『数据结构』堆

最新推荐文章于 2024-07-25 09:04:25 发布

爱喝可乐的炸鸡

最新推荐文章于 2024-07-25 09:04:25 发布

阅读量404

点赞数 1

分类专栏：『数据结构』文章标签：堆优先级队列

本文链接：https://blog.csdn.net/sss_0916/article/details/92831003

版权

『数据结构』专栏收录该内容

13 篇文章 1 订阅

订阅专栏

本篇博客，我们介绍一下堆的相关概念，然后介绍一下C++中和Java中的优先级队列。

什么是堆？

堆是一种特殊的二叉树。

堆是一个完全二叉树；
堆采用顺序存储的方式；
堆中任一结点都都满足比子节点的值大（大堆）或小（小堆）。

我们来看一个大堆及其在内存中的存储方式：
在这里插入图片描述
从上图我们可以看出，父结点和子节点的下标关系如下：
已知父结点下标为x，则孩子结点下标为：

左孩子下标为： $2 * x + 1$ ；
右孩子下标为： $2 * x + 2$ ；

已知孩子下标为x，则父结点下标为：

x为左孩子下标，则父结点下标为： $(x - 1) / 2$ ；
x为右孩子下标，则父结点下标为： $(x - 1) / 2$ 或 $(x - 2) / 2$ ；

实现一个简单的堆

C语言版

heap.h：

#pragma once

typedef int ElementType;

/*---堆---*/
typedef struct Heap {
	ElementType* heap;
	size_t size;
	size_t capacity;
} Heap;

/*---初始化---*/
void heapInit(Heap* h);

/*---释放---*/
void heapDestory(Heap* h);

/*---入堆---*/
void heapPush(Heap* h, ElementType x);

/*---出堆---*/
void heapPop(Heap* h);

/*---堆顶元素---*/
ElementType heapTop(const Heap* h);

/*---堆大小---*/
size_t heapSize(const Heap* h);

/*---空堆---*/
bool heapEmpty(const Heap* h);

/*---堆排序---*/
void heapSort(Heap* h);

/*---打印---*/
void heapDisplay(const Heap* h);

/*---堆测试---*/
void heapTest();

heap.c：

#define _CRT_SECURE_NO_WARNINGS

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

void heapInit(Heap* h){
	if (h == NULL){
		return;
	}

	h->capacity = 1;
	h->size = 0;
	h->heap = (ElementType*)malloc(sizeof(ElementType) * h->capacity);
	assert(h->heap != NULL);
}

void heapDestory(Heap* h){
	if (h == NULL){
		return;
	}

	h->size = 0;
	h->capacity = 0;
	free(h->heap);
	h->heap = NULL;
}

static void checkCapacity(Heap* h){
	if (h == NULL){
		return;
	}

	if (h->size >= h->capacity){
		h->capacity *= 2;
		h->heap = (ElementType*)realloc(h->heap,
			sizeof(ElementType) * h->capacity);
	}
}

static void swap(int* a, int* b){
	assert(a != NULL);
	assert(b != NULL);
	int temp = *a;
	*a = *b;
	*b = temp;
}

static void upwardAdjustment(Heap* h, int child){
	if (h == NULL){
		return;
	}
	
	if (child == 0){
		return;
	}

	int parent = (child - 1) / 2;
	if (parent < 0 || h->heap[child] <= h->heap[parent]){
		return;
	}

	swap(&h->heap[child], &h->heap[parent]);

	upwardAdjustment(h, parent);
}

void heapPush(Heap* h, ElementType x){
	if (h == NULL){
		return;
	}

	checkCapacity(h);
	++h->size;
	h->heap[h->size - 1] = x;

	upwardAdjustment(h, h->size - 1);
}

static void downwardAdjustment(ElementType heap[], size_t size, size_t root_index){
	if (heap == NULL){
		return;
	}

