算法导论第六章6.5
来源:互联网 发布:利用淘宝店做淘宝客 编辑:程序博客网 时间:2024/05/16 10:42
6.5-1 1覆盖堆顶15,堆的大小减一,1和13交换,1和12交换,1和6交换,返回15
6.5-2 堆的大小加1 A[heap-size]= 10 10和8交换 10和9交换
6.5-3 这个借用一篇博客上写的东西,看了一下,伪代码写的很正确
HEAP-MINIMUM(A) 1 return A[1] HEAP-EXTRACR-MIN(A) 1 if heap-size[A] < 1 2 then error "heap underflow" 3 min =A[1] 4 A[1] = A[heap-size[A]] 5 heap-size[A] = heap-size[A] - 1 6 MIN-HEAPIFY(A, 1) 7 return min HEAP-DECREASE-KEY(A, i, key) 1 if key > A[i] 2 then error "new key is smaller than current key" 3 A[i] = key 4 while i > 1 and A[PARENT(i)] > A[i] 5 do exchange A[i] <-> A[PARENT(i)] 6 i = PARENT(i) MIN-HEAP-INSERT 1 heap-size[A] <- heap-size[A] + 1 2 A[heap-size[A]] <- 0x7fffffff 3 HEAP-INCREASE-KEY(A, heap-size[A], key)6.5-4 从代码可以看出,你并不知道key的值是多少,所以这里的负无穷可以保证key>A[heap-size]
6.5-5
初始:在循环开始前,除了刚增加的A[i]=key不满足最大堆性质,其他元素都满足最大堆性质。保持:在循环过程中,通过不断交换key值与其parent值,并且不断更新parent值来使增加元素值得堆满足最大堆性质。终止:当i=1或A[PARENT(i)]>=A[i]时,代表所有元素已经排好,并且满足最大堆,那么循环自然终止。
6.5-6 可以把A【i】看成一个座位,数据轮流去坐,条件不满足时候需要复原数据。这里借用某人写的代码
<span style="font-size:14px;">void HEAP_INCREASE_KEY(int A[],int i,int key){ if (key<A[i]) { return ; } A[i]=key; while (i>0&&A[PARENT(i)]<=key) { //swap(A[i],A[PARENT(i)]); A[i]=A[PARENT(i)];//利用插入排序内部循环思想 i=PARENT(i); } A[i]=key;//这里不要忘记了}</span><pre id="best-content-1529916527" accuse="aContent" class="best-text mb-10" style="margin-top: 0px; margin-bottom: 10px; padding: 0px; font-family: arial, 'courier new', courier, 宋体, monospace, 'Microsoft YaHei'; white-space: pre-wrap; word-wrap: break-word; font-size: 14px; color: rgb(51, 51, 51); line-height: 24px; background-color: rgb(243, 255, 236);">6.5-7 别人提供的思路如下:
对优先队列的每一个元素赋给一个优先值 对于栈而言 先进的元素优先值小 后进的元素优先值大
6.5-8 思路:队列则是先进的元素优先值大 后进的元素优先值小
题目:HEAP-DELETE(A,i)操作将节点i中的项从堆中删去。对含n个元素的最大堆,请给出时间为O(lgn)的HEAP-DELETE的实现。
编程思路:
我们可以用堆中最后一个元素a[heapSize]放到节点i 位置,然后将heapSize减一。然后就涉及到堆调整以保持堆的性质。
调整的依据就是这最后一个元素a[heapSize]跟原来i节点的元素a[i]的相对大小,分三种情况:
(1)当a[heapSize]==a[i]时,最大堆不用调整。时间复杂度为O(1)
(2)当a[heapSize]<a[i]时,以i节点为根的子分支堆性质遭到破坏,其他地方不变,所以这里直接调用保持堆性质的函数MaxHeapIfy()进行堆调整即可。时间复杂度为O(lgn)
(3)当a[heapSize]>a[i]时,这种情况类似于“将优先队列的某个元素关键字值增大到k”的操作,所以直接调用HeapIncreaseKey()函数即可。时间复杂度为O(lgn)
void Heap::Heap_Delete(int i) { if(i > heap_size) { cout<<"there's no node i"<<endl; exit(0); } int key = A[heap_size]; heap_size--; if(key > A[i]) //最后一个结点不一定比中间的结点小 Heap_Increase_Key(A,i, key); else if(key<A[i]) { A[i] = key; Max_Heapify(i); }
//相等时不做任何处理 }6.5-9
0 0
- 算法导论第六章6.5
- 《算法导论》第六章 heapsort
- 算法导论第六章6.4
- 算法导论: 第六章 堆排序算法
- 算法导论第六章6.5优先队列课后答案。
- 算法导论读书笔记 第六章 堆排序
- 算法导论第六章:堆排序
- 算法导论第六章 堆排序总结
- 算法导论 第六章优先队列总结
- 算法导论--第六章学习笔记
- 算法导论第六章 堆排序
- 算法导论 第六章 堆排序
- 【算法导论】第六章之堆排序
- 算法导论第六章 堆排序
- 算法导论第六章 优先级队列
- 堆排序(算法导论第六章)
- [算法导论]第六章《堆排序》
- 算法导论第六章堆排序思考题
- L2-005. 集合相似度
- spark 1.6.0 core源码分析2 master启动流程
- IOS图像拉伸解决方案
- GreenDAO—Android ORM框架(一)
- Android编译错误:You have tried to change the API from what has been previously approved.
- 算法导论第六章6.5
- MySQL 一键生成wiki、protobuf等
- 无限轮播图 三种实现方式
- 使用ivy管理jar包
- 如何在mac上安装gradle
- C语言的控制语句
- Java提高篇(三二)-----List总结
- 7_4_D题 India and China Origins题解 [hdu 5652](并查集)
- android小知识点ArrayList转String[]