一、堆排序优化
上一讲采用先独立建小堆,再把数组元素全部放入小堆中,最后从小堆弹出所有元素实现堆排序,固然达到了O(NlogN)的时间复杂度,但空间复杂度为O(N),值得优化。
优化堆排序的思路如下(以升序为例):
//针对大堆的向下调整
void AdjustDown(HPDataType* a,size_t size,size_t root)
{
size_t parent = root;
size_t child = parent * 2 + 1;
while (child < size)
{
//第一步:选出左右孩子中较大的一个
if (child + 1 < size && a[child + 1] > a[child])
{
child++;
}
//如果孩子大于父亲则交换,并继续往下调整
if (a[child] > a[parent])
{
Swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
我们回顾大堆中元素的删除(堆中元素数量为N,数组实现):
第一次删除,最大元素位于根结点(a[0]),先与a[N-1]交换,再对a[0]向下调整。
第二次删除,第二大元素位于根结点(a[0]),先与a[N-2]交换,再对a[0]向下调整。
······
也就是说,大堆中第k次删除,能保证数组中第k大数被放在合适的位置(升序排序)。
该方法也利用了缩小规模的思想。
具体代码:
void HeapSort(HPDataType* a, size_t n)
{
//升序排序,建小堆之后不方便操作,不如直接冒泡
//建堆有两种方法
//一种是用向上调整插入数据的思想建堆
//第一步:在原有数组基础之上建堆
int i = 0;
/*for (i = 1; i < n; i++)
{
AdjustUp(a, i);
}*/
//注意:直接向下调整不能建堆,向下调整的要求:左右子树都是小堆/都是大堆
//用向下调整建堆,应该从倒数第一个internal vertex开始,倒着向下调整
//倒数第一格internal vertice,即为最后一个leaf的父节点
for (i = (n - 1) / 2; i >= 0; i--)
{
AdjustDown(a, n,i);
}
//①堆排序(升序)利用了减少规模的思想:
//第一次选出最大数,然后规模缩减到n-1......
//②堆排序的本质是选择排序
//利用堆的结构第i次选出第i大数
size_t end = n - 1;
while (end>0 )
{
Swap(&a[0], &a[end]);
AdjustDown(a, end, 0);
end--;
}
}
int main()
{
TestHeap();
HPDataType a[] = { 4,2,7,8,5,1,0,6 };
HeapSort(a, sizeof(a) / sizeof(HPDataType));
for (size_t i = 0; i <= 7; i++)
printf("%d ", a[i]);
return 0;
}
完整代码文件如下:
Heap.h
#pragma once
#include<stdlib.h>
#include<assert.h>
#include<stdio.h>
#include<stdbool.h>
typedef int HPDataType;
typedef struct Heap {
HPDataType* a;//动态数组
size_t size;//数据量
size_t capacity;//容量
}HP;
void Swap(HPDataType* pa, HPDataType* pb);
void HeapInit(HP* php);
void HeapDesTroy(HP* php);
void HeapPush(HP* php, HPDataType x);
void HeapPop(HP* php);
void HeapPrint(HP* php);
HPDataType HeapTop(HP* php);
size_t HeapSize(HP* php);
bool HeapEmpty(HP* php);
void AdjustUp(HPDataType* a, size_t child);
void AdjustDown(HPDataType* a, size_t size, size_t root);
Heap.c
#include"Heap.h"
void HeapInit(HP* php)
{
assert(php);
php->a = NULL;
php->size = php->capacity = 0;
}
void HeapDesTroy(HP* php)
{
assert(php);
free(php->a);
php->a = NULL;//这一步不要忽略
php->size = php->capacity = 0;
}
void Swap(HPDataType* pa, HPDataType* pb)
{
HPDataType tmp = *pa;
*pa = *pb;
*pb = tmp;
}
//算法逻辑思想是二叉树,物理上操作的是数组中数据
//针对小堆的向上调整
void AdjustUp(HPDataType* a,size_t child)
{
//父子关系计算公式(对于leftchild和rightchild均成立)
size_t parent = (child - 1) / 2;
//可能会持续上调
//此处为小堆,若需要大堆,则只用调整if中的符号就行
while (child>0)
{
if (a[child] < a[parent])
{
Swap(&a[child], &a[parent]);
//更新关系
child = parent;
parent = (child - 1) / 2;
//注意child=0时,parent=0,会陷入死循环。
//无论用不用size_t,parent始终不会小于0
//-1/2==0