	size_t left_index = 2 * root_index + 1;
	if (2 * root_index + 1 >= size){
		return;
	}

	size_t max_index = left_index;
	size_t right_index = 2 * root_index + 2;
	if (right_index < size && heap[right_index] > heap[left_index]){
		max_index = right_index;
	}

	if (heap[root_index] < heap[max_index]){
		swap(&heap[root_index], &heap[max_index]);
	}
	else{
		return;
	}

	downwardAdjustment(heap, size, max_index);
}

void heapPop(Heap* h){
	if (h == NULL){
		return;
	}

	swap(&h->heap[0], &h->heap[h->size - 1]);

	--h->size;

	downwardAdjustment(h->heap, h->size, 0);
}

ElementType heapTop(const Heap* h){
	assert(h != NULL);

	return h->heap[0];
}

size_t heapSize(const Heap* h){
	if (h == NULL){
		return 0;
	}

	return h->size;
}

bool heapEmpty(const Heap* h){
	if (h == NULL){
		return true;
	}

	return h->size == 0 ? 1 : 0;
}

void heapSort(Heap* h){
	if (h == NULL){
		return;
	}

	size_t i = 0;
	for (i = 0; i < h->size; ++i){
		swap(&h->heap[0], &h->heap[h->size - 1 - i]);
		downwardAdjustment(h->heap, h->size - 1 - i, 0);
	}

}

void heapDisplay(const Heap* h){
	if (h == NULL){
		return;
	}

	size_t i = 0;
	printf("The Heap is below: \n");
	for (i = 0; i < h->size; ++i){
		printf("%d ", h->heap[i]);
	}
	printf("\n");
}

void heapTest(){
	Heap h;

	heapInit(&h);

	heapPush(&h, 1);
	heapPush(&h, 2);
	heapPush(&h, 3);
	heapPush(&h, 5);
	heapPush(&h, 0);
	heapPush(&h, 8);

	heapPop(&h);

	ElementType top = heapTop(&h);
	printf("Heap Top: %lu\n", top);

	size_t size = heapSize(&h);
	printf("Heap Size: %lu\n", size);

	if (heapEmpty(&h)){
		printf("Heap is Empty!\n");
	}
	else{
		printf("Heap isn't Empty!\n");
	}

	heapDisplay(&h);

	heapSort(&h);

	heapDisplay(&h);
}

Java版

public class MyPriorityQueue {
    private int[] arr = new int[100];
    private int size = 0;

    public void offer(int val) {
        this.arr[this.size] = val;
        ++this.size;
        shiftUp(this.size - 1);
    }

    public Integer poll() {
        if (this.size == 0) {
            return null;
        }

        int ret = this.arr[0];
        swap(0, this.size - 1);
        --this.size;

        shiftDown(0);

        return ret;
    }

    public Integer peek() {
        if (this.size == 0) {
            return null;
        }

        return this.arr[0];
    }

    private void shiftDown(int index) {
        int parent = index;
        int child = 2 * parent + 1;

        while (child < this.size) {
            if (child + 1 < this.size && this.arr[child + 1] > this.arr[child]) {
                ++child;
            }

            if (this.arr[parent] < this.arr[child]) {
                swap(child, parent);
            } else {
                break;
            }

            parent = child;
            child = 2 * parent + 1;
        }
    }

    private void shiftUp(int index) {
        int child = index;
        int parent = (child - 1) / 2;

        while (child > 0) {
            if (this.arr[child] > this.arr[parent]) {
                swap(child, parent);
            } else {
                break;
            }

            child = parent;
            parent = (child - 1) / 2;
        }
    }

    private void swap(int i, int j) {
        int temp = this.arr[i];
        this.arr[i] = this.arr[j];
        this.arr[j] = temp;
    }
}

