目录
堆的概念及结构
如果有一个关键码的集合k={k0,k1,k2…,kn-1},把他们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<K(2i+1) 且 Ki<=K(2i+2) (或Ki>=K(2i+1) 且Ki>=K (2i+2) ) i=1,2,…,则称为小堆(大堆)。将根节点最大的堆叫做对大堆或大根堆,根节点最小的堆叫做小根堆。
简单的来说堆实际上是一个数组,在物理结构(内存)中是连续存储的,但是逻辑上数据与数据之间的关系是一个二叉树
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。
堆的实现
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};
代码
void AdjustDown(int* a, int size, int parent)
{
int child = parent * 2 + 1;
while (child < size)
{
if (child + 1 < size && a[child + 1] < a[child])
{
child += 1;
}
if (a[child] < a[parent])
{
int temp = a[child];
a[child] = a[parents];
a[parents] = temp;
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
堆向上调整算法
观察发现除了最底下的10,剩余的都是小根堆数组,所以只需要比较子节点和父节点的大小 如果发现
- 子节点比父节点小就交换,并把父节点当成子节点,利用关系求出他的父节点,向上比较,直到遇到根节点
- 子节点比父节点大,就已经使小根堆了,不用再继续比较了
代码
void AdjustUp(int* a, int child)
{
int parent = (child - 1) / 2;
while (child > 0)
{
if (a[child] < a[parent])
{
int temp = a[child];
a[child] = a[parents];
a[parents] = temp;
child = parent;
parent = (child - 1) / 2;
}
else
{
break;
}
}
}
堆的创建
堆是一种特殊的数据结构,因为其在物理结构上是一个数组,所以我们创建一个顺序表作为堆的结构:
typedef int HpDatatype;
typedef struct Heap
{
HpDatatype* data;
int size;
int capacity;
}HP;
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。
代码
void HeapPush(HP* hp, HpDatatype x)
{
assert(hp);
if (hp->capacity == hp->size)
{
int newcapacity = hp->capacity == 0 ? 5 : hp->capacity * 2;
HpDatatype* tmp = (HpDatatype*)realloc(hp->data, sizeof(HpDatatype)*newcapacity);
assert(tmp);
hp->data = tmp;
hp->capacity = newcapacity;
}
hp->data[hp->size] = x;
hp->size++;
AdjustUp(hp->data, hp->size - 1);
}
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。
代码
void Swap(HpDatatype* a, HpDatatype* b)
{
HpDatatype tmp = *a;
*a = *b;
*b = tmp;
}
void HeapPop(HP* hp)
{
assert(hp);
assert(!HeapEmpty(hp));
Swap(&hp->data[0], &hp->data[hp->size - 1]);
hp->size--;
AdjustDown(hp->data, hp->size, 0);
}
堆的应用
堆排序
利用堆实现对一个数组的排序,我们要了解的是堆这个结构如果只是建了一个堆是无法得到一个升序或降序的数组,因为同一层的元素的大小是无法确定的。但是堆唯一可以确定的是堆顶的元素是该堆所有元素的最大值或最小值,所以这里排序的思想就是在不破坏堆的结构的情况下,将堆顶的数一个一个拿走,这样就得到了一个有序的数组。
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
建堆和堆删除中都用到了向下调整,因此掌握了向下调整,就可以完成堆排序。
以升序为例:先建了一个n个数大堆,将堆顶的值(最大值同时还是数组的首元素)与 数组的最后一个值交换,这样我们就把最大值放到了数组结尾,然后对除了最大值以外的n-1个数据向下排序,这时的堆顶就是第二大的值,重复上述动作
代码
void Swap(int* a, int* b)
{
int tmp = *a;
*a = *b;
*b = tmp;
}
void AdjustDown(int* a, int size, int parent)
{
int child = parent * 2 + 1;
while (child < size)
{
if (child + 1 < size && a[child + 1] > a[child])
{
child += 1;
}
if (a[child] > a[parent])
{
Swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void HeapSort(int* a, int size)
{
//建堆方法1 向上调整
//时间复杂度 O(n*logn)
//for (int i = 1; i < size; i++)
//{
// AdjustUp(a, i);
//}
//建堆方法2 向下调整
//时间复杂度 O(n)
for (int i = (size - 2) / 2; i >= 0; i--)
{
AdjustDown(a, size, i);
}
//排序
//时间复杂度 O(n*logn)
for (int i = size - 1; i > 0; i--)
{
Swap(&a[0], &a[i]);
AdjustDown(a, i, 0);
}
}
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。
void PrintTopK(int* a, int n, int k)
{
int* KminArray = (int*)malloc(sizeof(int) * k);
assert(KminArray);
for (int i = 0; i < k; i++)
{
KminArray[i] = a[i];
}
for (int i = (k-1-1)/2; i >= 0; i--)
{
AdjustDown(KminArray, k, i);
}
for (int i = k; i < n; i++)
{
if (KminArray[0] < a[i])
{
KminArray[0] = a[i];
AdjustDown(KminArray, k, 0);
}
}
for (int i = 0; i < k; i++)
{
printf("%d ", KminArray[i]);
}
}
void TestTopk()
{
int n = 10000;
int* a = (int*)malloc(sizeof(int) * n);
srand((unsigned int)time(NULL));
for (int i = 0; i < n; ++i)
{
a[i] = rand() % 1000000;
}
a[5] = 1000000 + 1;
a[1231] = 1000000 + 2;
a[531] = 1000000 + 3;
a[5121] = 1000000 + 4;
a[115] = 1000000 + 5;
a[2335] = 1000000 + 6;
a[9999] = 1000000 + 7;
a[76] = 1000000 + 8;
a[423] = 1000000 + 9;
a[3144] = 1000000 + 10;
PrintTopK(a, n, 10);
}
int main()
{
TestTopk();
return 0;
}