优先队列,由于优先队列的树形结构是完全二叉树,所以可以使用数组的形式去存储,我的上一个博客是用二叉树的形式去存储优先队列的

//处理优先队列的头文件
#ifndef MAXHEAP_H
#define MAXHEAP_H
template<typename T>
class MaxHeap{
private:
	T* heapArray;
	int CurrSize;//当前堆中的元素的个数,从1开始
	int MaxSize;//对所能容纳的元素数目
public:
	//因为是完全二叉树,所以用数组来存储
	MaxHeap();
	~MaxHeap();
	void Print()const;
	void BulidHeap();
	bool IsLeaf(int pos)const;
	int LeftChild(int pos)const;
	int RightChild(int pos)const;
	int Parent(int pos)const;
	//先不考虑
	//void Remove(int pos);//删除给定下标的元素
	void Insert(const T& newNode);//插入新元素
	void MoveMax();//把堆顶的元素移到堆的尾部
	void RemoveMax();//删除堆尾部的最大元素
private:
	void Ready();//此函数是准备初始化堆,并给变量赋值
	void SiftDown(int pos);//筛选法函数,left表示开始处理的数组下标
	//该函数的应用函数是Insert()函数
	void SiftUp(int pos);//从position开始向上调整,使序列成为堆
};
template<typename T>
MaxHeap<T>::MaxHeap()
{
	this->heapArray = NULL;
	this->CurrSize = 0;
	this->MaxSize = 0;
}
template<typename T>
MaxHeap<T>::~MaxHeap()
{
	if (this->heapArray != NULL)
		delete heapArray;
	heapArray = NULL;
}
template<typename T>
void MaxHeap<T>::Ready()
{
	cout << "输入堆需要存储的最大长度:";
	cin >> this->MaxSize;
	this->heapArray = new T[this->MaxSize];
	if (this->heapArray == NULL)
	{
		cout << "未成功生成空间!" << endl;
		exit(true);
	}
	cout << "输入你要初始化的堆的长度:";
	cin >> this->CurrSize;
	T data;
	for (int i = 0; i < this->CurrSize; i++)
	{
		cin >> data;
		heapArray[i] = data;
	}
}
template<typename T>
void MaxHeap<T>::BulidHeap()
{
	this->Ready();
	for (int i = this->CurrSize / 2 - 1; i >= 0; i--)
	{
		this->SiftDown(i);
	}
}
template<typename T>
bool MaxHeap<T>::IsLeaf(int pos)const
{
	//因为存储结构是数组,所以当满足pos * 2 + 1 < this->CurrSize
	//即说明该节点不是叶子节点
	if (pos * 2 + 1 < this->CurrSize)
	{
		return false;
	}
	return true;
}
template<typename T>
int MaxHeap<T>::LeftChild(int pos)const
{
	if (this->IsLeaf(pos))
	{
		cout << "该节点是叶子节点,不存在孩子" << endl;
		exit(true);
	}
	//不是叶子节点,就一定存在左孩子,但是不一定存在右孩子
	return pos * 2 + 1;
}
template<typename T>
int MaxHeap<T>::RightChild(int pos)const
{
	if (this->IsLeaf(pos))
	{
		cout << "该节点是叶子节点,不存在孩子" << endl;
		exit(true);
	}
	if (pos * 2 + 2 >= this->CurrSize)
	{
		cout << "该节点不存在右孩子节点" << endl;
		exit(true);
	}
	return pos * 2 + 2;
}
template<typename T>
int MaxHeap<T>::Parent(int pos)const
{
	//分奇偶情况
	if (pos % 2 == 0)
	{
		return (pos - 2) / 2;
	}
	else
	{
		return (pos - 1) / 2;
	}
}
template<typename T>
void MaxHeap<T>::SiftDown(int pos)
{
	//筛选法的规则是从下开始向上寻找,找出不符合规则的,改变他
	int parent = pos;//标识父节点
	int left = pos * 2 + 1;//该节点的左孩子
	T val = this->heapArray[pos];
	while (left < this->CurrSize)
	{
		if (left < this->CurrSize - 1 && this->heapArray[left] < this->heapArray[left + 1])
		{
			//如果该节点有右孩子,且他的右孩子的关键吗大于左孩子的关键吗,执行该操作
			left++;
		}
		if (val < this->heapArray[left])
		{
			this->heapArray[parent] = this->heapArray[left];
			//改变此时的parent,将他指向下一个父节点
