2021-05-24 二项堆的实现和分析（含可视化Qt）

list

• 项目目录
• 项目描述
• 基本功能实现
• 数据生成器测试
• 时间复杂度理论推导
• 时间复杂度实验验证
  • 如何设计实验
  • 如何获取数据
  • 如何绘制图像
• 和其他数据结构类型的比较
  • 和普通数组的比较 $vector$
  • 和链表list的比较 $list$
  • 和和普通堆的比较 $priority\_queue$
  • 和左高树的比较
  • 和红黑树的比较 $map$ and $set $
  • 和哈希的比较 $hash$
• 界面的制作

list

二项堆项目目录
二项堆命令行版（主要包含相关效率分析实验）
│  list.txt  //项目目录
│  binaryHeap.h
|  binaryHeap.cpp
│  list.txt  //项目目录
│  vislization.cpp
|  main.cpp //主函数文件
│  in.txt
│  graph.dot
│  graph.jpg
    

二项堆Qt版本（可视化操作）
|    binaryheap.cpp
|   binaryheap.h
|   binaryHeap.pro
|    binaryHeap.pro.user
|    list.txt
|    main.cpp
|    mainwindow.cpp
|    mainwindow.h
|    mainwindow.ui
|    visualization.cpp
|    visualization.h

项目描述

二项堆的实现和分析

问题描述：

认识二项树、二项堆数据结构，并能应用该结构解决实际问题。

二项堆是二项树的集合，二项树是一种递归定义的有序树。它的递归定义如下：

(1) 二项树B0只有一个结点；

(2) 二项树Bk由两棵二项树B(k-1)组成的，其中一棵树是另一棵树根的最左孩子。

二项树具有如下的性质：

1. 对于树Bk，该树含有2k个节点；

2. 树的高度是k；

3. 在深度为i中含有 节点，其中i = 0， 1，2 … , k;

二项堆H是具备如下性质的二项树的集合：

1. H中的每个二项树遵循最小堆性质；

2. 对于任意的整数k的话，H中最多有一个二项树的根的度数是k；

基本要求：

① 设计二项堆ADT，其上的基本操作包括：

Make Heap ():初始化一个空堆；

Find-Min():返回一个指向最小关键字元素的指针

Union(H):与堆H进行合并，合并后的结果保存在当前堆，H变为空

Insert(x):插入元素x

Extract-Min():从堆中删除最小关键字元素，并返回指向删除元素的指针。

Decrease Key (x,k):将元素x的关键字赋予新值k;

Delete(x):从堆中删除元素x;

② 实现二项堆ADT，包括实现二项堆的存储结构以及其上的基本操作，并分析基本操作的时间复杂性。

③ 实现二项堆ADT的基本操作展示。

数据生成器

数据操作格式

1. 第1行：初始化元素数n，操作个数m

2. 第2~n+1行：n个元素的大小

3. 接下来m行：<op,value1，value2=NULL> 格式

op:操作类型

value1，value2:大小

<insert,value> 添加

<erase,value> 删除元素

<erasemin> 删除最小

<update,old,new>更新元素

特别注意：操作中删除操作和插入操作的数量关系

关于理论分析

时间复杂度的推导

应用贪心思想

二项堆各种操作的时间复杂度如下所示：

操作名称	操作时间复杂度
合并	$O(logn)$
插入	$O(logn)$
删除	$O(logn)$
删除最小	$O(logn)$
减小元素大小	$O(logn)$
增大元素大小	$O(logn)$
查找最小	$O(logn)$

具体推导如下所示：

根据二项堆的定义可知，二项堆满足一下两条性质

1. 每棵二项树都满足最小堆性质。即，父节点的关键字 <= 它的孩子的关键字。

2. 不能有两棵或以上的二项树具有相同的度数(包括度数为0)。换句话说，具有度数k的二项树有0个或1个。

3. 二项堆是二项树的集合，且二项树B0只含有一个点（零图）

4. 二项树的递归定义：$B_k=2B_{k-1}$

5.二项堆中的任意两颗树的度数（即树中的节点个数）都不相同二项堆的最重要性质

合并操作的时间复杂度

不妨设两个二项堆中含$n_1$和$n_2$和节点，且分别由$k_1$和$k_2$个二项树构成。

根据二项堆的性质4可知，
$$二项树B_k的节点个数满足B_k=2^k(k=0,1,2,3...)$$
由于在合并两个二项堆的时候，首先应将两个二项堆的跟链表进行归并，即完成有序链表的归并，因此第一步归并操作的时间复杂度为
$$O(跟链表长度1+跟链表长度2)$$
因此，当跟链表长度最大时，归并的时间复杂度最大。

以第一个二项堆为例，二项堆中的节点个数满足如下等式
$$二项堆的总节点数=所有二项树的节点数之和$$
因此，带入通项公式$B_k=2B_{k-1}$有
$$n_1=2^{x_1}+2^{x_2}+2^{x_3}+2^{x_4}+...$$
由于二项堆中的任意两颗树的度数（即树中的节点个数）都不相同因此
$$x_1!=x_2!=x_3!=x_4!=...!=x_{k_1}$$

当总结点数$n_1$给定时，$x_1,x_2,x_3,x_4$顺次从0开始时，求和最小（否则反证法可与推出更小的）。因此当满足
$$n_1=\sum _{i=0}^{k1}{2}^i$$

时，$k_1$达到最小。

由等比数列求和公式可得，
$$n_1=\frac{B_0(1-2^{k_1})}{1-2}$$
化简可得
$$k_1=log(n_1+1)$$
即$k_1$最大为$log(n_1+1)$.因此对于合并两个二项堆的时间复杂度为$O(log(n_1+1))+O(log(n_2+1))=O(logn)$

关于合并操作时间复杂度的细节

假设$n_1+n_2=n$,则
$$log(n_1+1)+log(n_2+1)=log((n_1+1)\times (n_2+1))$$
令$f(n_1,n_2)=(n_1+1)\times (n_2+1)$ 且$n_1+n_2=n$,则由均值不等式可得
$$f(n_1,n_2)\le (\frac{n_1+n_2+2}{2}{)}^2$$
当且仅当$n_1+1=n_2+1$时等号成立。也就是说合并两个大小相近的二项堆所需时间更多

（也可以用拉格朗日乘数法对多元函数的条件极值求导，侧面反应外排序中每一个顺串的大小尽量相同时，时间复杂度最小）

使用拉格朗日乘数法进行严格的推导（避免基本不等式等号能否取到的判断）

插入操作时间复杂度

相当于原来的二项堆和一个只含一个元素的二项堆进行合并，带入上述公式可得，时间复杂度为$O(log(1+1))+O(log(n+1))=O(logn)$

删除操作时间复杂度

关于界面的绘制

关于各种数据结构的比较