绍和其构造 C++
MaloryVer9的博客
10-19 369
C++STL里相应的数据结构就是priority_queue了，字面意思，优先队列 首先需要区分的是堆、堆栈、栈的概念，我刚学的时候也经常堆、堆栈、栈概念分不清从数据结构的角度来说：堆heap：一种数据结构，可以把它看成一颗完全二叉树，并且该完全二叉树满足任何一个非叶节点的值都不大于其左右子节点的值（最小堆，反之即最大堆），可保证其根节点一定是该堆的最大（最小）值，这种特性的一个应用就是用来排序，
堆结构(heap)
weixin_33985507的博客
06-15 471
2019独角兽企业重金招聘Python工程师标准>>> ...
C++ 构造堆
AlwaySimple的博客
12-16 512
构造堆 运算符 构造语句 构造堆类型 堆顶元素 默认 make_heap(data.begin(), data.end()); 大顶堆 最大值 < make_heap(data.begin(), data.end(), less()); 大顶堆 最大值 > make_heap(data.begin(), data.end(), greater()); 小顶堆 最...
堆的构建（C语言版）
折木的博客
03-12 1584
文章目录前言1.认识堆1.1 堆的概念1.2 堆的性质1.3 大根堆和小根堆2. 建堆2.1 设计堆结构2.2 向下调整算法2.3 堆的构建2.4 建堆的时间复杂度 前言 堆是一种重要的数据结构，现实中我们通常把堆（一种二叉树）使用顺序结构的数组来存储。需要注意的是这里的堆和操作系统虚拟进程地址空间中的堆（堆区）是两回事，一个是数据结构，一个是操作系统中管理内存的一块区域分段。 我个人也是在前段时间刚刚结束了堆的学习，不得不说的是堆的难度相较于数据结构前期所学的顺序表、链表、栈、队列等要更上一个台阶。不过在
【数据结构】详解堆的基本结构及其实现
ylfxw的博客
06-03 1399
在上一篇文章中，我们已经了解了树和二叉树的概念，而下面我们要学习的堆，在二叉树中非常重要；如果的二叉树还不太了解的，大家可以参考作者的上一篇文章详解二叉树。
总结：堆结构
qq_43502142的博客
05-19 678
堆结构非常重要。因此特别记录一下有关堆结构的知识点。
c++对一含有n（n<=100）个整数的序列，使用堆排序将其由小到大（非降序）排序。 【输入形式】第一行为元素的个数n，第二行为n个整数（以空格隔开）。 【输出形式】分三行，分别输出这n个整数排序前、构造堆之后、堆排序后的序列（整数之间以逗号隔开）。 注意：构造堆需采用自底向上构造算法来构造最大堆。
05-11
以下是C++代码实现： ```c++ #include <iostream> #include <vector> using namespace std; // 构造最大堆 void buildMaxHeap(vector<int>& nums) { int n = nums.size(); for (int i = n / 2 - 1; i >= 0; i--) { // 从最后一个非叶子节点开始向下调整 int parent = i; int leftChild = parent * 2 + 1; while (leftChild < n) { int rightChild = parent * 2 + 2; int maxChild = leftChild; if (rightChild < n && nums[rightChild] > nums[leftChild]) { maxChild = rightChild; } if (nums[maxChild] > nums[parent]) { swap(nums[parent], nums[maxChild]); parent = maxChild; leftChild = parent * 2 + 1; } else { break; } } } } // 堆排序 void heapSort(vector<int>& nums) { int n = nums.size(); for (int i = n - 1; i >= 1; i--) { swap(nums[0], nums[i]); // 将当前最大值放到末尾 int parent = 0; int leftChild = parent * 2 + 1; while (leftChild < i) { // 从根节点开始向下调整 int rightChild = parent * 2 + 2; int maxChild = leftChild; if (rightChild < i && nums[rightChild] > nums[leftChild]) { maxChild = rightChild; } if (nums[maxChild] > nums[parent]) { swap(nums[parent], nums[maxChild]); parent = maxChild; leftChild = parent * 2 + 1; } else { break; } } } } int main() { int n; cin >> n; vector<int> nums(n); for (int i = 0; i < n; i++) { cin >> nums[i]; } // 堆排序前 for (int i = 0; i < n; i++) { cout << nums[i]; if (i < n - 1) { cout << " "; } } cout << endl; // 构造最大堆 buildMaxHeap(nums); // 构造堆后 for (int i = 0; i < n; i++) { cout << nums[i]; if (i < n - 1) { cout << " "; } } cout << endl; // 堆排序后 heapSort(nums); for (int i = 0; i < n; i++) { cout << nums[i]; if (i < n - 1) { cout << ","; } } cout << endl; return 0; } ``` 输入示例： ``` 8 3 1 4 1 5 9 2 6 ``` 输出示例： ``` 3 1 4 1 5 9 2 6 9 5 4 6 1 3 2 1 1,1,2,3,4,5,6,9 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值