@[toc]
目录
1.树的概念及结构
(1)树的概念
树是n(n >= 0)个结点的有限集。n = 0时成为空树,在任意一棵非空树中:
一. 有且仅有一个特定的成为根的结点;
二. 当n > 1时,其余结点可分为m(m > 0)个互不相交的有限集T1,T2,T3.......Tm,其中每个集合本身又是一棵树,并且称为根的子树。
如下图:
注意:树形结构中,子树之间不能有交集,否则就不能是树形结构。
(2)树的相关概念
节点的度:一个节点含有的子树的个数称为该节点的度; 如上图:A的为6
叶节点或终端节点:度为0的节点称为叶节点; 如上图:B、C、H、I...等节点为叶节点
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:树的度为6
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
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
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;
(3)树的表示
树结构相对线性表就比较复杂了,要存储表示起来就比较麻烦了,既然保存值域,也要保存结点和结点之间的关系,实际中树有很多种表示方式如:双亲表示法,孩子表示法、孩子双亲表示法以及孩子兄弟表示法等。我们这里就简单的了解其中最常用的孩子兄弟表示法。
typedef int DaytaType;
struct Node
{
struct Node* firstChild; // 第一个孩子结点
strcut Node* pNextBrother; // 指向其下一个兄弟结点
DataType data; // 节点中的数据域
};
2. 二叉树的概念及结构
(1)概念
一棵二叉树是节点的一个有限集合:
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
从上图可以看出:
1.二叉树不存在度大于2的结点
2.二叉树的子树有左右之分,次序不能颠倒,因此二叉树是有序树
(2)特殊的二叉树
1. 满二叉树:一个二叉树,如果每一个层的结点数都达到最大值,则这个二叉树就是满二叉
树。也就是说,如果一个二叉树的层数为K,且结点总数是 ,则它就是满二叉树。
2. 完全二叉树:完全二叉树是效率很高的数据结构,完全二叉树是由满二叉树而引出来的。对
于深度为K的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n
的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。
(3)二叉树的性质
1. 若规定根节点的层数为1,则一棵非空二叉树的第i层上最多有 2^(i - 1)个结点.
2. 若规定根节点的层数为1,则深度为h的二叉树的最大结点数是 2^h - 1.
3. 对任何一棵二叉树, 如果度为0其叶结点个数为 n, 度为2的分支结点个数为 ,则有 n=n +1
4. 若规定根节点的层数为1,具有n个结点的满二叉树的深度,h= log(n + 1). (ps: log是以2
为底)
5. 对于具有n个结点的完全二叉树,如果按照从上至下从左至右的数组顺序对所有节点从0开始编号,则对于序号为i的结点有:
一. 若i>0,i位置节点的双亲序号:(i-1)/2;i=0,i为根节点编号,无双亲节点
二. 若2i+1<n,左孩子序号:2i+1,2i+1>=n否则无左孩子
三. 若2i+2<n,右孩子序号:2i+2,2i+2>=n否则无右孩子
3.堆
(1)堆的概念及结构
如果有一个关键码的集合K = { , , ,…, },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: <= 且 <= ( >= 且 >= ) i = 0,1,2…,则称为小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆,根节点最小的堆叫做最小堆或小根堆。
堆的性质:
堆中某个节点的值总是不大于或不小于其父节点的值;
堆总是一棵完全二叉树。
(2)堆的实现
#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
typedef int HPDataType;
//小堆
typedef struct Heap
{
HPDataType* a;
int size;
int capacity;
}Heap;
// 堆的构建
void HeapCreate(Heap* hp, HPDataType* a, int n);
// 堆的销毁
void HeapDestory(Heap* hp);
// 堆的插入
void HeapPush(Heap* hp, HPDataType x);
// 堆的删除
void HeapPop(Heap* hp);
// 取堆顶的数据
HPDataType HeapTop(Heap* hp);
// 堆的数据个数
int HeapSize(Heap* hp);
// 堆的判空
int HeapEmpty(Heap* hp);
//向上调整算法
void AdjustHeapUp(HPDataType* a, int child);
//向下调整算法
void AdjustHeapDown(HPDataType* a, int parent, int size);
//交换
void Swap(HPDataType* a ,HPDataType* b);
// 堆的构建
void HeapCreate(Heap* hp, HPDataType* a, int n)
{
hp->a = (HPDataType*)malloc(sizeof(int) * n);
hp->a = NULL;
hp->size = 0;
hp->capacity = 0;
int i = 0;
while (i < n)
{
HeapPush(hp, a[i]);
i++;
}
}
// 堆的销毁
void HeapDestory(Heap* hp)
