二叉树的结构及实现——堆

最新推荐文章于 2024-02-18 16:04:42 发布
最新推荐文章于 2024-02-18 16:04:42 发布
阅读量567 收藏 1
点赞数
分类专栏： 二叉树 文章标签： 算法 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_48042235/article/details/127515807
版权

目录

1.二叉树的顺序结构及实现

1.1二叉树的顺序结构

1.2堆的概念及结构

1.3堆的实现

1.3.1堆向下调整算法

1.3.2堆的创建

1.3.3建堆时间复杂度 

1.3.4堆的插入

1.3.5堆的删除

1.3.6堆的代码实现 

1.4堆的应用

1.4.1堆排序

1.4.2 TOP-K问题

1.二叉树的顺序结构及实现

1.1二叉树的顺序结构

普通的二叉树是不适合用数组来存储的，因为可能会存在大量的空间浪费。而完全二叉树更适合使用顺序结构存储。现实中我们通常把堆(一种二叉树)使用顺序结构的数组来存储，需要注意的是这里的堆和操作系统虚拟进程地址空间中的堆是两回事，一个是数据结构，一个是操作系统中管理内存的一块区域分段。

1.2堆的概念及结构

如果有一个关键码的集合K = { k_{0}，k_{1} ，k_{2} ，…，k_{n-1} }，把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中，并满足：k_{i}<=k_{2i+1}  且 k_{i}<=k_{2i+2}(k_{i}>=k_{2i+1}且k_{i}>=k_{2i+2}) i = 0，1，2...,则称为小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。

堆的性质：

         · 堆中某个节点的值总是不大于或不小于其父节点的值；

         · 堆总是一棵完全二叉树。  

1.3堆的实现

1.3.1堆向下调整算法

 现在我们给出一个数组，逻辑上看做一颗完全二叉树。我们通过从根节点开始的向下调整算法可以把它调整 成一个小堆。向下调整算法有一个前提：左右子树必须是一个堆，才能调整。

 int array[] = {27,15,19,18,28,34,65,49,25,37};

 

void AdjustDown(Heap* hp, int parent)
{
	int size = hp->size;
	int* array = hp->array;
	//child默认标记parent的左孩子
	//因为：parent如果有孩子，一定先有左孩子再有右孩子
	int child = parent * 2 + 1;
	while (child < size)
	{
		//如果有孩子存在，找parent两个孩子中较小的一个
		if (child + 1 < size&&hp->Compare(array[child+1],array[child]))
		{
			child += 1;
		}
		//检测parent是否满足堆的特性
		if (hp->Compare(array[child],array[parent]))
		{
			Swap(&array[child], &array[parent]);
			//较大的双亲往下移动，可能导致子树不满足堆的特性，继续向下检测
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			return;
		}
	}
}

1.3.2堆的创建

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？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};

void HeapCreate(Heap* hp, DataType* a, int n, PFUNC Compare) 
{
	hp->array = (DataType*)malloc(sizeof(DataType)*n);        
	if (NULL == hp->array)
	{
		assert(0);
		return;
	}
	hp->capacity = n;
	memcpy(hp->array, a, sizeof(DataType)*n);
	hp->size = n;
	hp->Compare = Compare;
	//需要从倒数第一个非叶子结点的位置调整
	for (int root = (n - 2)/2; root >= 0; root--)
	{
		AdjustDown(hp, root);
	}
}

1.3.3建堆时间复杂度 

 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)：

因此：建堆的时间复杂度为O(N)。 

1.3.4堆的插入

先插入一个10到数组的尾上，再进行向上调整算法，直到满足堆。

1.3.5堆的删除

删除堆是删除堆顶的数据，将堆顶的数据根最后一个数据一换，然后删除数组最后一个数据，再进行向下调 整算法。

1.3.6堆的代码实现 

  heap.h

#pragma once

typedef int DataType;

typedef int(*PFUNC)(int left, int right);
typedef struct Heap
{
	DataType* array;
	int capacity;
	int size;
	PFUNC Compare;
}Heap;

