数据结构——堆

一、树概念及结构

1.1 树的概念

树是一种 非线性 的数据结构,它是由n(n>=0)个有限结点组成一个具有层次关系的集合。 把它叫做树是因为它看起来像一棵倒挂的树,也就是说它是根朝上,而叶朝下的
(1)有一个 特殊的结点,称为根结点 ,根节点没有前驱结点
(2)除根节点外, 其余结点被分成M(M>0)个互不相交的集合T1、T2、……、Tm ,其中每           一个集合Ti(1<= i <= m)又是一棵结构与树类似的子树。每棵子树的根结点有且只有一             个前驱,可以有0个或多个后继
(3)因此, 树是递归定义
注意:树形结构中,子树之间不能有交集,否则就不是树形结构

1.2  树的相关概念

节点的度 :   一个节点含有的子树的个数称为该节点的度; 如上图: A 的为 6
叶节点或终端节点 :  度为 0 的节点称为叶节点; 如上图: B C H I... 等节点为叶节点
非终端节点或分支节点 :  度不为 0 的节点; 如上图: D E F G... 等节点为分支节点
双亲节点或父节点 :  若一个节点含有子节点,则这个节点称为其子节点的父节点; 如上图: A B 的父节点
孩子节点或子节点 :  一个节点含有的子树的根节点称为该节点的子节点; 如上图: B A 的孩子节点
兄弟节点 :  具有相同父节点的节点互称为兄弟节点; 如上图: B C 是兄弟节点
树的度 :  一棵树中,最大的节点的度称为树的度; 如上图:树的度为 6
节点的层次 :  从根开始定义起,根为第 1 层,根的子节点为第 2 层,以此类推;
树的高度或深度 : 树中节点的最大层次; 如上图:树的高度为 4
堂兄弟节点 :  双亲在同一层的节点互为堂兄弟;如上图: H I 互为兄弟节点
节点的祖先 :  从根到该节点所经分支上的所有节点;如上图: A 是所有节点的祖先
子孙:   以某节点为根的子树中任一节点都称为该节点的子孙。如上图:所有节点都是 A 的子孙
森林 :  由 m m>0 )棵互不相交的树的集合称为森林

1.3  树的表示

树结构相对线性表就比较复杂了,要存储表示起来就比较麻烦了, 既然保存值域,也要保存结点和结点之间的关系 ,实际中树有很多种表示方式如:双亲表示法,孩子表示法、孩子双亲表示法以及孩子兄弟表示法等。我们这里就简单的了解其中最常用的 孩子兄弟表示法
typedef int DataType;
struct Node
{
 struct Node* _firstChild1; // 第一个孩子结点
 struct Node* _pNextBrother; // 指向其下一个兄弟结点
 DataType _data; // 结点中的数据域
};

二 、 二叉树概念及结构

2.1 概念

一棵二叉树是结点的一个有限集合,该集合:
1. 或者为空
2. 由一个根节点加上两棵别称为左子树和右子树的二叉树组成
从上图可以看出:
1. 二叉树不存在度大于2的结点
2. 二叉树的子树有左右之分,次序不能颠倒,因此二叉树是有序树
注意:对于任意的二叉树都是由以下几种情况复合而成的:

2.2  特殊的二叉树

  满二叉树 :一个二叉树,如果每一个层的结点数都达到最大值,则这个二叉树就是满二叉树。也就是 说,如果一个二叉树的层数为K ,且结点总数是 ,则它就是满二叉树。
 完全二叉树 :完全二叉树是效率很高的数据结构,完全二叉树是由满二叉树而引出来的。对于深度为 K 的,有n 个结点的二叉树,当且仅当其每一个结点都与深度为 K 的满二叉树中编号从 1 n 的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。