优先级队列

实际中，当我们需要使用堆的时候，我们并不需要去手动实现一个堆，一般的编程语言中都会提供堆这个数据结构。

C++中的优先级队列

首先，我们来看一下官方文档：
在这里插入图片描述
看不懂英文不要紧，翻译在下面（O(∩_∩)O哈哈~）：

优先级队列是一种容器适配器，根据严格的弱排序标准，它的第一个元素总是它所包含的元素中的最大者。
此上下文类似于堆，在堆中可以随时插入元素，并且只能检索最大堆元素（优先级队列中位于顶部的元素）。
优先级队列被实现为容器适配器，容器适配器即将特定容器类封装作为其底层容器类，queue提供了一组特定的成员函数来访问其元素。元素从特定容器的尾部弹出，其称为优先级队列的顶部。
底层容器可以是任何标准容器类模板，也可以是其他特定设计的容器类。容器应该可以通过随机访问迭代器访问，并支持以下操作：
empty()：检查容器是否为空。
size()：返回容器中有效元素的数量。
front()：返回容器中第一个元素的引用。
push_back()：在容器尾部插入元素。
pop_back()：删除容器尾部元素。
标准容器类vector和deque满足这些需求。默认情况下，如果没有为特定的priority_queue类实例化指定容器类，则使用vector。
需要支持随机访问迭代器，以便始终在内部保持堆结构。容器适配器通过在需要时自动调用算法函数make_heap、push_heap、pop_heap来自动完成此操作。

接口介绍

优先级队列默认使用vector作为其底层存储数据的容器，在vector上又使用了堆算法将vector中元素构造成堆的结构，因此priority_queue就是堆，所有需要用到堆的位置，都可以考虑使用priority_queue。注意：priority_queue默认情况下是大堆。

函数声明	接口说明
priority_queue(const Compare& x = Compare(), const Container& y = Container());	构造一个空的优先级队列
priority_queue(InputIterator first, InputIterator last, const Compare& comp = Compare(), const Container& ctnr = Container());	用[first, last)区间中的元素构造优先级队列
bool empty() const;	检测优先级队列是否为空，是空返回true，否则返回false
const value_type& top() const;	返回优先级队列中最大（最小）元素，即堆顶元素
void push(const T& x);	在优先级队列中插入元素x
void pop();	删除优先级队列中最大（最小）元素，即堆顶元素

优先级队列的简单使用

默认情况下，priority_queue是大堆。

#include <iostream>
#include <vector>
#include <queue>
#include <functional>
using namespace std;

int main(){
	vector<int> v = {
		3, 8, 1, 0, 5, 4, 7, 2, 9, 6
	};

	// 默认创建为大堆
	priority_queue<int> q1;
	for (const auto& e : v){
		q1.push(e);
	}
	// 打印堆顶元素
	cout << q1.top() << endl;

	// 创建小堆
	priority_queue<int, vector<int>, greater<int>> q2(v.begin(), v.end());
	// 打印堆顶元素
	cout << q2.top() << endl;

	return 0;
}

运行结果如下：
在这里插入图片描述
如果在priority_queue中放自定义类型的数据，用户需要在自定义类型中提供>或者<的重载。

#include <iostream>
#include <vector>
#include <queue>
#include <functional>
using namespace std;


class Date{
public:
	Date(int year = 2000, int month = 1, int day = 1)
		: _year(year)
		, _month(month)
		, _day(day)
	{}

	bool operator<(const Date& d) const{
		return (_year < d._year) ||
			(_year == d._year && _month < d._month) ||
			(_year == d._year && _month == d._month && _day < d._day);
	}

	bool operator>(const Date d) const{
		return (_year > d._year) ||
			(_year == d._year && _month > d._month) ||
			(_year == d._year && _month == d._month && _day > d._day);
	}

	friend ostream& operator<<(ostream& _cout, const Date& d){
		_cout << d._year << "-" << d._month 
			<< "-" << d._day << endl;

		return _cout;
	}

private:
	int _year;
	int _month;
	int _day;
};

int main(){
	// 大堆，需要重载<
	priority_queue<Date> q1;
	q1.push(Date(2019, 8, 31));
	q1.push(Date(2019, 9, 1));
	q1.push(Date(2019, 9, 2));
	cout << q1.top();