}
//还应该考虑中间就停止的情况
else
{
break;
}
}
}
//插入新数据后,要保持大根堆、小根堆的性质
void HeapPush(HP* php, HPDataType x)
{
assert(php);
//空间不够,先扩容
if (php->capacity == php->size)
{
size_t newCapacity = php->capacity * 2 + 1;
HPDataType* tmp = realloc(php->a, sizeof(HPDataType) * newCapacity);
if (tmp == NULL)
{
printf("realloc failed.\n");
exit(-1);
}
php->a = tmp;
php->capacity = newCapacity;
}
//堆中插入数据——向上调整算法
//第一步:先把新数据放在物理结构(顺序表/数组)的尾部
php->a[php->size] = x;
++php->size;
//第二步:向上调整
AdjustUp(php->a, php->size - 1);
}
void HeapPrint(HP* php)
{
assert(php);
for (size_t i = 0; i < php->size; i++)
{
printf("%d ",php->a[i]);
}
printf("\n");
}
//针对大堆的向下调整
void AdjustDown(HPDataType* a,size_t size,size_t root)
{
size_t parent = root;
size_t child = parent * 2 + 1;
while (child < size)
{
//第一步:选出左右孩子中较大的一个
if (child + 1 < size && a[child + 1] > a[child])
{
child++;
}
//如果孩子大于父亲则交换,并继续往下调整
if (a[child] > a[parent])
{
Swap(&a[child], &a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
//删除堆顶数据(小堆-删除堆顶最小数据/大堆-删除堆顶的最大数据)
//要保持小堆/大堆的性质
//若直接前移剩余数据,则有问题:①破坏结构②时间复杂度为O(N),不方便
//更优秀的方案:第一个数据先和最后一个数据进行对调->不必抹掉数据,直接size--即可->向下调整
void HeapPop(HP* php)
{
assert(php);
assert(php->size > 0);
//第一步:根与最后一个数据进行交换
Swap(&php->a[0], &php->a[php->size-1]);
//第二步:删除数据
--php->size;
//第三步:向下调整
//时间复杂度:O(logN)
AdjustDown(php->a,php->size,0);
}
HPDataType HeapTop(HP* php)
{
assert(php);
assert(php->size > 0);
return php->a[0];
}
size_t HeapSize(HP* php)
{
assert(php);
return php->size;
}
bool HeapEmpty(HP* php)
{
assert(php);
return php->size == 0;
}
main.c
#include"Heap.h"
void TestHeap()
{
HP hp;
HeapInit(&hp);
HeapPush(&hp, 1);
HeapPush(&hp, 5);
HeapPush(&hp, 0);
HeapPush(&hp, 8);
HeapPush(&hp, 3);
HeapPush(&hp, 9);
HeapPrint(&hp);
HeapPop(&hp);
HeapPrint(&hp);
HeapDesTroy(&hp);
}
//堆排序的步骤比较简单,即:
//将数组中的无序元素全部放到一个新建的堆中,再依次pop出,即得有序的元素列
//堆排序——升序
//void HeapSort(HPDataType* a, int size)
//{
// //第一步:建立一个堆(小堆)
// HP hp;
// HeapInit(&hp);
// //第二步:将数组中的无序数据都放到堆中
// //第三步:由于小堆可以依次弹出从小到大的数据,故依次放入数组即可
// for (int i = 0; i < size; ++i)
// {
// HeapPush(&hp, a[i]);
// }
// size_t j = 0;
// while (!HeapEmpty(&hp))
// {
// a[j] = HeapTop(&hp);
// j++;
// HeapPop(&hp);
// }
// HeapDesTroy(&hp);
//}
//方法二:空间复杂度为O(1)
//升序
void HeapSort(HPDataType* a, size_t n)
{
//升序排序,建小堆之后不方便操作,不如直接冒泡
//建堆有两种方法
//一种是用向上调整插入数据的思想建堆
//第一步:在原有数组基础之上建堆
int i = 0;
/*for (i = 1; i < n; i++)
{
AdjustUp(a, i);
}*/
//注意:直接向下调整不能建堆,向下调整的要求:左右子树都是小堆/都是大堆
//用向下调整建堆,应该从倒数第一个internal vertex开始,倒着向下调整
//倒数第一格internal vertice,即为最后一个leaf的父节点
for (i = (n - 1) / 2; i >= 0; i--)
{
AdjustDown(a, n,i);
}
//①堆排序(升序)利用了减少规模的思想:
//第一次选出最大数,然后规模缩减到n-1......
