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);
}
总结
堆物理上就是一个数组,概念上想象成一个二叉树,其大堆和小堆的特性可以帮助解决一些特殊的问题。