数据结构之二叉堆
2016-06-16 21:12
495 查看
二叉堆的介绍
二叉堆是完全二元树或者是近似完全二元树,按照数据的排列方式可以分为两种:最大堆和最小堆。
最大堆:父结点的键值总是大于或等于任何一个子节点的键值;
最小堆:父结点的键值总是小于或等于任何一个子节点的键值。
示意图如下:
二叉堆一般都通过”数组”来实现。数组实现的二叉堆,父节点和子节点的位置存在一定的关系。有时候,我们将”二叉堆的第一个元素”放在数组索引0的位置,有时候放在1的位置。当然,它们的本质一样(都是二叉堆),只是实现上稍微有一丁点区别。
假设”第一个元素”在数组中的索引为 0 的话,则父节点和子节点的位置关系如下:
(01) 索引为i的左孩子的索引是 (2*i+1);
(02) 索引为i的左孩子的索引是 (2*i+2);
(03) 索引为i的父结点的索引是 floor((i-1)/2);
添加
假设在最大堆[90,80,70,60,40,30,20,10,50]种添加85,需要执行的步骤如下
如上图所示,当向最大堆中添加数据时:先将数据加入到最大堆的最后,然后尽可能把这个元素往上挪,直到挪不动为止!
将85添加到[90,80,70,60,40,30,20,10,50]中后,最大堆变成了[90,85,70,60,80,30,20,10,50,40]。
删除
假设从最大堆[90,85,70,60,80,30,20,10,50,40]中删除90,需要执行的步骤如下:
二叉堆的C++实现(完整源码)
效果如下
二叉堆是完全二元树或者是近似完全二元树,按照数据的排列方式可以分为两种:最大堆和最小堆。
最大堆:父结点的键值总是大于或等于任何一个子节点的键值;
最小堆:父结点的键值总是小于或等于任何一个子节点的键值。
示意图如下:
二叉堆一般都通过”数组”来实现。数组实现的二叉堆,父节点和子节点的位置存在一定的关系。有时候,我们将”二叉堆的第一个元素”放在数组索引0的位置,有时候放在1的位置。当然,它们的本质一样(都是二叉堆),只是实现上稍微有一丁点区别。
假设”第一个元素”在数组中的索引为 0 的话,则父节点和子节点的位置关系如下:
(01) 索引为i的左孩子的索引是 (2*i+1);
(02) 索引为i的左孩子的索引是 (2*i+2);
(03) 索引为i的父结点的索引是 floor((i-1)/2);
实现
以最大堆为例template <class T> class MaxHeap{ private: T *mHeap; // 数据 int mCapacity; // 总的容量 int mSize; // 实际容量 private: // 最大堆的向下调整算法 void filterdown(int start, int end); // 最大堆的向上调整算法(从start开始向上直到0,调整堆) void filterup(int start); public: MaxHeap(); MaxHeap(int capacity); ~MaxHeap(); // 返回data在二叉堆中的索引 int getIndex(T data); // 删除最大堆中的data int remove(T data); // 将data插入到二叉堆中 int insert(T data); // 打印二叉堆 void print(); };
添加
假设在最大堆[90,80,70,60,40,30,20,10,50]种添加85,需要执行的步骤如下
如上图所示,当向最大堆中添加数据时:先将数据加入到最大堆的最后,然后尽可能把这个元素往上挪,直到挪不动为止!
