目前初阶数据结构最难的一集-树+二叉树_堆

1.树的概念以及结构

1.1.树的概念

在数据结构中我们都是怎样定义树的？

树是一种非线性的数据结构，它是由n（n>=0）个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。

有一个特殊的结点，称为根结点，根节点没有前驱结点

其实很简单，为了更适合理解，我们引用出了树木+亲缘关系，结构上像倒过来的树，每个节点关系像父子关系，有点像家谱

节点的度：一个节点含有的子树的个数称为该节点的度； 就是看这个节点有几个孩子

叶节点或终端节点（也就是这棵树的最后）：度为0的节点称为叶节点； 如上图：J、K、H、I...等节点为叶节点；就是看辈分最小（没有孩子的节点）的几个孩子

非终端节点或分支节点：度不为0的节点； 如上图：D、E、F、G...等节点为分支节点

双亲节点或父节点：若一个节点含有子节点，则这个节点称为其子节点的父节点； 如上图：A是B的父节点

孩子节点或子节点：一个节点含有的子树的根节点称为该节点的子节点； 如上图：B是A的孩子节点

兄弟节点：具有相同父节点的节点互称为兄弟节点； 如上图：B、C是兄弟节点

树的度：一棵树中，最大的节点的度称为树的度； 如上图：度最大的节点为A 树的度为3

节点的层次：从根开始定义起，根为第1层，根的子节点为第2层，以此类推

树的高度或深度：树中节点的最大层次； 如上图：树的高度为4（用家族的感觉就是这个家族有几代人）

堂兄弟节点：双亲在同一层的节点互为堂兄弟；如上图：H、I互为兄弟节点

节点的祖先：从根到该节点所经分支上的所有节点；如上图：A是所有节点的祖先，相当于直系亲属

子孙：以某节点为根的子树中任一节点都称为该节点的子孙。如上图：所有节点都是A的子孙

森林：由m（m>0）棵互不相交的树的集合称为森林；         

子树之间不能相交，比如说BC不能相连，相连则不为树，

相连为另一种数据结构：图                

1.2.树的相关概念

树是递归定义的  任何一棵树都由【根和N（N>=0）个子树】构成

比如，A由A和3个子树（B,C,D）构成，而B又由2个子树（E,F）构成，就这样一层层的递归，最终形成一整个树

1.3.树的表示

总体来说，有三种表达方式

1.直接暴力c++

2.利用顺序表，存储指针数组

3.定义出孩子指针和兄弟指针，找出父节点的第一个左孩子，然后由这个左孩子找出他的兄弟们

1.4.树在实际生活中的应用

2.二叉树的概念以及结构

2.1.概念

一棵二叉树是结点的一个有限集合，该集合:

1. 或者为空

2. 由一个根节点加上两棵别称为左子树和右子树的二叉树组成

简单来说就是树最多只能分成俩叉

2.2.特殊的二叉树

1.满二叉树：满二叉树是一种特殊的二叉树，它的每个非叶子节点都有两个子节点，而且所有的叶子节点都在同一层上。换句话说，它是一棵深度为k且恰好有2^k-1个节点的二叉树，其中k为正整数。相当于每个父亲都有俩儿子，他也是一种特殊的完全二叉树

2.完全二叉树：完全二叉树是一种特殊的二叉树，它除了最后一层节点不满外，其余各层节点数都达到了最大值，并且最后一层的节点都集中在树的左侧。换句话说，如果把一棵完全二叉树的节点按照从上到下、从左到右的顺序依次编号，那么编号为i的节点的左儿子的编号一定为2i，右儿子的编号一定为2i+1，相当于之前都是俩儿子，到最后一辈开始参差不齐，但是从左到右必须连续，不能空

