d-heap的子节点与父节点关系

最新推荐文章于 2022-04-06 20:36:29 发布
最新推荐文章于 2022-04-06 20:36:29 发布
阅读量3.2k 收藏 2
点赞数 2
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/sentimental_dog/article/details/52964079
版权

D-heap就是D叉堆，也就是说有d个子节点的堆

如何确定第i个节点的子节点和父节点的序号呢？

我们不妨假设第一个节点就是1，那么第一个子节点就是1*d-d+2(即2)，最后一个子节点就i*d+1(d+1个)

显然，我们假设的1对于子节点的推断没有影响，那么对于第i个节点，它的第一个子节点就是i*d-d+1,最后一个子节点就i*d+1

如果求父节点呢？根据子节点的关系，我们能发现，如果直接用i/d,那么对于第一个子节点，这个数字是    k-1(假设k为父节点的编号，d>2)，对于最后一个子节点这个数字是k，我们如果用一个offset i+d-2，那么对于第一个子节点就是(i*d-d+2 +d-2 )/d = k,最后一个节点就是（k*d+d-1）/ d = k(因为d-1/d向下取整是0)最终这个结果统一了

sentimental_dog
关注
Dheap:D堆数据结构的实现
06-10
堆 D堆数据结构的实现。
d-heap
peanWang的博客
10-11 1703
child(i,j) = d*(i-1)+2+j parent(i) = (i-2+d)/d
d-ary heap实现一个快速的优先级队列（C#）
banliu8076的博客
08-22 932
d-ary heap简介： d-ary heap 是泛化版本的binary heap(d=2)，d-ary heap每个非叶子节点最多有d个孩子结点。 d-ary heap拥有如下属性： 类似complete binary tree，除了树的最后一层，其它层全部填满结点，且增加结点方式由左至右。 类似binary heap，它也分两类最大堆和最小堆。 下面给出一个3-a...
d-堆
wwj_bupt
05-28 1254
《数据结构与算法分析——c语言描述》 第六章代码和二叉堆差不多，有意思的是父亲，儿子编号的推导。第i行，第j行节点（均从1开始）的编号推导： 前面i-1行的节点加起来：1+d1+d2+d3+……+di−2=1−di−11−d 1+d^1+d^2+d^3+……+d^{i-2}=\dfrac{1-d^{i-1}}{1-d} 然后加上剩下的，就是1−di−11−d+j\dfrac{1-d^{i-1}
算法导论（Problems 6-2） d-ary heap（多叉树实现堆）
zju2016的博客
04-18 1501
#include #include #include #include #include #include #include #include #include using namespace std; typedef struct{ int d_dimential; int a_size; int h_size; int *arr; }heap; void Tune(heap& h,
dheap:Haxe 的快速 D-ary 堆
06-18
这是因为D-ary堆的结构允许快速地移动到父节点或子节点，从而能够高效地维护堆的性质。 `dheap`库可能包含以下核心组件： 1. **Heap类**：这是D-ary堆的基础实现，它可能包括插入、删除、更新和查询操作。这个类...
ITD62-124-Data-Structure
03-16
10. 堆(Heap)：堆是一种特殊的树形数据结构，满足堆属性（父节点的值大于或小于其子节点）。Python的heapq模块提供了堆操作，如heappush()和heappop()。 在学习这个课程时，你将了解这些数据结构的工作原理、操作...
311076040-16171-09B_数据结构与算法1
08-03
插入一个元素到最小堆中会保持堆的性质，即父节点的值小于或等于其子节点的值。在给定的最小堆中插入3后，3会成为新的根节点，而原最小的元素（5）将成为新堆的子节点。正确答案是(C) 3,8,12,5,30,15,22,28,19。这里...
数据结构的思维导图-全
11-13
7. **堆（Heap）**：堆是一种特殊的树形数据结构，满足最大堆或最小堆性质，即父节点的值总是大于或小于其子节点。堆常用于优先队列的实现。 8. **图（Graph）**：图由节点和连接节点的边构成，可以表示复杂的关系...
JavaScript-Data-Structure:数据结构入门
04-03
堆是一种特殊的树形数据结构，满足堆性质：父节点的值总是大于或等于（最小堆）或小于或等于（最大堆）其子节点。JavaScript中，堆常用于优先队列的实现。 **九、位向量（Bit Vector）** 位向量用单个二进制位表示...
D-HEAPS
xiedeacc的专栏
07-12 848
https://github.com/valyala/gheap
基本数据结构--堆(Heap)
03-31 143
