＜数据结构＞堆和堆排序

最新推荐文章于 2024-04-19 17:57:18 发布

绅士·永

最新推荐文章于 2024-04-19 17:57:18 发布

阅读量363

点赞数 7

分类专栏：数据结构文章标签：排序算法算法数据结构

本文链接：https://blog.csdn.net/weixin_63246064/article/details/124915060

版权

数据结构专栏收录该内容

20 篇文章 2 订阅

订阅专栏

一、堆的概念及结构

如果有一个关键码的集合K = { ，，，…， }，把它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： = 且 >= ) i = 0，1， 2…，则称为小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。

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。

即：逻辑是完全二叉树，物理是数组

其数组对应父子节点的下标满足：

leftchild = parent * 2 + 1;

rightchild = parent * 2 + 2;

parent = (child - 1) / 2

堆的特性：

结构性：用数组表示的完全二叉树

有序性：任一节点的值是其子树所有节点的最大值或最小值

二、堆的实现

2.1.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。

建堆可以建大堆和小堆，假设我们选择小堆，注意前提：左右子树必须是一个堆，才能调整。那么我们可以从根节点入手，根节点一定是堆，从根节点开始向下建堆。

// 建小堆的向下调整算法
void AdjustDown(int* a, int size, int parent)
{
	assert(a);

	int child = parent * 2 + 1;// 记录左孩子下标

	while (child < size)
	{
		if (child + 1 < size && a[child + 1] < a[child])// 调整大小于符号来调整建大堆还是小堆，选择child中下的或者大的那个孩子
		{
			child += 1;
		}

		if (a[child] < a[parent])// 调整大小于符号来调整建大堆还是小堆，这里是小堆
		{
			Swap(&a[child], &a[parent]);
		}
		else
		{
			break;
		}

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

2.2.堆的创建

下面我们给出一个数组，这个数组逻辑上可以看做一颗完全二叉树，但是还不是一个堆，现在我们通过算法，把它构建成一个堆。根节点左右子树不是堆，我们怎么调整呢？这里我们从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆

int a[] = {1,5,3,8,7,6};

倒数的第一个非叶子节点：(n - 1 - 1) / 2,n表示数组有多少元素

	// 建堆 法1:时间：O(N*logN)
	for (int i = 1; i < n; i++)
	{
		AdJustUp(a, i);// 用向上调整算法
	}
	// 建堆 法2：时间：O(N)
	for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, n, i);// 用向下调整算法
	}

2.3.建堆时间复杂度

向下调整算法的建堆复杂度：O(N)

从最后一个非叶子节点开始调整

向上调整算法时间复杂度：O(N*logN)

2.4.堆的插入

在堆的末尾插入，对其使用向上调整算法，使其仍然是一个堆

void HeapPush(Heap* php, HPDataType x)
{
	assert(php);

	if (php->size == php->capacity)
	{
		// 扩容
		int newcapacity = php->capacity == 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a, sizeof(HPDataType)*(newcapacity));
		if (tmp == NULL)
		{
			printf("realloc file");
			exit(-1);
		}

		php->a = tmp;
		php->capacity = newcapacity;
	}

	php->a[php->size] = x;
	php->size++;
	AdJustUp(php->a, php->size - 1);
}

2.5.堆的删除

如果直接删除会影响堆的结构，我们可以采用将堆顶和堆尾的数据交换，然后再删除堆尾的数据，再对堆顶的数据进行向下调整算法，使其仍然是一个堆

void HeapPop(Heap* php)
{
	assert(php);

	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	AdjustDown(php->a, php->size, 0);
}

三、堆的应用

3.1. 堆排序

堆排序：首先需要的条件是一个堆，我们就需要将其数列调整为一个堆。我们可以采用向上调整算法，或者向下调整算法。

堆排序升序采用的是大堆，选出最大的数据，再将堆顶和堆尾的数据交换，使size--, 再对堆顶的数据进行向下调整算法，直到size 减为0；


void AdJustUp(HPDataType* a, int pos)
{
	int child = pos;
	int parent = (child - 1) / 2;

	while (child > 0)
	{
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

void AdjustDown(int* a, int size, int parent)
{
	assert(a);

	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]);
		}
		else
		{
			break;
		}

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

void HeapSort(int* a, int n)
{
	// 建堆 1:// 时间：O(N*logN)
	//for (int i = 1; i < n; i++)// 向上调整算法
	//{
	//	AdJustUp(a, i);
	//}
	// 建堆 2：时间：O(N)
	for (int i = (n - 1 - 1) / 2; i >= 0; i--)// 向下调整算法
	{
		AdjustDown(a, n, i);
	}

	for (int i = n - 1; i > 0 ; i--)
	{
		Swap(a, a + i);
		AdjustDown(a, i, 0);
	}
}

3.2. 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.堆排序找前k个元素

2. 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

3. 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

void PrintTopK(int* a, int n, int k)
{
	int* KminHeap = (int*)malloc(sizeof(int) * k);
	assert(KminHeap);
	// 1. 建堆--用a中前k个元素建小堆 
	for (int i = 0; i < k; i++)
	{
		KminHeap[i] = a[i];
	}
	for (int i = (k - 1 - 1) / 2; i >= 0; --i)
	{
		AdjustDown(KminHeap, k, i);
	}
	// 2. 将剩余n-k个元素依次与堆顶元素交换，不满则则替换
	for (int i = k; i < n; i++)
	{
		if (KminHeap[0] < a[i])
		{
			KminHeap[0] = a[i];
			AdjustDown(KminHeap, k, 0);
		}
	}

	for (int i = 0; i < k; i++)
	{
		printf("%d ", KminHeap[i]);
	}

	free(KminHeap);
}
void TestTopk()
{
	int n = 10000;
	int* a = (int*)malloc(sizeof(int) * n);
	srand(time(0));
	for (size_t 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);
}