堆是一种基于树结构的数据结构,通常用于实现优先队列。堆分为最大堆和最小堆两种类型,最大堆的每个节点的值都大于等于其子节点的值,最小堆则相反,每个节点的值都小于等于其子节点的值。
基础算法操作包括:
1. 插入元素:将新元素插入堆的末尾,然后通过上滤操作将其移到正确的位置。
2. 删除堆顶元素:将堆顶元素与堆末尾元素交换,然后将堆末尾元素删除,最后通过下滤操作将堆顶元素移到正确的位置。
3. 上滤操作:将一个新元素插入堆末尾后,将其与其父节点比较,如果大于等于父节点,则不需要操作;否则将其与父节点交换,然后继续向上比较,直到达到堆顶或者不需要交换为止。
4. 下滤操作:将堆顶元素与其子节点比较,如果小于等于子节点,则不需要操作;否则将其与子节点中较大(或较小)的那个交换,然后继续向下比较,直到达到堆底或者不需要交换为止。
5. 建堆操作:将一个无序序列转化为堆的过程,可以通过从最后一个非叶子节点开始进行下滤操作,直到堆顶。
以下是基于数组实现的最小堆,包括插入元素、删除堆顶元素、上滤操作、下滤操作和建堆操作的实现。
应用场景:
堆是一种数据结构,具有动态分配内存、动态扩容等特点,在计算机科学中有许多应用场景。以下是堆的几个应用场景:
1. 内存管理
堆常用于动态分配内存,例如在程序运行时需要创建一个动态数组,但是数组的大小在编译时是未知的,这时可以使用堆来动态分配内存。C语言中的malloc和free函数就是堆的常见应用。
2. 优先队列
堆可以用来实现优先队列,即队列中的元素按照某种优先级排序,每次取出的元素是优先级最高的。堆实现优先队列的时间复杂度为O(logn),比其他实现方式的时间复杂度低,因此在需要高效实现优先队列的场景中,堆是一个常见的选择。
3. 排序算法
堆排序是一种高效的排序算法,它的时间复杂度为O(nlogn),与快速排序、归并排序等常见的排序算法相当。堆排序的基本思路是将待排序的元素构建成一个二叉堆,然后每次取出堆顶的元素,将其放到已排序的序列中,再对剩余的元素重新构建堆。
4. 图算法
在图算法中,堆常用于实现Dijkstra算法和Prim算法。Dijkstra算法是一种求解单源最短路径问题的算法,它通过维护一个距离起点最短的节点集合,不断扩展该集合来求解最短路径。Prim算法是一种求解最小生成树问题的算法,它通过维护一个已经生成的树的节点集合,不断将与该集合相邻的未被访问的节点加入集合中,直到生成一棵最小生成树。
5. 操作系统
堆在操作系统中也有广泛的应用,例如进程管理中的内存分配和释放、虚拟内存管理中的页面置换等。在进程管理中,堆用于动态分配进程的堆内存,以及动态加载和卸载动态链接库。在虚拟内存管理中,堆可以用于实现页面置换算法中的优先队列,以便快速选择需要置换的页面。
```c++
#include <iostream>
#include <vector>
using namespace std;
class MinHeap {
private:
vector<int> heap; // 存储堆的数组
// 上滤操作
void siftUp(int index) {
while (index > 0) {
int parent = (index - 1) / 2;
if (heap[parent] > heap[index]) {
swap(heap[parent], heap[index]);
index = parent;
} else {
break;
}
}
}
// 下滤操作
void siftDown(int index) {
int size = heap.size();
while (index * 2 + 1 < size) {
int leftChild = index * 2 + 1;
int rightChild = index * 2 + 2;
int minIndex = leftChild;
if (rightChild < size && heap[rightChild] < heap[leftChild]) {
minIndex = rightChild;
}
if (heap[minIndex] < heap[index]) {
swap(heap[minIndex], heap[index]);
index = minIndex;
} else {
break;
}
}
}
public:
// 插入元素
void insert(int val) {
heap.push_back(val);
siftUp(heap.size() - 1);
}
// 删除堆顶元素
void deleteMin() {
int size = heap.size();
if (size == 0) {
return;
}
heap[0] = heap[size - 1];
heap.pop_back();
siftDown(0);
}
// 建堆操作
void buildHeap(vector<int>& nums) {
heap = nums;
int size = heap.size();
for (int i = size / 2 - 1; i >= 0; i--) {
siftDown(i);
}
}
// 获取堆顶元素
int getMin() {
return heap.size() == 0 ? -1 : heap[0];
}
// 获取堆的大小
int size() {
return heap.size();
}
// 判断堆是否为空
bool empty() {
return heap.empty();
}
};
int main() {
MinHeap heap;
heap.insert(3);
heap.insert(2);
heap.insert(1);
cout << heap.getMin() << endl; // 1
heap.deleteMin();
cout << heap.getMin() << endl; // 2
heap.insert(0);
cout << heap.getMin() << endl; // 0
vector<int> nums = {5, 4, 3, 2, 1};
heap.buildHeap(nums);
while (!heap.empty()) {
cout << heap.getMin() << " ";
heap.deleteMin();
} // 1 2 3 4 5
return 0;
}
```