堆是一种数据结构,因为Heapsort而被提出。除了堆排序,“堆”这种数据结构还可以用于优先队列的实现。
堆首先是一个完全二叉树:它除了最底层之外,树的每一层的都是满的,且最底层中的节点处于左边,相互之间没有“跳变”;其次,堆有次序属性:每个节点中的数据项都大于或者等于其子女的数据项(如果是记录,则这些记录中的某个关键域必须满足这一属性)。 当然,这是指大顶堆,小顶堆则是父节点比子节点都要小。
所谓队列,就是一个FIFO表(first in, first out)。优先队列,就是在队列的基础上,每个元素加一个优先级,last in的元素可能会first out,这就是优先级在起作用。
我想实现这样一个优先队列:
元素为整数
元素值小的优先级反而大
有入队操作,每次进入一个元素
出队操作,也行每次一个元素
那么,我的小根堆Heap应该这样考虑:
每当插入元素时,在原有Heap的最后一个叶子节点后面插入新元素val,并持续比较val和其父节点的值之间是否满足堆的次序属性,直到满足
每当删除元素时,删除的是值最小的元素,也就是根结点root,则将root和最后一个叶子节点lastleaf互换,然后删除交换后的new_lastleaf ,并从new_root开始调整堆,使满足堆的次序属性。
这样一来,代码就不难写出:
#coding:utf8
#author:HaxtraZ
#description:优先队列,用堆实现
#修改自《算法导论》2nd Edition
class ZHeap:
def __init__(self, item=[]):
# 初始化。item为数组
self.items = item
self.heapsize = len(self.items)
def LEFT(self, i):
return 2 * i + 1
def RIGHT(self, i):
return 2 * i + 2
def PARENT(self, i):
return (i - 1) / 2
def MIN_HEAPIFY(self, i):
# 最小堆化:使以i为根的子树成为最小堆
l = self.LEFT(i)
r = self.RIGHT(i)
if l < self.heapsize and self.items[l] < self.items[i]:
smallest = l
else:
smallest = i
if r < self.heapsize and self.items[r] < self.items[smallest]:
smallest = r
if smallest != i:
self.items[i], self.items[smallest] = self.items[smallest], self.items[i]
self.MIN_HEAPIFY(smallest)
def INSERT(self, val):
# 插入一个值val,并且调整使满足堆结构
self.items.append(val)
idx = len(self.items) - 1
parIdx = self.PARENT(idx)
while parIdx >= 0:
if self.items[parIdx] > self.items[idx]:
self.items[parIdx], self.items[idx] = self.items[idx], self.items[parIdx]
idx = parIdx
parIdx = self.PARENT(parIdx)
else:
break
self.heapsize += 1
def DELETE(self):
last = len(self.items) - 1
if last < 0:
# 堆为空
return None
# else:
self.items[0], self.items[last] = self.items[last], self.items[0]
val = self.items.pop()
self.heapsize -= 1
self.MIN_HEAPIFY(0)
return val
def BUILD_MIN_HEAP(self):
# 建立最小堆, O(nlog(n))
i = self.PARENT(len(self.items) - 1)
while i >= 0:
self.MIN_HEAPIFY(i)
i -= 1
def SHOW(self):
print self.items
class ZPriorityQ(ZHeap):
def __init__(self, item=[]):
ZHeap.__init__(self, item)
def enQ(self, val):
ZHeap.INSERT(self, val)
def deQ(self):
val = ZHeap.DELETE(self)
return val
a = [1, 3, 2, 4, 8, 6, 22, 9]
pq = ZPriorityQ()
n = len(a)
for i in range(n):
pq.enQ(a[i])
pq.SHOW()
for i in range(n):
pq.deQ()
pq.SHOW()
其中,ZHeap表示小根堆,ZPriorityQ表示优先队列,deQ表示退队,enQ表示入队。
我们发现以下结论:大根堆用于升序排序,小根堆用于降序排序。
为什么用堆来实现优先队列?原因只有一个:复杂度低。
如果使用列表(存放在list中),插入为O(1),删除为O(n);
如果使用按照优先级排好序的有序列表,插入和线性插入排序一样,O(n),删除则为O(1)
使用堆的时候,无论你删除还是插入,都是O(lg n)时间复杂度,对于插入和删除都比较频繁的操作来讲,这是最好不过的了。
如果认为有不正确的地方欢迎拍砖。