堆
概述
堆是一种满足特定条件的完全二叉树,主要可分为两种类型:
-
小顶堆:任意节点的值 ≤ 其子节点的值。
-
大顶堆:任意节点的值 ≥ 其子节点的值。
堆作为完全二叉树的一个特例,具有以下特性。
-
最底层节点靠左填充,其他层的节点都被填满。
-
我们将二叉树的根节点称为“堆顶”,将底层最靠右的节点称为“堆底”。
-
对于大顶堆(小顶堆),堆顶元素(根节点)的值是最大(最小)的。
堆通常用于实现优先队列,大顶堆相当于元素按从大到小的顺序出队的优先队列
堆的常用操作
方法名 | 描述 | 时间复杂度 |
---|---|---|
posh() | 元素入队 | O(log n) |
pop() | 堆顶出队 | O(log n) |
peek() | 堆顶元素 | O(1) |
size() | 获得堆的数量 | O(1) |
isempty() | 堆是否为空 | O(1) |
在实际应用中,我们可以直接使用编程语言提供的堆类(或优先队列类)。 类似于排序算法中的“从小到大排列”和“从大到小排列”,我们可以通过设置一个 flag 或修改 Comparator 实现“小顶堆”与“大顶堆”之间的转换。
/*head.go*/
//go语言通过heap.interface来构建大顶堆的
/* 构建整数大堆 */
type intheap []any
//通过Push heap.Interface的方式,实现推入元素到堆
func (h *intHeap) Push(x any){
*h = append(*h,x.(int))
}
// Pop heap.Interfance的方法,实现弹出堆顶元素
func (h *intheap) Pop() any{
last :=(*h)[len(*h)-1]
*h = (*h)[:len(*h)-1]
return last
}
//Less 就是去计算堆的元素个数
func(h *intheap) Len() int{
return len(*h)
}
//less 排序
func(h *intHeap) Less(i,j int) bool{
return (*h)[i].(int) > (*h)[j].(int)
//如果实现小顶堆,则需要调整为<号
}
//交换堆元素位置
func(h *intheap) Swap(i,j int){
(*h)[i],(*h)[j] = (*h)[j],(*h)[i]
}
//获取堆顶元素
func (h *inthaep) Top() any{
return (*h)[0]
}
//此为测试函数,以测试为驱动
func TestHeap(t *testing.T){
maxHeap := &intHeap{}
heap.Init(maxHeap)
heap.Push(maxHeap,1)
heap.Push(maxHeap,2)
heap.Push(maxHeap,3)
heap.Push(maxHeap,4)
heap.Push(maxHeap,5)
top := maxHeap.Top()
fmt.Printf("堆顶元素",top)
head.Pop(maxHeap)
head.Pop(maxHeap)
head.Pop(maxHeap)
head.Pop(maxHeap)
head.Pop(maxHeap)
size :=len(*maxHeap)
fmt.Println("堆元素数量为",size)
}
堆的实现
若要将其转换为小顶堆,只需将所有大小逻辑判断取逆(例如,将 ≥ 替换为 ≤ )。
堆的存储与表示
完全二叉树非常适合用数组来表示。由于堆正是一种完全二叉树,因此我们将采用数组 来存储堆。
当使用数组表示二叉树时,元素代表节点值,索引代表节点在二叉树中的位置。节点指针通过索引映射公式 来实现。
给定索引 i,其左子节点的索引为 2i+ 1 ,右子节点的索引为 2i+ 2 ,父节点的索引为 (i− 1)/2(向下整除)。当索引越界时,表示空节点或节点不存在。
接下来我们书写函数
/*获取左子节点的索引*/
func (h *maxHeap) left(i int) int{
return 2*i + 1
}
/*获取右子节点*/
func(h *maxHeap) right(i int) int {
return 2*i + 2
}
/*获取父节点*/ parent(i int) int {
//此步是向下整除
return (i-1) / 2
}
/*访问堆顶元素*/
func(h *maxheap) peek() any{
return h.data[0]
}
元素入堆
/* 元素入堆*/
func (h *maxHeap) push(val any){
h.data = append(h.data,val)
h.sifUp(len(h.data) - 1)
}
/* 从节点i开始,从底至顶堆化*/
func(h *maxHeap) sifUp(i int){
for {
//获取节点i的父节点
p:=h.parent(i)
//当越过根节点或节点无需修复,就结束
if p<0 || h.data[i].(int) <= h.data[p].(int){
break
}
//交换两个的值
h.swap(i,p)
//循环向上堆化
i = p
}
}
堆顶元素出堆
将堆顶与对位进行交换,然后其他元素,在从上至下交换
/*元素出堆*/
func(h *maxHeap)pop() any{
//判空处理
if h.isEmpty(){
fmt.Println("error")
return nil
}
h.swap(0,h.size-1) //交换首尾元素
value := h.data[len(h.data)-1]
h.data = h.data[:len(h.data)-1]
h.siftDown(0) //从顶端至底堆化
return val //返回堆顶元素
}
/*从节点i开始,从顶至底堆化*/
func (h *maxheap) siftDown(i int){
for {
//判断节点i,l,r中最大的节点,记max
l,r,max :=h.left(),h.right(i),i
if l<h.size()&& h.data[l].(int) > h.data[max].(int){
max = l
}
