二叉树-堆应用（2）

唐唐思

已于 2024-02-19 12:46:26 修改

阅读量823

点赞数 22

分类专栏：初阶数据结构文章标签：数据结构 C语言

于 2024-01-31 20:46:51 首次发布

本文链接：https://blog.csdn.net/m0_74841364/article/details/135951071

版权

初阶数据结构专栏收录该内容

45 篇文章 1 订阅

订阅专栏

建堆

向上调整建堆
向下调整建堆
本质：直接在数组内调整建堆
向上调整建堆：把第一个元素当成一个堆，往后一个元素模拟成插入这个堆
向下调整建队：把整个数组的元素当成一个树，然后从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆。

方法1&向上调整建堆

向上调整建堆：把第一个元素当成一个堆，往后一个元素模拟成插入这个堆（每个插入的元素调用向上调整算法）

方法2&向下调整建堆❗

向下调整建队：把整个数组的元素当成一个树，然后从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆。（把每棵子树调用向下调整算法）

向下调整建堆：

下面我们给出一个数组，这个数组逻辑上可以看做一颗完全二叉树，但是还不是一个堆，现在我们通过算法，把它构建成一个堆。根节点左右子树不是堆，我们怎么调整呢？

首先把数组元素逻辑上看成一颗树
然后调整成堆
这里我们从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆。

int a[] = {1,5,3,8,7,6};

总代码

//建堆
void CreateHeap(int* a, int size)
{
	//方法1向上调整建堆 建堆--建的小堆--降序 建大堆--升序
	for (int i = 0; i < size; i++)
	{
		AdjustUp(a, i);
	}
	//printf("\n");

	//方法2向下调整建堆
	for (int i = (size - 1 - 1) / 2; i >= 0; i--)//i=0的时候到达根节点此时就是全部向下调整
	{
		Adjustdown(a, size, i);//这里的size不确定，但是肯定比size小所以取最大就size
	}
}

int main()
{
	int a[10] = { 2,3,7,5,4,3,9,7,6,10 };
	int size = sizeof(a) / sizeof(a[0]);
	CreateHeap(a, size);
	for (int i = 0; i < size; i++)
	{
		printf("%d ", a[i]);
	}
	return 0;
}

时间复杂度分析

因为堆是完全二叉树，而满二叉树也是完全二叉树，此处为了简化使用满二叉树来证明(时间复杂度本来看的就是近似值，多几个节点不影响最终结果)：

建堆的时间复杂度为O(N)。
节点N&高度h存在：N=2^h-1
对比发现向下：节点少*多的调整；节点多*少的调整
向上：节点少*少的调整；节点多*多的调整
所以：【向下】调整方法才是最优解

向上调整建堆

向上调整算法的时间复杂度为:

T(h)=-(2^h-1)+2^h*(h-1)+1

T(N)=-N+1+（N+1）* log2(N+1)

≈O（N*logN)

向上调整算法的时间复杂度：O（N*logN)

向下调整建堆

向下调整算法的时间复杂度为:

T(h)=2^h-1-h

T(N)=N-log2(N+1) （log2(N+1)可以忽略不计）

≈O（N)

向下调整算法的时间复杂度：O（N)

堆排序的时间复杂度

建队的时间复杂度：O(N）
高度次：logN
交换+向下调整（调整高度次）：O（logN*N）=O（N*logN）
堆排序的时间复杂度：O（N）+O（N*logN）=O（N*logN）

TopK问题的时间复杂度

建小堆/大堆： O（K）
比较（总的数据）：忽略
交换（最坏程度N次）+向下调整（高度次K个总结点）：O（N*logK)
TopK问题的时间复杂度：O（K）+O（N*logK)=O（N*logK)

总结

假设高度为h，节点个数为N

N=2^h-1

h=log2((N+1)

高度次的时间复杂度：O（logN)

AdjustUp向上调整算法：O（logN）
AdjustDown向下调整算法：O（logN）

向上调整建堆：O(N*logN）

向下调整建堆：O(N)

堆排序的时间复杂度：O(N*logN）

TopK问题的时间复杂度：O(N*logk)

等比数列N*logN。

等差数列N*N。

且重复数据堆排序不忽略。