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
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
- 将每个权值看作一个节点,将它们作为树的叶子节点。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。