堆：是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵树的数组对象。 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。 把堆当做数组存储，堆里的元素有上浮，下沉操作，(上浮，下沉过程尽量满足最小堆或最大堆的性质，最小堆元素下沉的的过程往较大的儿子方向沉) 1、初始化堆，相当于建立一个完全二叉树，但在末尾每次...
数据结构---堆
m0_58342797的博客
02-15 573
堆的概念 堆实现了树的顺序存储 大根堆：根结点大于孩子结点，并且左右子树都是大根堆 小根堆：根结点小于孩子结点，并且左右子树都是小根堆 已知父亲节点下标：parent，左孩子下标：2*parent+1，右孩子下标：2*parent+2 已知孩子结点下标：child，父亲结点下标：（child-1）/2 堆的调整 ...
数据结构--堆
xd6905的博客
11-20 258
文章目录 一、堆的概念 堆是一种二叉树，ke'yi'shi 二、使用步骤 1.引入库 代码如下（示例）： import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') import ssl ssl._create_default_http...
二叉堆，堆排序，d叉堆
Cherish__it的博客
11-20 1084
   堆，这是经常听到的一个数据结构，其非常的重要，重要性就不闲扯了，这次主要说明堆的数据结构，堆一般可以分为大顶堆和小顶堆，顾名思义，也就是最大值或者是最小值在第一个位置，需要说明的是这不是我们自己规定了，而是由于堆的性质决定了，在堆中，子节点的值一定要小于父节点（当堆为小顶堆时），堆包括堆的变形以及使用都紧紧围绕这个核心来展开。      堆可以存在数组中，一般的在数组中，若某个i节点为父节...
d叉堆
zhanglei8893的专栏
03-08 5613
6-2 对d叉堆的分析    d叉堆有与二叉堆很类似，但（一个可能的例外是）其中的每个非叶结点有d个子女，而不是2个。    a）如何在一个数组中表示一个d叉堆？    b）含n个元素的的叉堆的高度是多少？    c）给出d叉最大堆的EXTRACT-MAX的一个有效实现，并用d和n表示出它的运行时间。    d）给出d叉堆的INSERT的一个有效实现，并用d和n表示出它的运行时间。    e）给出INCREASE-KEY(A, i, k)的一个有效实现，该过程首先执行A[i]分析与解答：    类似于二叉堆
堆、堆排序
Nick_Zhang_CSDN的博客
01-14 247
1. 堆 1.1 堆的定义： 1) 堆的父节点总是大于或小于所有字节点 2) 堆总是一棵完全二叉树 完全二叉树：为满二叉树的子集 满二叉树：每一层的节点数都是最大节点数 1.2 堆的实现： 堆的建立、插入一个元素、删除一个元素、堆排序 1 )堆的建立 O(n) 堆逻辑上是个完全二叉树，物理上可以用数组实现，完全二叉树经过位置调整后满足父节点小于等于或者大于等于子节点条件后形成...
算法堆
weixin_42369746的博客
06-28 224
堆，父节点值要大于子节点值，所以跟节点是最大或最小的 初建堆 比较，父节点与子节点的交换，n/2的元素会交换k次，很明显时间复杂度O(n) 重建堆 每次弹出元素，要重新排列堆，需要比较logn，所以是O(nlogn) 前 K 个高频元素 思路一：利用哈希表存储之后排序，获取前k个，时间复杂度大于O(nlogn) 思路二：堆，先哈希表O(n)，构建堆更新，O(nlogk)，堆适用于，前多少个这种，可以不用管之后的数据，尤其在大数据的情况下。 class Solution: def topKFre
[ 数据结构 -- 手撕排序算法第七篇 ] 堆、堆排序
CSDN博客
04-06 4543
1.堆的概念结构及分类 以上这段概念描述看起来十分复杂，晦涩难懂。那么堆用通俗语言简单描述如下： 堆是一个完全二叉树的顺序存储。在一个堆中，堆的父节点一定大于(或小于)子节点。一旦有一部分不满足则不为堆。 堆的性质： 1、堆中某个节点的值总是不大于或不小于其父节点的值； 2、堆总是一棵完全二叉树 1.2堆的分类 1.2.1 大堆 在一个堆中，父节点一定大于等于子节点的堆称为大堆。又称大根堆。 1.2.2 小堆 在一个堆中，父节点一定小于等于子节点的堆称为小堆。又.
Implement the min-max heap using c++ code.
最新发布
04-23
以下是 C 代码实现的最小最大堆： ```c #include <stdio.h> #include <stdlib.h> #define MAX_SIZE 100 typedef struct { int* arr; int size; int capacity; } MinMaxHeap; void swap(MinMaxHeap* heap, int i, int j) { int temp = heap->arr[i]; heap->arr[i] = heap->arr[j]; heap->arr[j] = temp; } void trickle_down(MinMaxHeap* heap, int i, int is_min) { int child1 = 2 * i + 1; int child2 = 2 * i + 2; int max_child = child1; if (child2 < heap->size && heap->arr[child2] > heap->arr[child1]) { max_child = child2; } int min_child = child1; if (child2 < heap->size && heap->arr[child2] < heap->arr[child1]) { min_child = child2; } int extreme_child = is_min ? min_child : max_child; if (extreme_child < heap->size && heap->arr[extreme_child] > heap->arr[i]) { swap(heap, i, extreme_child); trickle_down(heap, extreme_child, !is_min); } } void trickle_up(MinMaxHeap* heap, int i, int is_min) { int parent = (i - 1) / 2; if (parent < 0 || parent == i) { return; } if ((!is_min && heap->arr[i] > heap->arr[parent]) || (is_min && heap->arr[i] < heap->arr[parent])) { swap(heap, i, parent); trickle_up(heap, parent, !is_min); } } void build_heap(MinMaxHeap* heap, int* arr, int size) { heap->arr = arr; heap->size = size; heap->capacity = size; for (int i = size / 2 - 1; i >= 0; i--) { trickle_down(heap, i, i == 0); } } void insert(MinMaxHeap* heap, int value) { if (heap->size == heap->capacity) { return; } heap->arr[heap->size] = value; trickle_up(heap, heap->size, heap->size % 2 == 1); heap->size++; } int remove_root(MinMaxHeap* heap) { if (heap->size == 0) { return -1; } int root = heap->arr[0]; swap(heap, 0, heap->size - 1); heap->size--; trickle_down(heap, 0, 1); return root; } void print_heap(MinMaxHeap* heap) { for (int i = 0; i < heap->size; i++) { printf("%d ", heap->arr[i]); } printf("\n"); } void test_heap() { MinMaxHeap heap; int arr[MAX_SIZE]; for (int i = 1; i <= 15; i++) { insert(&heap, i); } printf("Initial heap: "); print_heap(&heap); for (int i = 1; i <= 5; i++) { int root = remove_root(&heap); printf("Removed root: %d, new heap: ", root); print_heap(&heap); } printf("Adding elements 16-20: "); for (int i = 16; i <= 20; i++) { insert(&heap, i); } print_heap(&heap); printf("Removing all elements: "); while (heap.size > 0) { int root = remove_root(&heap); printf("%d ", root); } printf("\n"); } int main() { test_heap(); return 0; } ``` 在此实现中，最小最大堆用一维数组表示，其节点按照从左到右、从上到下的顺序编号。实现使用了两个递归函数 `trickle_down()` 和 `trickle_up()` 来维护堆的顺序性，当插入或删除元素时，需要使用这两个函数来重新组织堆。 在创建和打印最小最大堆时，使用了 `build_heap()` 和 `print_heap()` 函数。在该实现中，最小最大堆在递归堆时与它在 `arr[]` 数组中的位置有关系。这些关系是： - 一个节点的左子节点位于 `2*i+1` 处，右子节点位于 `2*i+2` 处。 - 一个节点的父节点位于 `(i-1)/2` 处。 此外，由于最小最大堆每个节点都可以有 2 或 3 个子节点，因此需要在 `trickle_down()` 和 `trickle_up()` 函数中考虑这个特殊情况。
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