c++堆调整(2)

文章讲述了作者在实现堆排序时遇到的问题,原本的代码由于每个节点包含过多变量导致内存消耗大。为了解决这个问题,作者简化了类结构,将节点信息精简为仅包含数据和值,并通过外部函数计算左右孩子和父节点的索引,从而降低了内存使用。新的堆调整代码实现了一个更高效的解决方案。
摘要由CSDN通过智能技术生成

上一次,我做了一个堆调整

回去做了个堆排序,结果不行

我仔细想了想,好像变量开的有点多

class tree{//最重要的!!!
	public://表示他是公开的,在类外也能用
		int l_kid=data*2/*某节点左孩子的数据域 = 该节点数据域 x 2*/,r_kid=data*2+1/*右孩子数据域 = 左孩子 + 1*/;
		int father=(data-(data%2))/2;//父节点数据域 = ( 该节点数据域 - 该节点数据域 % 2 ) / 2
		int data,n;//数据域与值
};

这样一来,每个信息点都开5个int形变量,一个int变量好像占用内存4B,一个节点开20B,堆排序: 50个元素,1000个B,大约1KB

当然没法玩

新的代码,我简化了类:

class tree{
	public:
		int data,n;
};

增加了3个函数:

int l_kid(int data){
	return data*2;
}

 

int r_kid(int data){
	return data*2+1;
}
int father(int data){
	return (data-(data%2))/2;
}

新的HEAP_AJUST:

int heap_ajust(tree heap[],int data,int n){
	heap[data].n=n;
	heap[data].data=data;
	for(;;){
		if(heap[data].n>heap[father(data)].n){
			swap(heap[data].n,heap[father(data)].n);
			data=father(data);
		}
		else if((heap[data].n<heap[l_kid(data)].n)&&(heap[data].n<heap[r_kid(data)].n)){
			swap(heap[data].n,max(heap[l_kid(data)].n,heap[r_kid(data)].n));
			data=max(l_kid(data),r_kid(data));
		}
		else if(heap[data].n<heap[l_kid(data)].n){
			swap(heap[data].n,heap[l_kid(data)].n);
			data=l_kid(data);
		}
		else if(heap[data].n<heap[r_kid(data)].n){
			swap(heap[data].n,heap[r_kid(data)].n);
			data=r_kid(data);
		}
		else if((heap[data].n>heap[father(data)].n)&&(heap[data].n<heap[l_kid(data)].n)&&(heap[data].n<heap[r_kid(data)].n)){
			break;
		}
	}
	return data;
}

全部源代码:

#include<iostream>
using namespace std;
class tree{
	public:
		int data,n;
};
int l_kid(int data){
	return data*2;
}
int r_kid(int data){
	return data*2+1;
}
int father(int data){
	return (data-(data%2))/2;
}
void swap(int a,int b){
	int c;
	c=a;
	a=b;
	b=a;
}
int max(int a,int b){
	if(a>=b){return a;}
	if(a<b){return b;}
}
int heap_ajust(tree heap[],int data,int n){
	heap[data].n=n;
	heap[data].data=data;
	for(;;){
		if(heap[data].n>heap[father(data)].n){
			swap(heap[data].n,heap[father(data)].n);
			data=father(data);
		}
		else if((heap[data].n<heap[l_kid(data)].n)&&(heap[data].n<heap[r_kid(data)].n)){
			swap(heap[data].n,max(heap[l_kid(data)].n,heap[r_kid(data)].n));
			data=max(l_kid(data),r_kid(data));
		}
		else if(heap[data].n<heap[l_kid(data)].n){
			swap(heap[data].n,heap[l_kid(data)].n);
			data=l_kid(data);
		}
		else if(heap[data].n<heap[r_kid(data)].n){
			swap(heap[data].n,heap[r_kid(data)].n);
			data=r_kid(data);
		}
		else if((heap[data].n>heap[father(data)].n)&&(heap[data].n<heap[l_kid(data)].n)&&(heap[data].n<heap[r_kid(data)].n)){
			break;
		}
	}
	return data;
}
int main(){
	
}

@没登录的:

#include<iostream>
using namespace std;
class tree{
    public:
        int data,n;
};
int l_kid(int data){
    return data*2;
}
int r_kid(int data){
    return data*2+1;
}
int father(int data){
    return (data-(data%2))/2;
}
void swap(int a,int b){
    int c;
    c=a;
    a=b;
    b=a;
}
int max(int a,int b){
    if(a>=b){return a;}
    if(a<b){return b;}
}
int heap_ajust(tree heap[],int data,int n){
    heap[data].n=n;
    heap[data].data=data;
    for(;;){
        if(heap[data].n>heap[father(data)].n){
            swap(heap[data].n,heap[father(data)].n);
            data=father(data);
        }
        else if((heap[data].n<heap[l_kid(data)].n)&&(heap[data].n<heap[r_kid(data)].n)){
            swap(heap[data].n,max(heap[l_kid(data)].n,heap[r_kid(data)].n));
            data=max(l_kid(data),r_kid(data));
        }
        else if(heap[data].n<heap[l_kid(data)].n){
            swap(heap[data].n,heap[l_kid(data)].n);
            data=l_kid(data);
        }
        else if(heap[data].n<heap[r_kid(data)].n){
            swap(heap[data].n,heap[r_kid(data)].n);
            data=r_kid(data);
        }
        else if((heap[data].n>heap[father(data)].n)&&(heap[data].n<heap[l_kid(data)].n)&&(heap[data].n<heap[r_kid(data)].n)){
            break;
        }
    }
    return data;
}
int main(){
    
}

点个赞吧

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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