2.3.二叉树的性质

2.4.二叉树的存储结构

在我们想象中二叉树是像上面一样的，但是实际在计算机内存中却不是这么存储的

逻辑结构

物理结构

因此我们要把他想象成如下的结构

3.二叉树的顺序结构以及其实现

3.1.二叉树的顺序结构

相当于数组存储，因此我们在进行代码实现时必须代换成我们想象中的逻辑结构

我们假设上图中父亲为i,则左儿子则为2i+1,右儿子则为2i+2

假设儿子为i,则父亲为（i-1）/ 2,（因为计算机在进行整形除法时会删除小数点，所以不用区分左右儿子）

正式讲二叉树之前就让我们先看二叉树的衍生物--堆，来帮助我们更好理解

3.2.堆的概念及其结构  

首先堆必须是一个完全二叉树

其次通过父亲和孩子的大小关系可以区分为大小堆，大堆的根皆为最大，小堆同上

注意落实在内存中的存储不一定为升序 / 降序（因为兄弟之间没有大小关系）

升序：在数组中由下标0开始存储数据不断变大

降序：在数组中由下标0开始存储数据不断变小

3.3.堆的实现

3.3.1 堆的向下调整算法和向上排序算法

1.向下调整算法

为什么要用向下调整算法？

当我们进行想要删除堆的元素时往往需要删除堆的根节点，此时我们可能会想到直接将根节点取出来，但是堆并不是数组，如果盲目的将根节点删除，然后其他的补充位置的话，父子关系就会打乱，左右子节点将不会形成堆的结构，不利于调整

于是我们就用向下调整，先交换9和1，将1干到堆顶

然后与他的儿子比较比儿子小就下去，（谁大谁当爹）

代码如下：

特别注意：要使用向下调整算法左右子树都必须为大 / 小堆

2.向上调整算法

常用于堆的插入，知道儿子，找到爹，然后比，谁大谁当爹

3.3.2 堆的创建

首先我们直接说结论

要升序，建大堆

要降序，建小堆

那么就有人问为什么了？

别着急，小L来解答

首先假设我们建好了大堆然后想要进行排序   假设要排降序，此时最大值9已经在堆顶了  我们接下来要排次大，我们就只能将9先取出来，于是乎，就造成和向下调整算法一样的局面，父子关系直接乱套了，就要重新建堆，极大地增加了算法量，反观假如要进行升序我们直接使用向下调整算法，然后再将每次的最后一个孩子不管，于是就能拿到升序的结构，小堆同理

然后大家就会有疑问，为啥降序的时候不把堆顶和最后一个元素交换，然后用一样的思路？

其实不瞒大家，我之前也因为这个问题困惑很久，但是大家看，如果利用此思路，9就会调到

最后，调整完后8会到倒数第二，此时也还是升序啊！（在数组中由下标0开始存储数据不断变大）所以说，想要升序就要建大堆，想要降序就要建小堆

代码如下

有的铁铁会发现，我们建堆时使用的是向上调整算法，那么有没有其他算法来建堆呢？

答案是有的，向下调整算法也能用，这时候大家就会问，向下调整算法不是左右子树都必须为大 / 小堆吗？

俗话说的好，没条件我们也能创造条件，我们可以从底层开始做起，一步步实现，我们可以倒着调整，从倒数第一个父亲开始调整，将他实现成大堆，然后把他前面父亲也这么调，直到都为大堆

 

n-1是为了算出最后一个元素下标，再-1/2是为了算出他父亲

3.3.3 建堆的时间复杂度

1.向下调整算法O(N)

2.向上调整算法O(N*logN)

由上可得向下调整算法要优于向上调整算法

3.3.4 堆的插入

3.3.5 堆的删除

进行删除时需要将根节点和最后一个元素互相交换，再尾删最后一个，然后进行向下调整

3.3.6 堆的代码实现

Heap.h

Heap.c

3.4 堆的应用

3..1 Top-k问题

例如我的寝室长老王 王者是国服，游戏里的排行榜就是由此设计的，能利用堆排序来实现