			parent = left;
			//继续向下操作
			left = left * 2 + 1;
		}
		else
		{
			break;
		}
	}
	this->heapArray[parent] = val;
}
template<typename T>
void MaxHeap<T>::Insert(const T& newNode)
{
	//插入行的元素,将钙元素插入数组的最后位置
	if (this->CurrSize >= this->MaxSize)
	{
		cout << "堆空间已存满" << endl;
		return;
	}
	this->heapArray[this->CurrSize++] = newNode;
	//开始从该节点调整,是数组满足最大堆
	this->SiftUp(this->CurrSize - 1);
}
template<typename T>
void MaxHeap<T>::SiftUp(int pos)
{
	int position = pos;//记录该节点的位置
	int parent = this->Parent(pos);
	T val = this->heapArray[position];
	while (parent >= 0)
	{
		//当时不是根节点的时候,一直持续的比较
		if (this->heapArray[parent] < val)
		{
			//当父节点的值要小于当前节点的值的时候
			//不满足最大堆的概念,所以要交换彼此的值
			this->heapArray[position] = this->heapArray[parent];
			this->heapArray[parent] = val;
			position = parent;
			parent = this->Parent(parent);
		}
		else
		{
			break;
		}
	}
}
template<typename T>
void MaxHeap<T>::MoveMax()
{
	T val = this->heapArray[0];
	this->heapArray[0] = this->heapArray[this->CurrSize - 1];
	this->heapArray[this->CurrSize - 1] = val;
}
template<typename T>
void MaxHeap<T>::RemoveMax()
{
	if (this->CurrSize == 0)
	{
		cout << "此时堆为空" << endl;
		exit(true);
	}
	else
	{
		this->MoveMax();
		this->CurrSize--;
		if (this->CurrSize > 1)
		{
			//因为在引动堆顶元素时,破坏了对的规则,所以从堆顶开始对堆进行规则化
			this->SiftDown(0);
		}
	}
}
template<typename T>
void MaxHeap<T>::Print()const
{
	for (int i = 0; i < this->CurrSize; i++)
	{
		cout << this->heapArray[i] << " ";
	}
	cout << endl;
}
#endif
//主函数
// MaxHeap.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"


int _tmain(int argc, _TCHAR* argv[])
{
	MaxHeap<int>heap;
	heap.BulidHeap();
	heap.Print();
	int value;
	cout << "输入你要插入的值:";
	cin >> value;
	heap.Insert(value);
	heap.Print();
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Java中,常见的数据结构包括数组、链表、栈、队列、二叉树、红黑树和B+树。 数组是一种线性数据结构,它可以存储相同类型的元素,并通过索引来访问和操作这些元素。 链表也是一种线性数据结构,它由一系列节点组成,每个节点包含数据和指向下一个节点的指针。链表可以分为单向链表和双向链表。 栈是一种后进先出(LIFO)的数据结构,它只允许在栈顶进行插入和删除操作。常见的应用场景包括函数调用、表达式求值和括号匹配等。 队列是一种先进先出(FIFO)的数据结构,它允许在队尾插入元素,在队头删除元素。常见的应用场景包括任务调度、消息传递和缓冲区管理等。 二叉树是一种树形数据结构,每个节点最多有两个子节点。它具有快速的查找和插入操作的特点,常用于排序和搜索算法。 红黑树是一种自平衡的二叉查找树,它通过颜色属性和一组规则来保持平衡。红黑树的查询和插入操作的时间复杂度都是O(log n),在Java中常用于实现TreeMap和TreeSet等数据结构。 B+树是一种多路搜索树,它由m叉查找树和有序双向链表组合构成。B+树在数据库和文件系统中广泛应用,它具有高效的范围查询和插入操作。 总结起来,数组适用于随机访问,链表适用于频繁的插入和删除操作,栈和队列适用于特定的操作顺序,而二叉树、红黑树和B+树适用于快速的查找和插入操作。 #### 引用[.reference_title] - *1* [数据结构简析:栈、队列、数组、链表、红黑树。](https://blog.csdn.net/JinxLin/article/details/107892406)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [数据结构-栈、队列、数组、链表、树](https://blog.csdn.net/m0_66570838/article/details/129588748)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [数组、链表、栈、队列、树](https://blog.csdn.net/lercent/article/details/127754743)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值