概念和性质
- 优先队列是允许至少下列两种操作的数据结构:插入(Insert)和删除最小者(DeleteMin)
- 实现优先队列的数据结构叫二叉堆,他有两个性质,结构性(完全二叉树)和堆序性((min)堆或(max)堆),堆的操作必须要到堆的所有性质都被满足才能终止
- 堆是一颗被完全填满的二叉树,在树的底层上的元素从左到右填入的,这样的树叫完全二叉树。可以证明一颗高为\(h\)的完全二叉树有\(2^h\)到\(2^{h + 1} - 1\)个节点,他的高为\(⌊log N⌋\)
- 可以用一个数组来表示一个完全二叉树,对于数组中任意位置\(i\)上的元素,其左儿子在位置\(2i\)处,右儿子在位置\(2i + 1\)处,它的父亲在位置\(⌊i / 2⌋\)处,
数组中的元素 | A | B | C | D | E | F | G | H | I | J | |||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
数组的下标 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
- 它的数据结构为
struct HeapStruct;
typedef struct HeapStruct *PriorityQueue;
struct HeapStruct
{
int Capacity;
int Size;
ElementType *Elements;
}
基本操作
插入
void Insert(ElementType X, PriorityQueue H)
{
int i;
if (IsFull(H))
{
Error("Priority queue is Full");
return;
}
for (i = ++H->Size; H->Element[i / 2] > X; i /= 2) H->Element[i] = H->Element[i / 2];
H->Element[i] = X;
}
- 它的策略是先在尾部创建一个空穴,然后与它的父节点比较,如果比它的父节点小,则将父节点的值赋给空穴位置,然后与父节点的父节点比较,这种策略叫做上滤,如果插入的元素是新的最小元素,则它将一直上滤到根的位置,所以插入的最坏情形时间复杂度为\(\mathrm{O}(log N)\)
这里还有一个小问题,当\(i = 1\)时程序必须跳出循环,虽然说可以用一个
if
判断来跳出,但这里(书上)使用的方法是在位置0
处放一个保证小于堆中的任何值的一个值,避免了每次循环都要执行一次测试,个人感觉也是一条思路吧
删除最小者
ElementType DeleteMin(PriorityQueue H)
{
int i, Chile;
ElementType MinElement, LastElement;
if (IsEmpty(H))
{
Error("Priority queue is empty")
return;
}
MinElement = H->Elements[1];
LastElement = H->Elements[H->Size--];
for (i = 1; i * 2 <= H->Size; i = Child)
{
Child = i * 2;
if (Child != H->Size && H->Elements[Child + 1] < H->Elements[Child]) Child++;
if (LastElement > H->Elements[Child]) H->Elements[i] = H->Elements[Child];
else break;
}
H->Elements[i] = LastElement;
return MinElement;
}
- 找到最小元素很简单,就是根的位置,将其删除后为了保持堆的堆序性自然要进行一系列的调整,此时在根的位置上就出现了一个空穴,并且位于堆的最后一个元素\(X\)也必须找到一个合适的位置,所以从根开始,对比它的儿子节点与\(X\)的大小,如果是儿子节点中的某一个更小,则将其放入根处的空穴,此时就又出现了一个空穴,按同样的方法继续向下推进,直到\(X\)可以正确的放入堆中,这个策略叫下滤,算法的最坏情形时间复杂度为\(\mathrm{O}(log N)\)
这里需要考虑的一个问题是一个父节点并不总是有两个儿子节点,所以会有这么一条判断
if (Child != H->Size && H->Elements[Child + 1] < H->Elements[Child]) Child++;
,它有效的保证了不会越界访问元素并且判断了两个子节点的大小(如果有的话)