//堆的构建
void HeapCreate(Heap* hp, DataType* a, int n);
//堆的销毁
void HeapDestroy(Heap* hp);
//堆的插入
void HeapPush(Heap* hp, DataType x);
//堆的删除
void HeapPop(Heap* hp);
//获取堆顶元素
DataType HeapTop(Heap* hp);
//堆的数据个数
int HeapSize(Heap* hp);
//堆的判空
int HeapEmpty(Heap* hp);


//测试
void TestHeap();

  heap.c

#include "heap.h"
#include<assert.h>
#include<stdio.h>
#include<string.h>
#include<stdlib.h>

int Less(int left, int right)
{
	return left < right;
}
int Greater(int left, int right)
{
	return left > right;
}


void Swap(DataType* left, DataType * right)
{
	int temp = *left;
	*left = *right;
	*right = temp;
}
//O(logn)
//向下调整（根节点左右子树满足堆的特性）
void AdjustDown(Heap* hp, int parent)
{
	int size = hp->size;
	int* array = hp->array;
	//child默认标记parent的左孩子
	//因为：parent如果有孩子，一定先有左孩子再有右孩子
	int child = parent * 2 + 1;
	while (child < size)
	{
		//如果有孩子存在，找parent两个孩子中较小的一个
		if (child + 1 < size&&hp->Compare(array[child+1],array[child]))
		{
			child += 1;
		}
		//检测parent是否满足堆的特性
		if (hp->Compare(array[child],array[parent]))
		{
			Swap(&array[child], &array[parent]);

			//较大的双亲往下移动，可能导致子树不满足堆的特性，继续向下检测
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			return;
		}
	}
}

void AdjustUp(Heap *hp, int child)
{
	int* array = hp->array;
	int parent = (child - 1) / 2;
	while (child)
	{
		if (hp->Compare(array[child], array[parent]))
		{
			Swap(&array[child], &array[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			return;
		}
	}
}
//堆的构建
void HeapCreate(Heap* hp, DataType* a, int n, PFUNC Compare)  //  HeapCreate(&hp, array, sizeof(array) / sizeof(array[0]), Less);
{
	hp->array = (DataType*)malloc(sizeof(DataType)*n);        
	if (NULL == hp->array)
	{
		assert(0);
		return;
	}
	hp->capacity = n;
	memcpy(hp->array, a, sizeof(DataType)*n);
	hp->size = n;
	hp->Compare = Compare;
	//需要从倒数第一个非叶子结点的位置调整
	for (int root = (n - 2)/2; root >= 0; root--)
	{
		AdjustDown(hp, root);
	}
}

//堆的销毁
void HeapDestroy(Heap* hp)
{
	assert(hp);
	free(hp->array);
	hp->array = NULL;
	hp->capacity = 0;
	hp->size = 0;
}
void CheckHeapCapacity(Heap* hp)
{
	assert(hp);
	if (hp->capacity == hp->size)
	{
		//1.申请空间
		int newCapacity =  hp->capacity*2;
		DataType* temp = (DataType*)malloc(sizeof(DataType)*newCapacity);
		if (NULL == temp)
		{
			assert(0);
			return;
		}
		//2.将原空间的元素拷贝到新空间
		memcpy(temp, hp->array, sizeof(DataType)*hp->size);
		//3.释放旧空间
		free(hp->array);
		hp->array = temp;
		hp->capacity = newCapacity;
	}
}
//堆的插入
void HeapPush(Heap* hp, DataType x)
{
	CheckHeapCapacity(hp);
	hp->array[hp->size] = x;
	hp->size++;
	AdjustUp(hp, hp->size - 1);
}
//堆的删除
void HeapPop(Heap* hp)
{
	if (HeapEmpty(hp))
	{
		return;
	}
	//堆中有元素
	//1.将堆顶元素与堆中最后一个元素交换
	//2.堆中元素个数减1
	//3.将堆顶元素向下调整
	Swap(&hp->array[0], &hp->array[hp->size - 1]);
	hp->size--;
	AdjustDown(hp, 0);

