C语言实现堆

什么是堆

使用数组来实现二叉树就是堆。

完全二叉树使用数组来实现比较好，这样内存的使用率较高。完全二叉树（最后一层可以不满，但必须连续）。

父子间下标的规则：

父找子：leftchile = parent * 2 + 1，rightchild = parent * 2 + 2。

子找父：parent = (child - 1) / 2;

堆分为“大堆”，“小堆”。

大堆（大根堆）：任何一个父亲都大于或等于孩子。

小堆（小根堆）：任意一个父亲都小于或等于孩子。

 堆的实现

结构体定义

typedef int HPDataType;
typedef struct Heap
{
    HPDataType* a;
    int size;
    int capacity;
}HP;

堆接口实现

// 初始化堆
void HeapInit(HP* php)
{
    assert(php);
    php->a = NULL;
    php->size = php->capacity = 0;
}

// 销毁堆, 释放空间
void HeapDestroy(HP* php)
{
    assert(php);
    free(php->a);
    php->a = NULL;
    php->size = php->capacity = 0;
}

// 交换堆中的两个元素
void Swap(PDataType* p1, PDataType* p2)
{
    HPDataType tem = *p1;
    *p1 = *p2;
    *p2 = tem;
}

// 向上调整算法
void AdjustUp(HPDataType* a, int child)
{
    assert(a);
    int parent = (child - 1) / 2;
    while(child > 0)
    {
        if(a[parent] > a[child])
        {
            Swap(&a[parent], &a[child]);
            child = parent;
            parent = (child - 1) / 2;
        }
        else
        {
            break;
        }
    }
}

// 向下调整算法
void AdjustDown(HPDataType* a, int n, int parent)
{
    assert(a);
    int child = parent * 2 + 1;
    while(child < n)
    {
        if(child + 1 < n && a[child] > a[child + 1])
        {
           child++; 
        }
        
        if(a[parent] > a[child])
        {
            Swap(&a[parent], &a[child]);
            parent = child;
            child = parent * 2 + 1;
        }
        else
        {
            break;
        }
    }
}

// 向堆中增加元素
void HeapPush(HP* php, HPDataType x)
{
    assert(php);
    if(php->size == php->capacity)
    {
        int newcapacity = php->capacity == 0 ? 4 : 2 * php->capacity;
        HPDataType* tem = (HPDataType*)realloc(php->a, sizeof(HPDataType) * newcapacity);
        if(tem == NULL)
        {
            perror("realloc fail");
            return;
        }
        php->a = tem;
        php->capacity = newcapacity;
    }
    php->a[php->size++] = x;
    AdjustUp(php->a, php->size, 0);
}

// 堆是否为空
bool HeapEmpty(HP* php)
{
    assert(php);
    return php->size == 0;
}

// 将堆尾元素删除
void HeapPop(HP* php)
{
    assert(php);
    assert(!HeapEmpty(php));
    Swap(&php->a[0], &php->a[php->size -  1]);
    php->size--;
    AdjustDown(php->a, php->size, 0);
}


// 获取堆顶数据
HPDataType HeapTop(HP* php)
{
    assert(php);
    return php->a[0];
}

 向堆中插入数据, 一般都是在堆的末尾插入数据, 所以在一般插入使用的是向上调整.

堆的删除: 如果直接删除第一个节点, 那么整个堆的结构就乱掉了, 就需要重新建堆. 我们可以将堆顶的元素置换到堆未, 这样就只需要将 size-- 就可以了, 至于置换到堆顶的元素, 只需要对其进行向下调整就可以了.

向上调整

向上调整前提: 本节点以上的已经是一个堆了, 如果本节点以上不是堆, 那么调整起来就没有意义了.

这里的调整算法是以小根堆来演示的.

// 向上调整算法
void AdjustUp(HPDataType* a, int child)
{
    assert(a);
    int parent = (child - 1) / 2;
    while(child > 0)
    {
        if(a[parent] > a[child])
        {
            Swap(&a[parent], &a[child]);
            child = parent;
            parent = (child - 1) / 2;
        }
        else
        {
            break;
        }
    }
}

向下调整 

向下调整算法有一个前提：左右子树必须都是一个堆，才能调整。否则调整起来就没有了意义.

// 向下调整算法
void AdjustDown(HPDataType* a, int n, int parent)
{
    assert(a);
    int child = parent * 2 + 1;
    while(child < n)
    {
        if(child + 1 < n && a[child] > a[child + 1])
        {
           child++; 
        }
        
        if(a[parent] > a[child])
        {
            Swap(&a[parent], &a[child]);
            parent = child;
            child = parent * 2 + 1;
        }
        else
        {
            break;
        }
    }
}

 数组建堆

 在建堆的时候, 不一定是一个个的插入数据, 有可能是给了一个数组, 要求将这个数组调整成为堆.

有两种建立方式: 分别是使用向上调整建堆和向下调整建堆.

void AdjustHP(HP* php, HPDataType* arr, int len)
{
	HPDataType* tem = (HPDataType*)malloc(len * sizeof(HPDataType));
	php->a = tem;
	php->capacity = php->size = len;
	for (int i = 0; i < len; i++)
	{
		php->a[i] = arr[i];
	}
	// 向上
	for (int i = 0; i < len; i++)
	{
		AdjustUp(php->a, i);
	}

	// 向下
	for (int i = (len - 1) / 2; i >= 0; i--)
	{
		AdjustDown(php->a, len, i);
	}
}

向上调整: 相当于是不断地向堆中尾插数据, 然后调用向上调整.

向下调整: 就和向上调整相反, 相当于每次都是在头部新增节点. 向下调整中, 因为堆的最后一层都是单个节点, 没有子树, 所以最后一层不用进行向下调整. 这里方便理解, 图中还是从最后一层开始.

在实际操作中推荐使用向下调整:

从图片中的推导可知, 在h较大的情况下, 向下调整的次数要少于向上调整的.