//②堆排序的本质是选择排序
//利用堆的结构第i次选出第i大数
size_t end = n - 1;
while (end>0 )
{
Swap(&a[0], &a[end]);
AdjustDown(a, end, 0);
end--;
}
}
int main()
{/*
TestHeap();*/
HPDataType a[] = { 4,2,7,8,5,1,0,6 };
HeapSort(a, sizeof(a) / sizeof(HPDataType));
for (size_t i = 0; i <= 7; i++)
printf("%d ", a[i]);
return 0;
}
二、Top K问题
问题描述:求数据中前K个最大或者最小的元素。一般情况下,数据量都比较庞大。
基本思路:利用堆解决。
操作目的:空间复杂度是O(1),时间复杂度是O(N),尽量减少额外开辟的空间。
第一步:利用数据集合中的前K个元素建堆
求前K个最大的元素,建立小堆
求前K个最小的元素,建立大堆
第二步:用剩余的N-K个元素与堆顶进行比较
求前K个最大的元素:建立小堆之后,如果某个剩余元素比堆顶大,则说明这个剩余元素应该替换堆顶。
求前K个最小的元素,建立大堆之后,如果某个剩余元素比堆顶小,则说明这个剩余元素应该替换堆顶。
每一次替换,都是剔除堆中最不合理的元素。比如求前K个最大的元素,替换一次,是把小堆中最小的元素换掉,用一个比它更可能成为前K大的元素替换它,使堆中元素愈发接近最终结果。
代码实现:
void PrintTopK(int* a, int n, int k)
{
//第一步:建立小堆
int* kminHeap = (int*)malloc(sizeof(int) * k);
assert(kminHeap);
//先把元素放进去
for (int i = 0; i < k; i++)
{
kminHeap[i] = a[i];
}
//再从倒数第一个非叶子结点开始,进行向下调整,使之成为小堆
for (int j = (k - 1 - 1) / 2; j >= 0; j--)
{
AdjustDown(kminHeap, k, j);
}
//第二步:元素替换
for (int i = k; i < n; i++)
{
if (a[i] > kminHeap[0])
{
Swap(&a[i], &kminHeap[0]);
AdjustDown(kminHeap, k, 0);
}
}
for (int i = 0; i < k; i++)
{
printf("%d ", kminHeap[i]);
}
}
void TestTopK()
{
int i;
int* a = (int*)malloc(sizeof(int) * 5000);
for (i = 0; i < 5000; i++)
{
a[i] = rand() % 1000000;
}
a[1] = 1000000 + 1;
a[1237] = 1000000 + 3;
a[1023] = 1000000 + 2;
a[4900] = 1000000 + 4;
PrintTopK(a, 5000, 4);
}
int main()
{/*
TestHeap();*/
/*HPDataType a[] = { 4,2,7,8,5,1,0,6 };
HeapSort(a, sizeof(a) / sizeof(HPDataType));
for (size_t i = 0; i <= 7; i++)
printf("%d ", a[i]);
return 0;*/
TestTopK();
}