堆的实现以及优先级队列
来源:互联网 发布:网络招聘网站 编辑:程序博客网 时间:2024/05/16 13:41
堆的概念
堆是将一组数据按照完全二叉树的存储顺序,将数据存储在一个一维数组中的结构。
堆有两种结构,一种称为大顶堆,一种称为小顶堆,如下图。
小顶堆:任意结点的值均小于等于它的左右孩子,并且最小的值位于堆顶,即根节点处。
大顶堆:任意结点的值均大于等于它的左右孩子,并且最大的值位于堆顶,即根节点处。
既然是将一组数据按照树的结构存储在一维数组中,那么父子之间关系的建立就很重要了。
假设一个节点的下标为i。
1、当i = 0时,为根节点。
2、当i>=1时,父节点为(i - 1)/2
堆的实现
以下面这个例子来建堆,
int arr[10] = {12,23,54,2,65,45,92,47,204,31}arr.size() = 10;
先看一下一次调整:
1、int i = (size - 2)/2 = 4找到数组中的4号下标。
65大于其孩子,满足大堆性质,所以不用交换。
2、i= i-1;然后用2和其孩子比较,2和204交换。交换之后满足大堆
3、54和其孩子比较,54和92交换。交换之后满足大堆性质
4、23和其孩子比较,23和204交换
交换完之后,它的子树却不满足了,所以还需调整它的子树。
5、12和204交换。
因为每一次调整都可能会影响到你的子树不满足,所以当你修改了一个节点后,一定要再去判断它的子树还是否满足,即需要向下调整。
插入
在堆中插入一个元素,因为本身堆是建好的,所以满足性质,插入一个在树的最后,只需要顺着这条支路做一次调整就好了,不过这次不需要向下调整了,因为父节点肯定是大于子节点的。
如图,如果插入的节点大于它的父节点,发生交换是肯定不会影响其子树的,因为父节点本身就大于它的子节点,更何况交换后的节点是大于父节点的。所以,这里只需要一次简单的向上调整就可以完成。
删除
因为堆本身就是一种特殊的结构,所以一般对堆中的数据进行操作都是针对堆顶的元素,即针对最大值或最小值,比如哈夫曼树就用堆的结构来实现,因为每次要找出最小的两个数。
所以我们删除的时候,一般也是删除堆顶那个最小或最大的值,但是如果直接删掉堆顶,整个堆的结构被破坏了,必须重现建堆,这样无疑效率非常低,所以采用将堆中最后一个元素和堆顶元素进行替换,然后删除堆中最后一个元素。
这样进行替换删除后,以堆顶为根的树不满足堆的性质,只需要进行一次简单的向下调整即可。
下面是实现堆的代码,因为考虑到大小堆问题,所以使用了仿函数,这样只需多给定一个参数即可控制是大堆还是小堆。
下面给出完整代码:
#pragma once#include<iostream>#include<vector>#include<assert.h>using namespace std;template <class T>class Less{public: bool operator()(const T& l, const T& r) { return l < r; }};template <class T>class Greader{public: bool operator()(const T& l, const T& r) { return l > r; }};template <class T,class Compare = Greader<T>>class Heap{public: Heap() {} Heap(const T a[], size_t n) { _heap.resize(n); for (size_t i = 0; i < n; ++i) { _heap[i] = a[i]; } for (int root = (_heap.size()-2) >> 1; root >= 0; --root) { AdJustDown(root); } } void Push(const T& value) { _heap.push_back(value); if(_heap.size() > 1) AdJustUp(); } void Pop() { assert(_heap.size() > 0); swap(_heap[0], _heap[_heap.size() - 1]); _heap.pop_back(); if (_heap.size() > 0)//防止堆中只有一个节点,删除后为0 AdJustDown(0); } const T& Top()//定义为const,防止堆顶被改破坏结构 { return _heap[0]; } size_t Size() { return _heap.size(); } bool Empty() { return _heap.empty(); }private: void AdJustDown(int root) { int parent = root; int child = root * 2 + 1; while (child < _heap.size()) { if ((child + 1) < _heap.size() && Compare()( _heap[child + 1] , _heap[child])) ++child; if (Compare()(_heap[child],_heap[parent])) { swap(_heap[parent] , _heap[child]); parent = child; child = child * 2 + 1; } else { break; } } } void AdJustUp() { int child = _heap.size() - 1; int parent = (child - 1) >> 1; while (parent >= 0)//chile > 0 { if (Compare()(_heap[child] , _heap[parent])) { swap(_heap[child], _heap[parent]); child = parent; parent = (child - 1) >> 1; } else { break; } } }private: vector<T> _heap;};
优先级队列
在C++的标准库中,提供了优先级队列这个容器,其实底层就是一个堆的结构,只不过将堆封装了一层而已。其实名字叫个优先级队列,但总觉得和队列是不沾边的。
priority_queue 是容器适配器,它提供常数时间的(默认)最大元素查找,对数代价的插入与释出。
用 priority_queue 工作类似管理某些随机访问容器中的堆,好处是不可能突然把堆非法化。
下面给出代码:
#pragma once#include"Heap.h"template<class T,class Compare=Greader<T>>class Priority_Queue{public: Priority_Queue() {} ~Priority_Queue() {} const T& Top()const { return hp.Top(); } bool Empty() { return hp.Empty(); } size_t Size() { return hp.Size(); } void Pop() { hp.Pop();//堆中已经对元素的个数进行了判断 } void Push(const T& data) { hp.Push(data); } void Print_Queue() { while (!hp.Empty()) { cout << hp.Top() << " "; hp.Pop(); } cout << endl; }private: Heap<T,Compare> hp;};
- 堆的实现以及优先级队列
- 堆实现的优先级队列
- 堆实现的最小优先级队列
- 堆-实现优先级队列算法
- 优先级队列之堆实现
- 用堆实现优先级队列
- 堆与优先级队列实现
- 【数据结构】用模版实现大小堆、实现优先级队列,以及堆排序
- 大小堆的实现与实现优先级队列
- 堆,AVL树,红黑树以及优先级队列
- 堆排序以及最大优先级队列
- 基于堆的优先级队列
- 堆(优先级队列) 的应用
- 堆排序的应用之优先级队列的实现
- 堆的基本实现及优先级队列问题
- 用堆实现优先级队列 Java实现
- 【数据结构】堆,堆实现优先级队列,堆排序
- 算法-----堆结构实现优先级队列
- Android studio 生成二维码与扫描二维码
- java——引用类型参数传递
- 使用Intellij创建第一个Springboot程序
- 循环冗余校验编码(CRC校验码)介绍以及编程源代码
- vagrant up 启动时报错 Could not find Host Interface Networking driver! Please reinstall
- 堆的实现以及优先级队列
- docker国内镜像设置
- arch linux python3.6.2 import matplotlib.pyplot as plt 报错
- C++使用ICE实现两台主机通信实例
- HTTP接口
- 跨浏览器的事件处理程序
- 【总结】gvim+ctags+cscope+taglist阅读Linux源码
- Combinations:给定数据范围与位数,求出
- JS-正则详解