数据结构--堆

机械狗pp

已于 2022-03-16 14:40:56 修改

阅读量262

点赞数

分类专栏：数据结构文章标签：数据结构

于 2021-11-20 17:30:32 首次发布

本文链接：https://blog.csdn.net/xd6905/article/details/121210810

版权

数据结构专栏收录该内容

11 篇文章 0 订阅

订阅专栏

文章目录

一、堆的概念

堆是一种二叉树，使用数组结构实现。堆课分为大堆和小堆，大堆的父亲节点大于孩子节点，小堆则相反。

设计结构体堆，包含一个数组和两个变量来记录堆的大小和堆内容量大小。

typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}Heap;

二、接口实现

1.堆的初始化和销毁

将结构体中的容量和堆顶位置进行设置。由于数组空间是malloc出来的，销毁堆时要注意将数组a的空间释放。

void HeapInit(Heap* hp)
{
	assert(hp);
	hp->a = NULL;
	hp->capacity = hp->size = 0;
}

void HeapDestory(Heap* hp)
{
	assert(hp);
	free(hp->a);
	hp->capacity = hp->size = 0;
}

2.向上调整和向下调整

为了保持堆操作的过程中，仍保持大堆/小堆的父亲节点大于/小于孩子节点的特性，设置了向上调整和向下调整函数。

向上调整需要给的是孩子节点位置，从传入的孩子节点位置根据公式找到父亲节点的位置，从孩子节点开始向上调整，将当前节点的值与父亲节点的值比较。实例代码演示的是小堆，那么就应该在父亲节点的值大于任意一个孩子节点时，将孩子节点中的值与父亲节点的值交换。同时在把当前的父亲节点当作孩子节点继续往上调整，直到根节点。

向下调整需要传入数组长度和父亲节点位置，根据公式计算出左孩子的位置，判断一下右孩子是否小于左孩子。如果是则要把右孩子节点设置为孩子节点，不是的话左孩子就为孩子节点。这么做是因为父亲节点向下调整需要与更小的孩子节点交换，那么这样的判断就是帮组找出值更小的孩子节点。找到以后就可以判断父亲和孩子节点谁大，父亲如果更大就需要与孩子节点交换。然后再将孩子节点作为新的父亲节点，继续往下寻找孩子节点，直到叶子节点就完成了向下调整的过程。其中传入的数组大小是用来限制孩子节点位置不能超过数组大小。

void SWAP(int* a,int* b)
{
	int temp = *a;
	*a = *b;
	*b = temp;
}

void AdjustUp(int* a, int child)
{
	assert(a);
	int parent = (child - 1) / 2;
	while (a[child] < a[parent] && child > 0)
	{
		SWAP(&a[child],&a[parent]);
		child = parent;
		parent = (child - 1) / 2;
	}
}

void AdjustDown(int* a, int n, int parent)
{
	assert(a);
	int child = parent * 2 + 1;
	while (child < n)
	{
		if (child + 1 < n && a[child+1] < a[child])
		{
			child++;
		}
		if (a[child] < a[parent])
		{
			SWAP(&a[child], &a[parent]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

3.堆的插入和删除

堆的插入，在数组的最后一位插入数据后，在该位置进行向上调整，这样就可以保证堆在插入新数据后仍然是一个小堆。

堆的删除，从堆顶开始删除，将堆的最后一个位置元素与堆顶元素交换，在删除数组最后一位。这样堆顶元素就被删除了，当时这时堆的结构被破坏，可能已经不在是一个小堆，因此从堆顶位置再向下调整一下，堆就恢复为一个小堆。

void HeapPush(Heap* hp, HPDataType x)
{
	assert(hp);
	//ж
	if (hp->capacity == hp->size)
	{
		int newCapcity = hp->capacity == 0 ? 4 : hp->capacity * 2;
		HPDataType* temp = (HPDataType*)realloc(hp->a,
							sizeof(HPDataType) * newCapcity);
		if (!temp)
		{
			printf("realloc fail!");
			exit(-1);
		}
		hp->a = temp;
		hp->capacity = newCapcity;
	}
	//β
	hp->a[hp->size] = x;
	hp->size++;
	//ϵ
	AdjustUp(hp->a, hp->size-1);
}

void HeapPop(Heap* hp)
{
	assert(hp);
	assert(!HeapEmpty(hp));
	SWAP(&hp->a[hp->size - 1], &hp->a[0]);
	hp->size--;
	AdjustDown(hp->a, hp->size, 0);
}

4.其他简单接口

获取堆顶元素，堆的大小和堆的打印，都是一些数组的简单操作。

HPDataType HeapTop(Heap* hp)
{
	assert(hp);
	assert(!HeapEmpty(hp));
	return hp->a[0];
}
int HeapSize(Heap* hp)
{
	assert(hp);
	return hp->size;
}
void HeapPrint(Heap* hp)
{
	for (int i = 0; i < hp->size; i++)
	{
		printf("%d ", hp->a[i]);
	}
	printf("\n");
}

5.Topk 问题

topk问题就是在一大堆数据中找到最大或最小的k个元素。这个问题可以利用堆的特性很好的解决。这里是找最大的k个元素，那么我们建一个小堆。我们先放入k个元素，那么小堆的堆顶元素就是这k个元素的最小值。我们将剩下的元素和这个堆顶比较，比堆顶大才能进堆，同时弹出堆顶最小的那个，这样整个过程就一直保证堆中的元素一直是遍历过程中最大的k个元素。那么遍历结束，我们就找到了k个最大值元素。

整个过程时间复杂度是o(n)，如果采用其他先排序在选最大的k个元素的方法，无疑是不会由于这个方法的。

void PrintTopK(int* a, int n, int k)
{
	assert(a);
	Heap HP;
	HeapInit(&HP);
	for (int i = 0; i < k; i++)
	{
		HeapPush(&HP, a[i]);
	}
	for (int i = k; i < n; i++)
	{
		if (a[i] > HeapTop(&HP))
		{
			HeapPop(&HP);
			HeapPush(&HP, a[i]);
			/*HP.a[0] = a[i];
			AdjustDown(HP.a, HP.size, 0);*/
		}
	}
	HeapPrint(&HP);
	HeapDestory(&HP);
}