将85添加到[90,80,70,60,40,30,20,10,50]中后,最大堆变成了[90,85,70,60,80,30,20,10,50,40]。
/* * 最大堆的向上调整算法(从start开始向上直到0,调整堆) * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引) */ template <class T> void MaxHeap<T>::filterup(int start) { int c = start; // 当前节点(current)的位置 int p = (c-1)/2; // 父(parent)结点的位置 T tmp = mHeap[c]; // 当前节点(current)的大小 while(c > 0) { if(mHeap[p] >= tmp) break; else { mHeap[c] = mHeap[p]; c = p; p = (p-1)/2; } } mHeap[c] = tmp; } /* * 将data插入到二叉堆中 * * 返回值: * 0,表示成功 * -1,表示失败 */ template <class T> int MaxHeap<T>::insert(T data) { // 如果"堆"已满,则返回 if(mSize == mCapacity) return -1; mHeap[mSize] = data; // 将"数组"插在表尾 filterup(mSize); // 向上调整堆 mSize++; // 堆的实际容量+1 return 0; }
删除
假设从最大堆[90,85,70,60,80,30,20,10,50,40]中删除90,需要执行的步骤如下:
/* * 最大堆的向下调整算法 * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被下调节点的起始位置(一般为0,表示从第1个开始) * end -- 截至范围(一般为数组中最后一个元素的索引) */ template <class T> void MaxHeap<T>::filterdown(int start, int end) { int c = start; // 当前(current)节点的位置 int l = 2*c + 1; // 左(left)孩子的位置 T tmp = mHeap[c]; // 当前(current)节点的大小 while(l <= end) { // "l"是左孩子,"l+1"是右孩子 if(l < end && mHeap[l] < mHeap[l+1]) l++; // 左右两孩子中选择较大者,即mHeap[l+1] if(tmp >= mHeap[l]) break; //调整结束 else { mHeap[c] = mHeap[l]; c = l; l = 2*l + 1; } } mHeap[c] = tmp; } /* * 删除最大堆中的data * * 返回值: * 0,成功 * -1,失败 */ template <class T> int MaxHeap<T>::remove(T data) { int index; // 如果"堆"已空,则返回-1 if(mSize == 0) return -1; // 获取data在数组中的索引 index = getIndex(data); if (index==-1) return -1; mHeap[index] = mHeap[--mSize]; // 用最后元素填补 filterdown(index, mSize-1); // 从index位置开始自上向下调整为最大堆 return 0; }
二叉堆的C++实现(完整源码)
/**
* 二叉堆(最大堆)
*
* @author skywang
* @date 2014/03/07
*/
#include <iomanip>
#include <iostream>
using namespace std;
template <class T> class MaxHeap{ private: T *mHeap; // 数据 int mCapacity; // 总的容量 int mSize; // 实际容量 private: // 最大堆的向下调整算法 void filterdown(int start, int end); // 最大堆的向上调整算法(从start开始向上直到0,调整堆) void filterup(int start); public: MaxHeap(); MaxHeap(int capacity); ~MaxHeap(); // 返回data在二叉堆中的索引 int getIndex(T data); // 删除最大堆中的data int remove(T data); // 将data插入到二叉堆中 int insert(T data); // 打印二叉堆 void print(); };
/*
* 构造函数
*/
template <class T>
MaxHeap<T>::MaxHeap()
{
new (this)MaxHeap(30);
}
template <class T>
MaxHeap<T>::MaxHeap(int capacity)
{
mSize = 0;
mCapacity = capacity;
mHeap = new T[mCapacity];
}
/*
* 析构函数
*/
template <class T>
MaxHeap<T>::~MaxHeap()
{
mSize = 0;
mCapacity = 0;
delete[] mHeap;
}
/*
* 返回data在二叉堆中的索引
*
* 返回值:
* 存在 -- 返回data在数组中的索引
* 不存在 -- -1
*/
template <class T>
int MaxHeap<T>::getIndex(T data)
{
for(int i=0; i<mSize; i++)
