堆的应用
向下调整函数的实现
void AdjustDown(HPDataType* a, int n, int parent)
{
int child = parent * 2 + 1;
while (child < n)
{
// 选出左右孩子中大的那一个
if (child + 1 < n && a[child+1] > a[child])
{
++child;
}
if (a[child] > a[parent])
{
Swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
向下调整需要满足的条件是这个堆是大堆或者小堆,n 是堆中的数据个数,leftchild = parent*2+1,rightchild = parent * 2+2;这里以大堆为例,如果以下的数据是大堆,选出两个孩子中大的数据,与parent数据交换,然后继续判断交换后的数据是否满足大堆的关系,如果不能满足,继续交换,循环的结束条件是孩子的数组下标位置已经大于数据的个数,这里数据的个数相当于数组最后一个数据的下一个位置的下标。大堆的向下调整,第一步找出两个孩子中数据较大的那个,这里采用假设法默认左孩子数据大,如果右孩子大,则child++;之后就是交换数据,然后交换结束,父亲指向左孩子的位置,左孩子则指向下一个左孩子的位置。
向上调整函数的实现
void AdjustUp(HpDataType* a,int child)
{
int parent = (child - 1) / 2;
while (child > 0)
{
if (a[child] > a[parent])
{
swep(&a[child],&a[parent]);
child = parent;
parent = (child - 1) / 2;
}
else
{
break;
}
}
}
这里不管是左孩子还是右孩子,都满足parent = (child - 1)/2的关系,这个循环的结束条件是child<0,当你插入一个数据以后需要向上调整,来确保堆依然是大堆。
堆的排序
堆排序即利用堆的思想来进行排序,总共分为两个步骤:
-
建堆
升序:建大堆
降序:建小堆 -
利用堆删除思想来进行排序
这里升序建大堆不建小堆的原因是建堆后的父子关系全部乱了,每一次只能选出最小的数据,然后又需要对剩余的数据进行重新建堆,来选出次小的数据,时间复杂度太大。
当你选出0和4之后,4后面的数据不是最小的9后面才是,关系乱了,不能依次选出数据。
我们采用建大堆的方式建堆:
用向上调整的方式建堆
这里是用最大方式建堆以后,选出最大的数据,然后把最大的数据与数组最后一个位置的数据交换位置,之后就向下调整,选出次大的数据,这里控制end的位置来控制向下调整的深度,这样依次就把升序的数据排列好了。
void HeapQost(int*a,int n)
{
for (int i = 1; i < n; ++i)
{
AdjustUp(a,i);
}
int end = n - 1;
while (end > 0)
{
swep(&a[end], &a[0]);
AdjustDown(a, end, 0);
}
end--;
}
int main()
{
//堆排序的实现
int a[9] = { 2,4,6,9,10,0,3,5,7 };
HeapQost(a, 9);
return 0;
}
堆的排序的第二种方式
用向下调整的方式建堆:
//向下调整建堆
for (int i = (n - 1 - 1) / 2; i > 0; i--)
{
AdjustDown(a, n, i);
}
用向下调整的方式建堆,向下调整需要满足子堆是大堆或者小堆,因此我们需要从后往上进行调整,找到最后一个叶的父亲,将这个父亲进行向下调整,调整完成以后这个枝叶就满足是大堆或者小堆的情况,然后i–,父节点向前走,依次进行调整,之后调整完毕,堆顶的数据即为最大或者最小。
向下调整建堆和向上建堆的时间复杂度
向下调整建堆的时间复杂度
向上调整建堆的时间复杂度
第一层需要向上调整的次数为0,第二层共有2^1个数,需要向上调整的次数为1次,第三层一共有2 ^ 2 个数据需要向上调整的次数为2次……到h层,一共有2 ^ (h-1)个数,需要向上调整的次数为(h-1)次
int end = n - 1;
while (end > 0)
{
swep(&a[end], &a[0]);
AdjustDown(a, end, 0);
}
end--;
}
最后调整的时间复杂度:
最后一层一共有2^(h-1)个数据,每一个数据调整好位置需要向下调整(h-1)次,排列好最后一层数据的时间复杂度2 ^ (h-1)*(h-1).所以排列好全部的数据一共需要O(n) * log N 次。
TOP-K问题
TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。
比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题,能想到的最简单直接的方式就是排序,但是:如果数据量非常大,排序就不太可取了(可能
数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决,基本思路如下:
- 用数据集合中前K个元素来建堆
前k个最大的元素,则建小堆
前k个最小的元素,则建大堆 - 用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
将剩余N-K个元素依次与堆顶元素比完之后,堆中剩余的K个元素就是所求的前K个最小或者最大的元素。
当数据量非常大有100亿个数据,这时内存空间不够建堆,该如何解决?
思路:首先用前k个数据建一个小堆,之后遍历剩下的数据,如果这个数据比堆顶的大,就替代他进堆(向下调整),最后这个小堆就是这组数据中最大的前k个。
void PrintTopK(const char* file, int k)
{
// 1. 建堆--用a中前k个元素建小堆
int* topk = (int*)malloc(sizeof(int) * k);
assert(topk);
FILE* fout = fopen(file, "r");
if (fout == NULL)
{
perror("fopen error");
return;
}
// 读出前k个数据建小堆
for(int i = 0; i < k; ++i)
{
fscanf(fout, "%d", &topk[i]);
}
for (int i = (k-2)/2; i >= 0; --i)
{
AdjustDown(topk, k, i);
}
// 2. 将剩余n-k个元素依次与堆顶元素交换,不满则则替换
int val = 0;
int ret = fscanf(fout, "%d", &val);
while (ret != EOF)
{
if (val > topk[0])
{
topk[0] = val;
AdjustDown(topk, k, 0);
}
ret = fscanf(fout, "%d", &val);
}
for (int i = 0; i < k; i++)
{
printf("%d ", topk[i]);
}
printf("\n");
free(topk);
fclose(fout);
}
void CreateNDate()
{
// 造数据
int n = 10000000;
srand(time(0));
const char* file = "data.txt";
FILE* fin = fopen(file, "w");
if (fin == NULL)
{
perror("fopen error");
return;
}
for (size_t i = 0; i < n; ++i)
{
int x = rand() % 10000;
fprintf(fin, "%d\n", x);
}
fclose(fin);
}
int main()
{
//int a[10] = { 2, 1, 5, 7, 6, 8, 0, 9, 4, 3}; // 对数组排序
//HeapSort(a, 10);
CreateNDate();
//PrintTopK("data.txt", 10);
return 0;
}