if r < h.size() && h.data[r].(int) > h.data[max].(int){
max = r
}
//当i为最大,就无法继续推了
if max == i{
break
}
//交换两节点
h.swap(i,max)
//循环向下堆化
i=max
}
}
堆的常见应用
-
优先队列:堆通常作为实现优先队列的首选数据结构,其入队和出队操作的时间复杂度均为 O(logn) ,而建队操作为 O(n) ,这些操作都非常高效。
-
堆排序:给定一组数据,我们可以用它们建立一个堆,然后不断地执行元素出堆操作,从而得到有序数 据
-
获取最大的 K个元素:这是一个经典的算法问题,同时也是一种典型应用,例如选择热度前 10 的新闻 作为微博热搜,选取销量前 10 的商品等。
图
代码实现
/*基于领阶矩阵实现的无向图*/
type graphAdjmat struct{
//顶点列表,元素代表值,索引代表“顶点索引”
vertices []int
//领接矩阵,行列索引对应“顶点索引”
adjMat [][]int
}
/* 构造函数 */
func newGraphAdjMat(version []int,edges [][]int) *graphAdjMat{
//添加顶点
n :=len(verstices)
adjmat :=make([][]int,n)
for i := range adjMat{
adjMat[i] = make([]int,n)
}
// 初始化图
g := &grapAdjMat{
vertices: vertices,
adjMat: adjMat,
}
for i := range edges {
g.addEdge(edges[i][0],edges[i][1])
}
return g
}
func (g *grapAdjMat) size() int {
return len(g.vertices)
}
func (g *graphAdjMat) addertex(val int){
n := g.size()
g.vertices = append(g.vertices,val)
newRow := make([]int,n)
g.adjMat = append(g.adjMat,newRow)
for i:= range g.adjMat{
g.adjMat[i] = append(g.adjMat[i],0)
}
}
/*删除顶点*/
func(g *graphAdjMat) removeVertex(index int) {
if index >= g.size(){
return
}
g.vertices = append(g.vertices[:index],g.vertices[index+1:]...)
g.adjMat = append(g.adjMat[:index],g.adjMat[index+1:]...)
for i:=range g.adjMat{
g.adjMat[i] = append(g.adjMat[i][:index],g.adjMat[i][index+1]...)
}
}
/*添加边*/
//参数i,j对应vertices元素索引
func(g *grapAdjMat) addEdge(i,j int){
//索引越界与相等处理
if i<0||j<0 || i>=g.size()||j>=g.size()|| i==j{
fmt.Errorf("%s","Index Out Of Bounds Exception")
}
//在无向图中,邻接矩阵关于主队角线对称,既满足(i,j) == (j,i)
g.adjMat[i][j]=1
g.adjMat[j][i]=1
}
/*删除边*/
//参数i,j对应vertices元素索引
func (g *grapAdjMat) remove(i,j int){
if i<0 || j<0 || i>=g.size()||j>=g.size()||i==j{
fmt.Errorf("%s","Index Out Of Bounds Exception")
}
g.adjMat[i][j] = 0
g.adjMat[j][i] = 0
}
/*打印邻接矩阵*/
func (g *grapAdjMat) Print(){
fmt.Print("\t顶点列表=%v\n",g.vertices)
fmt.Printf("\t领接矩阵=\n")
for i:=range g.adjMat{
fmt.printf("\t\t\t%v\n",g.adjMat[i])
}
}
二分查找
二分查找
func binarysearch(nums []int target int) int {
i,j := 0,len(size) -1
for i<=j{
m := (i+j)/2
if target < nums[m]{
i = m+1
}else if target > nums[m]{
j = m-1
}else{
return m
}
}
return -1 //未找到target
}
}
二分查找插入点
func binarySearchInsert(nums []int,target int) int{
i,j := 0,len(size)-1
for i<=j{
m := (j-1)/2
if nums[m] < target{
i = m +1
} else if nums[m] > target{
j = m -1
}else{
return m
}
}
}
二分查找出入点(重复值的)
func binarySearchInsertion(nums []int,targer int) int{
i,j := 0,len(nums)-1
for i<=j{
m := (j-i)/2
if nums[m] < target{
i = m+1
}else if nums[m]>target{
j = m-1
}else{
j = m-1
}
}
return i
}
二分查找的左边界
func binarySearchleft(nums []int,target int) int {
i := binarySearchInsertion(nums[],target)
if i == len(nums) || nums[i] != target{
return -1
}
return i
}