if (data==mHeap[i])
return i;
return -1;
}
/* * 最大堆的向下调整算法 * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被下调节点的起始位置(一般为0,表示从第1个开始) * end -- 截至范围(一般为数组中最后一个元素的索引) */ template <class T> void MaxHeap<T>::filterdown(int start, int end) { int c = start; // 当前(current)节点的位置 int l = 2*c + 1; // 左(left)孩子的位置 T tmp = mHeap[c]; // 当前(current)节点的大小 while(l <= end) { // "l"是左孩子,"l+1"是右孩子 if(l < end && mHeap[l] < mHeap[l+1]) l++; // 左右两孩子中选择较大者,即mHeap[l+1] if(tmp >= mHeap[l]) break; //调整结束 else { mHeap[c] = mHeap[l]; c = l; l = 2*l + 1; } } mHeap[c] = tmp; } /* * 删除最大堆中的data * * 返回值: * 0,成功 * -1,失败 */ template <class T> int MaxHeap<T>::remove(T data) { int index; // 如果"堆"已空,则返回-1 if(mSize == 0) return -1; // 获取data在数组中的索引 index = getIndex(data); if (index==-1) return -1; mHeap[index] = mHeap[--mSize]; // 用最后元素填补 filterdown(index, mSize-1); // 从index位置开始自上向下调整为最大堆 return 0; }
/* * 最大堆的向上调整算法(从start开始向上直到0,调整堆) * * 注:数组实现的堆中,第N个节点的左孩子的索引值是(2N+1),右孩子的索引是(2N+2)。 * * 参数说明: * start -- 被上调节点的起始位置(一般为数组中最后一个元素的索引) */ template <class T> void MaxHeap<T>::filterup(int start) { int c = start; // 当前节点(current)的位置 int p = (c-1)/2; // 父(parent)结点的位置 T tmp = mHeap[c]; // 当前节点(current)的大小 while(c > 0) { if(mHeap[p] >= tmp) break; else { mHeap[c] = mHeap[p]; c = p; p = (p-1)/2; } } mHeap[c] = tmp; } /* * 将data插入到二叉堆中 * * 返回值: * 0,表示成功 * -1,表示失败 */ template <class T> int MaxHeap<T>::insert(T data) { // 如果"堆"已满,则返回 if(mSize == mCapacity) return -1; mHeap[mSize] = data; // 将"数组"插在表尾 filterup(mSize); // 向上调整堆 mSize++; // 堆的实际容量+1 return 0; }
/*
* 打印二叉堆
*
* 返回值:
* 0,表示成功
* -1,表示失败
*/
template <class T>
void MaxHeap<T>::print()
{
for (int i=0; i<mSize; i++)
cout << mHeap[i] << " ";
}
int main()
{
int a[] = {10, 40, 30, 60, 90, 70, 20, 50, 80};
int i, len=(sizeof(a)) / (sizeof(a[0])) ;
MaxHeap<int>* tree=new MaxHeap<int>();
cout << "== 依次添加: ";
for(i=0; i<len; i++)
{
cout << a[i] <<" ";
tree->insert(a[i]);
}
cout << "\n== 最 大 堆: ";
tree->print();
i=85;
tree->insert(i);
cout << "\n== 添加元素: " << i;
cout << "\n== 最 大 堆: ";
tree->print();
i=90;
tree->remove(i);
cout << "\n== 删除元素: " << i;
cout << "\n== 最 大 堆: ";
tree->print();
cout << endl;
system("pause");
return 0;
}
效果如下
相关文章推荐
- B+Tree/Hash_Map/STL Map三种数据结构性能
- 数据结构(Splay平衡树):HAOI2008 排名系统
- 【排序】冒泡排序
- [数据结构]Graph之入度与出度计算
- 数据结构
- C/C++ 网络编程: 各类协议数据结构
- 快排
- 【数据结构】红黑树(如何实现及怎样判断)
- 自己组建Model结构
- 数据结构——线性表
- 数据结构与算法 - 3.4 队列ADT
- Redis数据结构详解,五种数据结构分分钟掌握
- Redis数据结构详解,五种数据结构分分钟掌握
- 程序员面试50题(2)—二元查找树的后序遍历结果[数据结构]
- 数据结构之快排
- 大话数据结构——查找
- 数据结构问题汇总
- pandas数据结构基础
- 【数据结构】红黑树的插入(Insert)
- 数据结构--‘搜索二叉树’