2.3 二叉树的性质

1. 若规定根节点的层数为 1 ,则一棵非空二叉树的 第i层上最多有 2^(i-1) 个结点.
2. 若规定根节点的层数为 1 ,则 深度为h的二叉树的最大结点数是2^h-1
3. 对任何一棵二叉树 , 如果度为0其叶结点个数为n0 , 度为2的分支结点个数为n1 ,则有 n0=n1 +1
4. 若规定根节点的层数为 1 ,具有 n个结点的满二叉树的深度h=log(N+1)
5. 对于具有 n 个结点的完全二叉树,如果按照从上至下从左至右的数组顺序对所有节点从 0 开始编号,则对于序号为i 的结点有:
(1) 若i>0,i位置节点的双亲序号:(i-1)/2;i=0,i为根节点编号,无双亲节点
(2)若2i+1<n,左孩子序号:2i+1,若2i+1>=n,则无左孩子
(3)若2i+2<n,右孩子序号:2i+2,若2i+2>=n,则无右孩子

2.4 二叉树的存储结构

二叉树一般可以使用两种结构存储,一种顺序结构,一种链式结构。
1. 顺序存储
顺序结构存储就是使用 数组来存储 ,一般使用数组 只适合表示完全二叉树 ,因为不是完全二叉树会有空间的浪费。而现实中使用中只有 才会使用数组来存储。 二叉树顺序存储在物理上是一个数组,在逻辑上是一颗二叉树。
2. 链式存储
二叉树的链式存储结构是指,用链表来表示一棵二叉树,即用链表来表示元素的逻辑关系。 通常的方法是链表中每个结点由三个域组成,数据域和左右指针域,左右指针分别用来给出该结点左孩子和右孩子所 在的链结点的存储地址 。链式结构又分为二叉链和三叉链。

三、 堆的概念及结构

 堆的性质:
(1)堆中某个节点的值总是不大于或不小于其父节点的值;
(2)堆总是一棵完全二叉树。

3.1  堆的实现

3.1.2 堆的基本功能实现

#include<stdio.h>
#include<assert.h>
#include<stdbool.h>
typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}Heap;

// 堆的初始化
void HeapInit(Heap* hp);
// 堆的销毁
void HeapDestory(Heap* hp);
// 堆的插入
void HeapPush(Heap* hp, HPDataType x);
// 堆的删除
void HeapPop(Heap* hp);
// 取堆顶的数据
HPDataType HeapTop(Heap* hp);
// 堆的数据个数
int HeapSize(Heap* hp);
// 堆的判空
bool HeapEmpty(Heap* hp);

3.3.2  堆的创建与销毁

// 堆的初始化
void HeapInit(Heap*hp)
{
	assert(hp);
	hp-> a=NULL;
	hp->size=0;
	hp->capacity=0;
}
// 堆的销毁
void HeapDestory(Heap* hp)
{
	assert(hp);
	free(hp->a);
	hp->a = NULL;
	hp->size = 0;
	hp->capacity = 0;
}

3.3.3 堆的插入与删除

堆的插入:(1)数组的常规插入

                  (2)将数据向上调整

void swap(HPDataType* x, HPDataType* y)
{
	HPDataType tmp = * x;
	*x = * y;
	*y = tmp;
}
// 堆的插入
void HeapPush(Heap* hp, HPDataType x)
{
	assert(hp);
	if (hp->size == hp->capacity)
	{
		int newcapacity = hp->capacity == 0 ? 4 : hp->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(hp->a, sizeof(HPDataType) * newcapacity);
		if (tmp == NULL)
		{
			perror("realloc fail:");
			return;
		}
		hp->a = tmp;
		hp->capacity = newcapacity;
	}
	
	hp->a[hp->size] = x;
	hp->size++;
	int child = hp->size - 1;
	int parent = (child - 1) / 2;
	//小堆
	while (child>0)
	{
		if (hp->a[parent] > hp->a[child])
		{
			swap(&hp->a[parent], &hp->a[child]);
		}
		child = parent;
		parent = (child - 1) / 2;
	}
	