}
//获取堆顶元素
DataType HeapTop(Heap* hp)
{
	assert(hp);
	return hp->array[0];
}
//堆的数据个数
int HeapSize(Heap* hp)
{
	assert(hp);
	return hp->size;
}
//堆的判空
int HeapEmpty(Heap* hp)
{
	assert(hp);
	return 0 == hp->size;
}
void TestHeap()
{
	int array[] = { 49, 65, 27, 34, 19, 28, 18, 15, 25, 37 };
	Heap hp;
	HeapCreate(&hp, array, sizeof(array) / sizeof(array[0]),Less);
	printf("size = %d\n", HeapSize(&hp));
	printf("top = %d\n", HeapTop(&hp));

	HeapPop(&hp);
	printf("size = %d\n", HeapSize(&hp));
	printf("top = %d\n", HeapTop(&hp));
	HeapPush(&hp, 100);
	HeapPush(&hp, 15);
	HeapDestroy(&hp);
}

 

1.4堆的应用

1.4.1堆排序

堆排序即利用堆的思想来进行排序，总共分为两个步骤：

1. 建堆

        升序：建大堆

        降序：建小堆

2. 利用堆删除思想来进行排序

 具体实现：

#include <stdio.h>



void Swap(int* left, int* right)
{
	int temp = *left;
	*left = *right;
	*right = temp;
}
void AdjustHeap(int array[], int size,int parent)//堆向下调整
{
	int child = parent * 2 + 1;
	while(child < size)
	{
		if (child + 1 < size&&array[child + 1] > array[child])
			child += 1;
		if (array[parent] < array[child])
		{
			Swap(&array[parent], &array[child]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			return;
		}
	}
	
}
void HeapSort(int array[], int size)
{
	//1.建堆
	int LastNotLeaf = (size - 2) / 2;
	for (int root = LastNotLeaf; root >= 0; --root)
	{
		AdjustHeap(array, size, root);
	}
	//2.利用堆删除思想进行排序
	int end = size-1 ;
	while (end)
	{
		Swap(&array[0], &array[end]);
		AdjustHeap(array,end,0);
		end--;
	}
}

int main()
{
	int array[] = { 12, 45, 68, 34, 56, 23, 47, 78, 90, 18 };
	HeapSort(array, sizeof(array) / sizeof(array[0]));
	for (int i = 0; i < sizeof(array) / sizeof(array[0]);++i)
	{
		printf("%d ", array[i]);
	}
	return 0;
}

 执行结果：

1.4.2 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：

1. 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

2. 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。 

 

 

 

 