	// 小堆，需要重载>
	priority_queue<Date, vector<Date>, greater<Date>> q2;
	q2.push(Date(2019, 8, 31));
	q2.push(Date(2019, 9, 1));
	q2.push(Date(2019, 9, 2));
	cout << q2.top();

	return 0;
}

运行结果如下：
在这里插入图片描述
有些情况下，用户可能需要提供比较器规则。

#include <iostream>
#include <vector>
#include <queue>
#include <functional>
using namespace std;


class Date{
public:
	Date(int year = 2000, int month = 1, int day = 1)
		: _year(year)
		, _month(month)
		, _day(day)
	{}

	bool operator<(const Date& d) const{
		return (_year < d._year) ||
			(_year == d._year && _month < d._month) ||
			(_year == d._year && _month == d._month && _day < d._day);
	}

	bool operator>(const Date d) const{
		return (_year > d._year) ||
			(_year == d._year && _month > d._month) ||
			(_year == d._year && _month == d._month && _day > d._day);
	}

	friend ostream& operator<<(ostream& _cout, const Date& d){
		_cout << d._year << "-" << d._month 
			<< "-" << d._day << endl;

		return _cout;
	}

private:
	int _year;
	int _month;
	int _day;
};

class Less{
public:
	bool operator()(const Date* d1, const Date* d2){
		return *d1 < *d2;
	}
};

int main(){
	priority_queue<Date*, vector<Date*>, Less> q;
	q.push(&Date(2019, 9, 1));
	q.push(&Date(2019, 8, 31));
	q.push(&Date(2019, 9, 2));

	// 打印堆顶元素
	cout << *q.top();

	return 0;
}

运行结果如下：
在这里插入图片描述

优先级队列的实际应用

数组中第K大的元素

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        // 将数组中的元素放入优先级队列
        priority_queue<int> pq(nums.begin(), nums.end());
        
        // 将优先级队列中前K-1个元素删掉
        for(int i = 0; i < k - 1; ++i){
            pq.pop();
        }
        
        return pq.top();
    }
};

在这里插入图片描述

Java中的优先级队列

在这里插入图片描述

接口介绍

错误处理	抛异常	返回特殊值
入队列	add(e)	offer(e)
出队列	remove()	poll()
取队首元素	element()	peek()

实际应用

我们来看一个问题来理解一下PriorityQueue的使用。
查找和最小的k对数

class Solution {
    static class Pair {
        public int num1;
        public int num2;
        public int sum;
        
        public Pair(int num1, int num2) {
            this.num1 = num1;
            this.num2 = num2;
            this.sum = num1 + num2;
        }
    }
    
    public List<List<Integer>> kSmallestPairs(int[] nums1, int[] nums2, int k) {
        List<List<Integer>> result = new ArrayList<>();
        if (k < 1) {
            return result;
        }
        
        PriorityQueue<Pair> queue = new PriorityQueue<>(k, new Comparator<Pair>(){
            @Override
            public int compare(Pair o1, Pair o2) {
                return o2.sum - o1.sum;
            }
        });
        for (int i = 0; i < nums1.length && i < k; ++i) {
            for (int j = 0; j < nums2.length && j < k; ++j) {
                queue.offer(new Pair(nums1[i], nums2[j]));
                if (queue.size() > k) {
                    queue.poll();
                }
            }
        }
        
        while (!queue.isEmpty()) {
            Pair pair = queue.poll();
            
            List<Integer> curPair = new ArrayList<>();
            curPair.add(pair.num1);
            curPair.add(pair.num2);
            
            result.add(0, curPair);
        }
        
        return result;
    }
}