}

堆的删除:(1)将首尾交换,删除原根节点

                  (2)将数据向下调整

// 堆的删除(删除堆顶)
void HeapPop(Heap* hp)
{
	assert(hp);
	assert(hp->size > 0);
	swap(&hp->a[hp->size - 1], &hp->a[0]);
	hp->size--;
	int parent = 0;
	int child = parent * 2 + 1;//左孩子
	while (child<hp->size)
	{
		
		if (child<hp->size-1&&hp->a[child] > hp->a[child + 1])
		{
			++child;
		}
		if (hp->a[parent] > hp->a[child])
		{
			swap(&hp->a[child], &hp->a[parent]);
            parent = child;
		    child = parent * 2 + 1;

		}
		else
        {
           break;
	     }

}

3.3.4   获取堆顶元素和获取堆的元素个数

// 取堆顶的数据
HPDataType HeapTop(Heap* hp)
{
	assert(hp);
	return hp->a[0];
}
// 堆的数据个数
int HeapSize(Heap* hp)
{
	assert(hp);
	return hp->size;
}

3.3.5 堆是否为空

// 堆的判空
bool HeapEmpty(Heap* hp)
{
	assert(hp);
	return hp->size == 0;
}

3.2 堆的应用

3.2.1 堆排序(时间复杂度O(NlogN))

堆排序分为俩步:
1.在数组上直接建堆
(1)向上调整建堆(时间复杂度为O(NlogN)
​​​​​​​for (int i = 1; i < n; i++)
    {
        AdjustUp(a, i);
    }

向上调整建堆的时间复杂度计算:

总的调整次数为T(h)

T(h)=                         2^(h-1)*(h-1)+2^(h-2)*(h-2)+......+2^2*2+2^1*1       ①         

2*T(h)=  2^(h)*(h-1)+2^(h-1)*(h-2)+......+2^3*2+2^2*1                              ②

 -①得:

T(h)=2^(h)*(h-1)-(2^(h-1)+......+2^3+2^2+2^1+2^0 )+1

T(h)=2^(h)*(h-1)-(2^h-1)+1

T(h)=2^(h)*(h-1)-2^h+2

T(h)=2^h*(h-2)+2                                                                                     ③

                                                           

满二叉树又有高度h与节点N的关系

N=2^h-1->h=log(N+1)  带入 ③

O(N)=(N+1)(log(N+1)-2)+2

O(N)=NlogN

(2)向下调整建堆(O(N))

for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, n, i);
	}

 

向下调整建堆的时间复杂度计算:

我们从不是叶子的第一个节点(上图中红框标注)开始向下调整,一直到根节点

总的调整次数为T(h)

T(h)=                    2^(h-2)*1+2^(h-3)*2+2^(h-4)*3+......+2^1*(h-2)+2^0*(h-1)       ①         

2*T(h)=2^(h-1)*1+2^(h-2)*2+2^(h-3)*3+......+2^2*(h-2)+2^1*(h-1)                        ②

 -①得:

T(h)=2^(h-1)*1+2^(h-2)+2^(h-3)+......+2^2+2^1-(h-1)

T(h)=(2^(h-1)*1+2^(h-2)+2^(h-3)+......+2^2+2^1+2^0)-h

T(h)=2^h-1-h                                                                                                        ③

满二叉树又有高度h与节点N的关系

N=2^h-1->h=log(N+1)  带入 ③

O(N)=N+1-1-log(N-1)

O(N)=N

若升序排列:建大堆
若降序排列:建小堆
注:向下建堆时间复杂度更低且下面排序用的也是向下调整,所以我们一般采用向下建堆,可以只写一个向下调整功能
2. 利用堆删除思想来进行排序(向下调整)(O(NlogN))
(1)将堆顶和堆尾进行互换
(2)将数据向下调整
int end = n - 1;
	while(end>0)
	{
		swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}

