【堆——向下调整算法成熟版】

一、前言

在上一篇文章中,我们了解到了通过向上调整建堆,以及向下调整建堆。向下调整建堆需要满足左右子树都是堆的情况。如果左右子树不是堆?我们又该如何用向下调整来建堆呢。

二、原理

向下调整算法要求左右子树必须是堆,我们拿到一个左右子树不是堆的数组,比如:
在这里插入图片描述
这种情况下,我们要使用向下调整算法就不能从根结点开始,因为此时根结点的左右子树并不是堆。我们需要从第一个非叶子结点开始调整。
在这里插入图片描述
以第一个非叶子结点来看,它的左右子树都是叶子结点。可以看作大堆/小堆,所以它是满足左右子树都是堆的特点的。
以小根堆为例子:
1.第一个非叶子结点使用向下调整函数,与比它小的子结点交换。
2.第一个非叶子结点下标-1,得到第二个非叶子结点。再向下调整。
在这里插入图片描述
3.重复上述两个步骤。到了根结点的时候,左右子树已经是两个小根堆了,再使用一次向下调整的函数,就可以得到堆。
注意:
第一个非叶子结点就是最后一个叶子节点的父结点。parent = (child-1)/2;

三、函数实现

1.主函数实现

int main()
{
	int arr[] = { 25,18,12,20,10,36,45 };
	int sz = sizeof(arr) / sizeof(arr[0]);
	HeapPrint(arr, sz);
	int parent = (sz - 1 - 1) / 2;//第一个非叶子结点
	while (parent >= 0)
	{
		AdjustDown(arr, parent, sz);
		--parent;
	}
	HeapPrint(arr, sz);
	return 0;
}

2.其他函数实现

void swap(int* child, int* parent)
{
	int temp = *child;
	*child = *parent;
	*parent = temp;
}
void AdjustDown(int* heap,int parent,int n)
{
	int child = parent * 2 + 1;
	while (child < n)
	{
		if (child + 1 < n && heap[child] > heap[child + 1])
		{
			++child;
		}
		if (heap[child] < heap[parent])
		{
			swap(&heap[child], &heap[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

void HeapPrint(int* arr, int sz)
{
	for (int i = 0; i < sz; i++)
	{
		printf("%d ", arr[i]);
	}
	printf("\n");
}

四、运行结果分析

在这里插入图片描述
上面第一排是初始的数组数据,不是堆
在这里插入图片描述
下面是经过向下调整以后的堆
在这里插入图片描述

五、总结

1.获取第一个非叶子结点的下标:parent = (child-1)/2;
2.调用向下调整函数
3.parent–;
4.重复2.3步骤,循环条件parent >=0;即根结点也进行了向下调整。这个时候一个大/小堆就生成了。
下一篇讲解向上调整函数以及向上/向下调整函数的时间复杂度分析。

  • 5
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
堆排序是一种基于堆数据结构的排序算法,其中包括向下调整和向上调整两个关键步骤。 1. 向下调整(AdjustDown):在堆排序中,向下调整用于将一个元素下沉到合适的位置,以维持堆的性质。具体步骤如下: - 首先,将当前节点标记为根节点。 - 比较根节点与其左右子节点的值,找到最大(或最小)的节点。 - 如果根节点的值小于(或大于)最大(或最小)的子节点的值,则交换根节点与最大(或最小)子节点的值。 - 将当前节点更新为最大(或最小)子节点的位置,并重复上述步骤,直到当前节点不再有子节点或满足堆的性质。 2. 向上调整(AdjustUp):在堆排序中,向上调整用于将一个元素上浮到合适的位置,以维持堆的性质。具体步骤如下: - 首先,将当前节点标记为叶子节点。 - 比较叶子节点与其父节点的值,如果叶子节点的值大于(或小于)父节点的值,则交换叶子节点与父节点的值。 - 将当前节点更新为父节点的位置,并重复上述步骤,直到当前节点不再有父节点或满足堆的性质。 以下是一个示例代码,演示了堆排序中的向下调整和向上调整的过程: ```python def adjust_down(arr, n, i): largest = i left = 2 * i + 1 right = 2 * i + 2 if left < n and arr[i] < arr[left]: largest = left if right < n and arr[largest] < arr[right]: largest = right if largest != i: arr[i], arr[largest] = arr[largest], arr[i] adjust_down(arr, n, largest) def adjust_up(arr, i): parent = (i - 1) // 2 if parent >= 0 and arr[parent] < arr[i]: arr[parent], arr[i] = arr[i], arr[parent] adjust_up(arr, parent) # 示例数据 arr = [4, 10, 3, 5, 1] n = len(arr) # 向下调整示例 adjust_down(arr, n, 0) print("向下调整后的结果:", arr) # 输出:[10, 5, 3, 4, 1] # 向上调整示例 arr.append(7) n += 1 adjust_up(arr, n-1) print("向上调整后的结果:", arr) # 输出:[10, 7, 3, 5, 1, 4] ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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