二叉堆算法

二叉堆

二叉堆的定义

二叉堆是一种支持插入、删除、查询最值的数据结构。它其实是一棵 满足”堆性质“的完全二叉树，树上的每个节点带有一个权值。若树中的任意一个节点的权值都小于等于其父节点的权值，则称该二叉树满足“大根堆性质”。若树中任意一个节点的权值都大于等于其父亲节点的权值，则称该二叉堆满足“小根堆性质”。“大根堆”、“小根堆”都是二叉堆的形态之一。

二叉堆的结构图示

二叉堆的作用

由于二叉堆具有可以动态的得到集合的最值的性质，所以二叉堆经常与贪心相结合，一般用来求题目最优解。当然根据二叉堆的结构，二叉堆通常可以用来实现排序。身为蒟蒻的我还没有遇到需要用二叉堆排序解决的问题

二叉堆的实现（C++）

STL 中的 priority_queue （优先队列）为实现一个大（小）根堆，支持插入、返回堆顶、删除堆顶的操作，所以我们在运用二叉堆算法时，通常是用优先队列来实现的。

priority_queue <int,vector<int>,greater<int> > q;	//升序队列（小根堆）
priority_queue <int,vector<int>,less<int> >q;		//降序队列（大根堆）
//greater和less是std实现的两个仿函数（就是使一个类的使用看上去像一个函数。其实现就是类中实现一个operator()，这个类就有了类似函数的行为，就是一个仿函数类了）
//通常我们可以按照下面这样声明一个优先队列，这样是默认的大根堆。
priority_queue<int> a;
//根据题目要求，这里有一个小技巧，我们可以在往堆中压入数值的时候以负数的形式来存，然后相对与数值来说就是个小根堆

因此我们可以通过优先队列实现二叉堆的建立。

priorty_queue<int> q;	//默认大根堆
q.push()				//二叉堆的插入
q.top()					//返回堆中的最值
q.pop()					//移除堆顶元素，即堆中的最值

例题

AcWing 145. 超市
AcWing 145. 超市题解

Huffman树

Huffman的定义

哈夫曼树（Huffman Tree）是一种特殊的二叉树，它的每个非叶子节点都有两个子节点，其中左子节点代表0，右子节点代表1。哈夫曼树是根据一组权值来构建的，每个叶子节点都对应着一个权值。构建哈夫曼树的目标是使得每个节点的带权路径长度（节点深度乘以权值）之和最小。根据定义，哈夫曼树可总结为：带权路径长度WPL最小的二叉树称做哈夫曼树

Huffman的构建

1. 将每个权值看作一个节点，将它们作为树的叶子节点。
2. 从这些叶子节点中找出权值最小的两个节点，将它们合并成一个新的节点，新节点的权值为这两个节点的权值之和。新节点的左子节点是原来的权值小的节点，右子节点是原来的权值大的节点。
3. 将新节点加入到节点集合中，重复步骤2，直到节点集合中只剩下一个节点，这个节点就是哈夫曼树的根节点。
   根据上面哈夫曼树的构建，我们容易想到一种贪心算法求二叉哈夫曼树，即：
   1、通过建立小根堆，将n个叶子节点的权值插入；
   2、然后每次从堆中取出最小的两个权值w1、w2，并将其和p = w1 + w2 再插入堆中；
   3、建立一个权值为p的树节点，令p成为权值为w1、w2的父亲节点；
   4、重复2 —4步，直至堆的大小为1 。
   在使用贪心策略构建 k 叉哈夫曼树的时候，若堆的大小在2 ~ k - 1之间，则哈夫曼树的根的子节点个数就小于k，就不是最优解了。
   因此我们需要保证叶子节点的个数 n 满足** ( n - 1) mod ( k - 1 ) = 0 **。

Huffman的作用

1. 最优性：哈夫曼树构建的过程中，每次都选择权值最小的节点进行合并，这样构建出的哈夫曼树是一棵最优树，可以使得每个节点的带权路径长度之和最小。
2. 唯一性：对于给定的权值序列，构建出的哈夫曼树是唯一的。这意味着可以通过哈夫曼编码将数据压缩后再解压时，可以准确地还原原始数据。
3. 无损压缩：哈夫曼编码是一种无损压缩方法，即压缩后的数据可以完全还原为原始数据，没有任何信息的丢失。
4. 构建出的哈夫曼树可以用来进行哈夫曼编码，即将每个叶子节点对应的权值表示为二进制数，路径上经过的左子节点表示为0，经过的右子节点表示为1。这样可以使得权值小的节点用较短的编码表示，从而达到压缩数据的目的。

例题

AcWing 149. 荷马史诗
AcWing 149. 荷马史诗题解