堆,又可以称为优先级队列,这种数据结构插入和删除操作需要o(lgn)的时间复杂度,但是却能在o(1)的时间复杂度内取出最大值或最小值。
堆有最大堆和最小堆,最大堆中任意节点的关键码大于或等于它的左、右子女的关键码,相反,最小堆中任意节点的关键码小于或等于它的左、右子女的关键码。
如果堆的索引从0开始,则有如下关系式:
(1)左子女:2*i+1
(2)右子女:2*i+2
(3)父亲节点:向下取整((i-1)/2)
注:这是索引,给定一个数组长度,应该先通过len-1得到最后一个元素的索引,在通过第三条的公式开始调整。
堆的调整
(1)向下调整(删除堆顶元素)
/*copyright@ CNV && lsj*/
/*最小堆*/
#include<iostream>
#include<algorithm>
using namespace std;
#define LEFT(i) (((i)<<1)+1)
#define RIGHT(i) (((i)<<1)+2)
#define CHILD(i) (((i)-1)>>1)
typedef int RecType;
/*从上往下调整 ---删除堆顶元素的调整*/
void SiftDown(RecType minHeap[],int low,int high)
{
int i = low;
int j = LEFT(i);
int base = minHeap[i];
while(j<=high){
//与小的比较,必须是j<high没有等号
if(j<high && minHeap[j+1]<minHeap[j])j++;
if(base<=minHeap[j])break;
else{
//上移
minHeap[i] = minHeap[j];
i = j;
j = LEFT(i);
}
}
minHeap[i] = base;
};
(2)向上调整(插入元素,插入堆尾部)
/*从下往上调整 ---往堆中插入元素的调整*/
void SiftUp(RecType minHeap[],int high)
{
int j = high;
int i = CHILD(j);
int base = minHeap[j];
while(i>0){
if(minHeap[i]<=base)break;
else{
//下移
minHeap[j] = minHeap[i];
j = i;
i = CHILD(j);
}
}
minHeap[j] = base;
};
(3)堆排序
//逆序--》从大到小
void HeapSort(RecType arr[],int len)
{
int lastIndex = len -1;//由长度转换为索引
int beginIndex = (lastIndex-1)>>1;
//下面构建了一个堆,o(nlogn)
while(beginIndex>=0){
SiftDown(arr,beginIndex,len-1);
--beginIndex;
}
//排序
for(int i=len-1;i>=0;i--){
swap(arr[0],arr[i]);
SiftDown(arr,0,i-1);
}
};
STL中的堆(面试的时候用得着)
(1)利用make_heap构建堆(STL源码剖析P181)
STL提供堆结构,但却是幕后工作者,heap可以分为max_heap和min_heap。记住几个重要的接口:make_heap、push_heap、pop_heap、sort_heap。
这几个接口输入参数是这样的:
template<class RandomAccessIterator,Class Compare>
inline void make_heap(RandomAccessIterator first,RandomAccessIterator last, Compare comp);
注:通过给上面各函数传入不同的仿函数,分别构造最大堆还是最小堆
#include<iostream>
#include<algorithm>
#include<vector>
#include<functional>
using namespace std;
int main()
{
int arr[]={0,1,2,3,4,8,9,3,5};
vector<int>ivec(arr,arr+9);
//greater<int> comp;//最小堆
less<int> comp;//最大堆
make_heap(ivec.begin(),ivec.end(),greater<int>,comp);
//9 5 8 3 4 0 2 3 1
for(int i=0;i<ivec.size();++i){
cout<<ivec[i]<<" ";
}
cout<<endl;
ivec.push_back(7);
push_heap(ivec.begin(),ivec.end(),comp);
//9 7 8 3 5 0 2 3 1 4
for(int i=0;i<ivec.size();++i){
cout<<ivec[i]<<" ";
}
cout<<endl;
pop_heap(ivec.begin(),ivec.end(),comp);
cout<<ivec.back()<<endl;//9
ivec.pop_back();
sort_heap(ivec.begin(),ivec.end(),comp);
//9 7 8 3 5 0 2 3 1 4
for(int i=0;i<ivec.size();++i){
cout<<ivec[i]<<" ";
}
system("pause");
return 0;
}
(2)利用priority_queue构建堆(STL源码剖析P183,其实利用了上面的接口)
STL中提供了一种priority_queue,缺省情况下利用max_heap完成。STL中的priority_queue往往不被归类为容器,而是被归类为容器迭代器。
STL中的声明priority_queue声明如下:
template<class T,class Sequence = vector<T>,class Compare=less<typename Sequence::value_type>>
class priority_queue{
....
}
从上面的定义看出,STL的priority_queue采用vector实现,且Compare比较函数为仿函数less,我们可以传入greater,构造最小堆。
#include<iostream>
#include<algorithm>
#include<queue>
using namespace std;
int main()
{
int arr[]={0,1,2,3,4,5,8,9,3,5};
priority_queue<int> ipq(arr,arr+9);
cout<<"size="<<ipq.size()<<endl;
while(!ipq.empty()){
cout<<ipq.top()<<" ";
ipq.pop();
}
system("pause");
}
换一个仿函数就能构造最小堆:
#include<iostream>
#include<algorithm>
#include<queue>
using namespace std;
int main()
{
int arr[]={0,1,2,3,4,5,8,9,3,5};
priority_queue<int,vector<int>,greater<int>> ipq(arr,arr+9);
cout<<"size="<<ipq.size()<<endl;
while(!ipq.empty()){
cout<<ipq.top()<<" ";
ipq.pop();
}
system("pause");
return 0;
}
(3)利用set(或者multiset)构建堆(剑指offer P169页)
#include<iostream>
#include<algorithm>
#include<functional>
#include<set>
using namespace std;
typedef greater<int> Greater;//最大堆
typedef less<int> Less;//最小堆
typedef multiset<int,Less> MaxHeap;
typedef multiset<int,Less>::iterator Iterator;
int main()
{
int arr[]={0,1,2,3,4,8,9,3,5};
MaxHeap heap;
for(int i=0;i<9;i++){
heap.insert(arr[i]);
}
for(Iterator it = heap.begin();it!=heap.end();++it){
cout<<*it<<" ";
}
cout<<endl;
heap.erase(heap.begin());
heap.insert(10);
for(Iterator it = heap.begin();it!=heap.end();++it){
cout<<*it<<" ";
}
system("pause");
return 0;
}