L_AITY.
关注
专栏目录
【数据结构】二叉树的顺序存储结构 —— 堆
StackFrame
11-21 1547
二叉树顺序存储介绍、C语言实现堆
【数据结构】二叉树的存储结构——顺序结构及其堆的实现
gwPersevere的博客
06-09 1027
二叉树的顺序结构以及堆的实现
堆的构建
qq_43941389的博客
04-14 2920
堆的定义: 如果有一个关键码的集合K = {k0，k1， k2，…，kn-1}，把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中，并满足：Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0，1，2…，则称为小堆(或大堆)。将根节点最大的堆叫做大根堆，根节点最小的堆叫做小根堆。 堆的特性: 堆中某...
堆的建立
Let_life_stop的博客
08-17 536
模板题： #include&lt;bits/stdc++.h&gt; using namespace std; int n,m; int a[11]; void update(int t) { int i; while(t*2&lt;=m)//当这个值还有子节点时进行下列循环 { if(a[t*2]&lt;a[t]) { ...
建堆过程
热门推荐
学仙只为看看天的专栏
10-12 3万+
堆排序中，最初的步骤就是建立一个堆。之前在一些公司的笔试题上面见到一些与建堆过程相关的题目，因为当时对建堆过程有个误解，所以经常选错。之前一直以为是在完全二叉树中依次插入序列中的元素，每插入一个元素，就调用siftup操作；而实际的建堆操作是序列中元素首先就全部填入一个完全二叉树，然后从第一个非终端节点开始，调用siftdown操作，依次调整。 以下是一篇关于建堆过程的文章，转载自：http:/
【数据结构】堆的创建
zcxyywd的博客
09-12 1549
介绍的堆的概念及它的两种调整方法，堆的创建
数据结构实验——分类二叉树和堆排序.doc
06-13
分类二叉树是一种特殊的二叉树结构，其中每个节点通常包含额外的信息，例如在给定的例子中，每个节点代表一个学生，包含学号（Num）、语文成绩（score1）、数学成绩（score2）和英语成绩（score3）。在分类二叉树中...
哈夫曼编码与二叉树实现——数据结构解析
"该资源是关于哈夫曼编码的软件设计课件，...这个课件涵盖了从基本的树和二叉树概念，到哈夫曼编码的具体实现，再到树的遍历和存储结构，是理解数据结构和算法中的重要知识点，对于学习和应用数据压缩技术非常有帮助。
完全二叉树与堆的概念及操作——C++实现
接下来，堆被定义为一种基于完全二叉树的数组实现的数据结构。每个节点在数组中的位置与其在树中的位置相对应，根节点位于数组的第一个位置，即A[1]，子节点可以通过简单的数学计算得到，例如左孩子结点的下标是2i，...
堆排序详解
weixin_34179762的博客
04-23 389
堆排序是很有难度的算法。搞懂之后就觉得，"还行吧"。 先讲个故事: 周日学校有开个实习的招聘会，没有拿到大公司offer的我，当然约上舍友走起啦。第一家，有人在面试了，那我就在旁边听下，只记得，"你会快排吗? 堆排序呢? 现在你能写出堆排序的算法??" 同为大三的面试者: "......"。 第二家，看了下，有招后台，好极了。 招python开发的吗? 用啥框架??　我用django的。很好...
简单堆的创建和操作
weixin_34198797的博客
05-12 159
回顾前面的知识，我们学了二叉树，而二叉树有很多种存储方式，比如一维数组存储，链表存储，在刚刚学习建立二叉树的时候，我们用的是链表存储的方式，也就是利用结构体定义一个二叉树节点，然后将这些节点连接起来。现在为了更好地存储二叉树，我们学习了堆，即将二叉树存储在一个一维数组里面，由于按照不同的存储顺序，可以将一个堆分为最大堆和最小堆。最大堆：每个父节点必须大于左...
堆的创建
sun的博客
08-09 214
二叉堆的定义 堆通常由大根堆和小根堆，大根堆表示父节点大于字节点，小根堆相反 eg:小根堆 1 2 3 4 5 6 7 8 9 [点击并拖拽以移动] 可以看出堆屎一个完全二叉树，我们通常使用数组进行存储，还有一些特点父节点是自己左孩子的二倍，是自己有孩子的二倍加1，可以表示为K=2k和K=2k+1，叶子节点有n/2个。 堆的调整 如果我们要调整一个大根堆，可以将根...
【数据结构】建堆
m0_52347974的博客
01-23 2412
建堆
构建堆、插入堆、删除堆、推排序图解——易懂！
qq_28447725的博客
02-22 303
参考：https://blog.csdn.net/u011068702/article/details/52712634
算法学习之排序学习之堆排序和如何建堆
逆风奔跑。。不要去考虑什么天赋异禀，一切都来自经历和渴望。
04-20 1万+
堆是一种特殊的数据结构，是一种完全二叉树，分为大根堆（根节点的值大于孩子节点）和小根堆（根节点小于孩子节点），好了，不废话了，怎么建堆和堆排序直接贴代码如下（其中调整堆，建堆，堆排序的具体步骤均有注释，还是代码详细，这样看了一目了然。。呵呵。。）：（这个是java实现的大根堆。。）( package test; public class StackSort { public stati
关于堆的建立
biubiu1123的博客
02-21 529
虽然有时候建队时大家会使用优先队列建堆，但stl建堆无法删除和修改其中的某个元素，因此今天我先复习一下用一维数组建堆。 堆是一种完全二叉树，除最后一排都会填满，手动建堆分为以下几步。插入一个数，寻找最小值，最后删掉最小值。堆的维护是通过类似于比较父节点或儿子节点的大小然后anup和down的操作来实现的。举一个简单的堆排序。 #include <iostream> #include <algorithm> using namespace std; const int N
堆排序详细图解（通俗易懂）
最新发布
modi000的博客
02-18 1333
堆是一种叫做完全二叉树的数据结构，可以分为大根堆，小根堆，而堆排序就是基于这种结构而产生的一种程序算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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