堆排序完整代码:

void swap(int *x, int *y)
{
	int tmp = *x;
	*x = *y;
	*y = tmp;
}
void AdjustUp(int* a, int child)
{
	
	while (child > 0)
	{
		int parent = (child - 1) / 2;
		if (a[parent] < a[child])
		{
			swap(&a[parent], &a[child]);
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;//左孩子
	while (child<size)
	{
		if (child < size - 1 && a[child] < a[child + 1])
		{
			++child;
		}
		if (a[parent] < a[child])
		{
			swap(&a[parent], &a[child]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
void HeapSort(int* a, int n)
{
	//for (int i = 1; i < n; i++)
	//{
	//	AdjustUp(a, i);
	//}
    for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, n, i);
	}
	int end = n - 1;
	while(end>0)
	{
		swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}
}

3.2.2 top-K问题

找一堆数据中最大的k个数据:

(1)建立k个元素的小堆

(2)若是其他数据比堆顶大,则替换,并且向下调整,使大数据都沉到堆底

void AdjustUp(int* a, int child)
{
	
	while (child > 0)
	{
		int parent = (child - 1) / 2;
		if (a[parent] > a[child])
		{
			swap(&a[parent], &a[child]);
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
void AdjustDown(int* a, int size, int parent)
{
	int child = parent * 2 + 1;//左孩子
	while (child<size)
	{
		if (child < size - 1 && a[child] >a[child + 1])
		{
			++child;
		}
		if (a[parent] > a[child])
		{
			swap(&a[parent], &a[child]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}
void CreateDate()
{
	int n = 1000;
	srand((unsigned int)time(NULL));
	
	FILE* f = fopen("date.txt", "w");
	if (f == NULL)
	{
		perror("fopen error:");
		return;
	}
	for (int i = 0; i < 1000; i++)
	{
		int x = rand()%1000;
		fprintf(f, "%d\n", x);
	}
	fclose(f);
}
void PrintTopK(char* file, int k)//从文件中找到前最大的k个数据
{
	FILE* fout = fopen(file, "r");
	if (fout == NULL)
	{
		perror("fopen fail:");
		return;
	}
	//建k个数据的小堆
	int* minheap = (int*)malloc(sizeof(int) * k);
	for (int i = 0; i < k; i++)
	{
		fscanf(fout, "%d", minheap);
		AdjustUp(minheap, i);
	}
	//继续遍历文件数据,大于堆顶,进堆
	int x = 0;
	while (fscanf(fout, "%d", &x)!=EOF)	
	{
		
		if (minheap[0] < x)
		{
			/*if (x > 950)
			{
				int sss = 0;
			}*/
			minheap[0]= x;
			AdjustDown(minheap, k, 0);
		}
			;
	}
	for (int i = 0; i < k; i++)
	{
		printf("%d ", minheap[i]);
	}
}

相关推荐

  1. 数据结构-

    2023-12-08 21:00:04       42 阅读
  2. 数据结构--排序

    2023-12-08 21:00:04       28 阅读

最近更新

  1. TCP协议是安全的吗?

    2023-12-08 21:00:04       18 阅读
  2. 阿里云服务器执行yum,一直下载docker-ce-stable失败

    2023-12-08 21:00:04       19 阅读
  3. 【Python教程】压缩PDF文件大小

    2023-12-08 21:00:04       18 阅读
  4. 通过文章id递归查询所有评论(xml)

    2023-12-08 21:00:04       20 阅读

热门阅读

  1. Nump数组的拼接详细教程

    2023-12-08 21:00:04       34 阅读
  2. mysql获取时间异常

    2023-12-08 21:00:04       40 阅读
  3. TypeScript中泛型对象、泛型类

    2023-12-08 21:00:04       40 阅读
  4. 【python】vscode中选择虚拟环境venv

    2023-12-08 21:00:04       38 阅读
  5. Linux DAC权限的简单应用

    2023-12-08 21:00:04       31 阅读
  6. 做题笔记:SQL Sever 方式做牛客SQL的题目--VQ34

    2023-12-08 21:00:04       32 阅读
  7. 面试经典150题(1-2)

    2023-12-08 21:00:04       35 阅读
  8. 如何在Go中编写Switch语句

    2023-12-08 21:00:04       36 阅读