＜数据结构＞堆和堆排序

目录

一、堆的概念及结构

二、堆的实现

2.1.堆向下调整算法

2.2.堆的创建

2.3.建堆时间复杂度

2.4.堆的插入

2.5.堆的删除

三、堆的应用

3.1. 堆排序

3.2. TOP-K问题

---

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);
}