{
assert(hp);
free(hp->a);
hp->a = NULL;
hp->size = 0;
hp->capacity = 0;
}
// 堆的插入
void HeapPush(Heap* hp, HPDataType x)
{
if (hp->size == hp->capacity)
{
int newCapacity = hp->capacity == 0 ? 4 : hp->capacity * 2;
hp->a = (HPDataType*)realloc(hp->a, sizeof(int) * newCapacity);
if (hp->a == NULL)
{
return NULL;
}
hp->capacity = newCapacity;
}
hp->size++;
hp->a[hp->size - 1] = x;
AdjustHeapUp(hp->a, hp->size - 1);
}
// 堆的删除
void HeapPop(Heap* hp)
{
Swap(&hp->a[0], &hp->a[hp->size - 1]);
hp->size--;
AdjustHeapDown(hp->a,0 , hp->size - 1);
}
//向下调整算法
void AdjustHeapDown(HPDataType* a, int parent, int size)
{
int child = parent * 2 + 1;
while (child < size)
{
if (a[child] > a[child + 1])
{
child = child + 1;
}
if (a[child] < a[parent])
{
Swap(&a[child], &a[parent]);
}
parent = child;
child = parent * 2 + 1;
}
}
// 取堆顶的数据
HPDataType HeapTop(Heap* hp)
{
assert(hp);
return hp->a[0];
}
// 堆的数据个数
int HeapSize(Heap* hp)
{
assert(hp);
return hp->size;
}
// 堆的判空
int HeapEmpty(Heap* hp)
{
assert(hp);
return hp->size == 0;
}
//向上调整算法
void AdjustHeapUp(HPDataType* a, int child)
{
int parent = (child - 1) / 2;
while (child > 0)
{
if (a[parent] > a[child])
{
Swap(&a[parent], &a[child]);
}
child = parent;
parent = (child - 1) / 2;
}
}
//交换
void Swap(HPDataType* a, HPDataType* b)
{
HPDataType tmp = *a;
*a = *b;
*b = tmp;
}
(3)堆的应用
一,堆排序
void HeapSort(int* a, int size)
{
int i = 0;
//把数组建成大堆
//注意用向下调整算法比向上调整算法快
//向下调整算法是从最后一个子树的根节点开始向0下标移动的
//向上调整算法是从最后一个结点开始向0下标移动的
//举个例子:假如这个数组建堆后正好是个满二叉树,那么用向上调整算法就是从倒数第一层的最后一个结点开始向上遍历,而向下调整算法则是从倒数第二层的最后一个结点开始遍历
for (i = (size - 1 - 1) / 2; i >= 0; i--)
{
AdjustHeapDown(a, i, size);
}
int end = size - 1;
//大堆的第一个元素一定是最大的,我们把最大的元素和最后一个元素交换隔离这个数,只给前面的size - 1个数进行向下调整选出来的就是第二大的元素,重复上述操作
while (end >= 0)
{
//交换
Swap(&a[0], &a[end]);
//让接下来的向下调整对已经确定好位置的数不能产生影响
end--;
AdjustHeapDown(a, 0, end);
}
for (i = 0; i < size; i++)
{
printf("%d ", a[i]);
}
}
二。TopK问题
计算机的优点就是可以在短时间里进行大量的操作,所以在从海量的数据中提取中我们想要的数据的能力就比人工来说就要强好多倍,这里的TopK问题就是在大量的数据中选取前K大或者小的数据。
void TestTopk()
{
//用时间戳来设立随机数的种子
srand((unsigned int)time(NULL));
//随机数的总数且每一个随机数都不会大于这个数
const int N = 100000;
int* a = (int*)malloc(sizeof(int) * N);
for (int i = 0; i < N; i++)
{
a[i] = rand();
}
//设计几个最大的数,确保我们的代码输出没问题
a[3] = 1000002;
a[99] = 1000004;
a[20] = 1000006;
a[1000] = 1000009;
a[4000] = 1300000;
PrintTopK(a, N, 5);
}
void PrintTopK(int* a, int n, int k)
{
//先创建一个容量为5的堆,并且装满
HP hp;
HeapInit(&hp);
int i = 0;
for (i = 0; i < k; i++)
{
HeapPush(&hp, a[i]);
}
//堆的顶部是堆里最小的数据,如果堆顶的数据小于其他的数据,就删除掉栈顶数据,把这个数据插入 while (i < n)
{
if (HeapTop(&hp) < a[i])
{
HeapPop(&hp);
HeapPush(&hp, a[i]);
}
i++;
}
for (i = 0; i < k; i++ )
{
printf("%d ", hp.a[i]);
}
}