我们期望的数据结构能支持插入操作,并能方便地从中取出具有最小或最大关键码的记录,这样的数据结构即为优先级队列。在优先级队列的各种实现中,堆是最高效的一种数据结构。 创建堆:采用从下向上逐步调整形成堆得方法来创建堆。为下面的分支结点调用下调算法siftDown,将以它们为根的子树调整为最小堆。从局部到整体,将最小堆逐步扩大,直到将整个树调整为最小堆。 插入一个元素:最小堆的插入算法调用了另一种堆得调整方法siftUp,实现自下而上的上滑调整。因为每次新结点总是插在已经建成的最小堆后面,这时必须遵守与sift相反的比较路径,从下向上,与父结点的关键码进行比较,对调。 删除一个元素:从最小堆删除具有最小关键码记录的操作时将最小堆的堆顶元素,即其完全二叉树的顺序表示的第0号元素删去,去把这个元素取走后,一般以堆得最后一个结点填补取走的堆顶元素,并将堆的实际元素个数减1.但是用最后一个元素取代堆顶元素将破坏堆,需要调用siftDown算法进行调整堆。 本文代码均以最小堆的实现为例。 #include<iostream>
#include<assert.h> usingnamespace std; constint maxheapsize=100; staticint currentsize=0; //从上到下调整堆 void siftDown(int* heap,int currentPos,int m) { int i=currentPos; int j=currentPos*2+1;//i's leftChild int temp=heap[i]; while(j<=m) { if(j<m&&heap[j]>heap[j+1]) j++;// j points to minChild if(temp<=heap[j]) break; else { heap[i]=heap[j]; i=j; j=2*i+1; } } heap[i]=temp; } //从下向上调整堆 void siftUp(int* heap, int start) { int i=start,j=(i-1)/2; int temp=heap[i]; while(i>0) { if(heap[j]>temp) { heap[i]=heap[j]; i=j; j=(i-1)/2; } elsebreak; } heap[i]=temp; } //构建堆 int* Heap(int*arr, int size) { int i; currentsize=size; int* heap =newint[maxheapsize]; assert(heap!=NULL); for(i=0;i<currentsize;i++) heap[i]=arr[i]; int currentPos=(currentsize-2)/2; while(currentPos>=0) { siftDown(heap,currentPos,currentsize-1); currentPos--; } return heap; } //增加一个元素 void insert(int* heap,int value) { if(currentsize>=maxheapsize) { cout<<"Heap is full!"<<endl; return ; } heap[currentsize]=value; siftUp(heap,currentsize); currentsize++; } //删除一个元素,并返回删除前的堆顶元素 int removemin(int* heap) { assert(currentsize>=0); int removeValue=heap[0]; heap[0]=heap[currentsize-1]; currentsize--; siftDown(heap,0,currentsize-1); return removeValue; } int main() { constint size=10; int arr[size]={2,1,3,0,8,1,6,9,7,10}; int* heap=Heap(arr,size); //堆排序 for(int i=0;i<size;i++) { arr[i]=removemin(heap); cout<<arr[i]<<endl; } delete []heap; return0; } 面试百度时,遇到的一个面试题: 如何建堆,以及建堆的复杂度是多少?证明之。
复杂度为O(n),不要凭空想象,因为凭空想象第一感觉是n*logn的,但是显然是不准确的。
具体证明参考算法导论,第六章 77页。
|
|