数据结构图文解析之:二叉堆详解及C++模板实现

0. 数据结构图文解析系列

数据结构系列文章

数据结构图文解析之:数组、单链表、双链表介绍及C++模板实现

数据结构图文解析之:栈的简介及C++模板实现

数据结构图文解析之:队列详解与C++模板实现

数据结构图文解析之:树的简介及二叉排序树C++模板实现.

数据结构图文解析之:AVL树详解及C++模板实现

数据结构图文解析之:二叉堆详解及C++模板实现

1. 二叉堆的定义

二叉堆是一种特殊的堆,二叉堆是完全二叉树或近似完全二叉树。二叉堆满足堆特性:父节点的键值总是保持固定的序关系于任何一个子节点的键值,且每个节点的左子树和右子树都是一个二叉堆。 当父节点的键值总是大于或等于任何一个子节点的键值时为最大堆。 当父节点的键值总是小于或等于任何一个子节点的键值时为最小堆。

2. 二叉堆的存储

二叉堆一般使用数组来表示。请回忆一下二叉树的性质,其中有一条性质:

性质五:如果对一棵有n个节点的完全二叉树的节点按层序编号(从第一层开始到最下一层,每一层从左到右编号,从1开始编号),对任一节点i有:

  1. 如果i=1 ,则节点为根节点,没有双亲。
  2. 如果2 * i > n ,则节点i没有左孩子 ;否则其左孩子节点为2*i . (n为节点总数)
  3. 如果2 * i+1>n ,则节点i没有右孩子;否则其右孩子节点为2*1+1.

简单来说:

  1. 如果根节点在数组中的位置是1,第n个位置的子节点分别在2n 与 2n+1,第n个位置的双亲节点分别在⌊i /2⌋。因此,第1个位置的子节点在2和3.
  2. 如果根节点在数组中的位置是0,第n个位置的子节点分别在2n+1与2n+2,第n个位置的双亲节点分别在⌊(i-1) /2⌋。因此,第0个位置的子节点在1和2.

得益于数组的随机存储能力,我们能够很快确定堆中节点的父节点与子节点。

下面以大顶堆展示一下堆的数组存储。

在本文中,我们以大顶堆为例进行堆的讲解。本文大顶堆的根节点位置为0.

3. 二叉堆的具体实现

在二叉堆上可以进行插入节点、删除节点、取出堆顶元素等操作。

3.1 二叉堆的抽象数据类型

/*大顶堆类定义*/
template <typename T>
class MaxHeap
{
public:
    bool insert(T val);     //往二叉堆中插入元素
    bool remove(T data);    //移除元素
    void print();           //打印堆
    T getTop();             //获取堆顶元素
    bool createMaxHeap(T a[], int size);//根据指定的数组来创建一个最大堆

    MaxHeap(int cap = 10);
    ~MaxHeap();

private:
    int capacity;   //容量,也即是数组的大小
    int size;       //堆大小,也即是数组中有效元素的个数
    T * heap;       //底层的数组
private:
    void filterUp(int index); //从index所在节点,往根节点调整堆
    void filterDown(int begin ,int end ); //从begin所在节点开始,向end方向调整堆
};
  1. 注意capacity与size的区别。capacity指的是数组的固有大小。size值数组中有效元素的个数,有效元素为组成堆的元素。
  2. heap为数组。

3.2 二叉堆的插入

在数组的最末尾插入新节点,然后自下而上地调整子节点与父节点的位置:比较当前结点与父节点的大小,若不满足大顶堆的性质,则交换两节点,从而使当前子树满足二叉堆的性质。时间复杂度为O(logn)。 当我们在上图的堆中插入元素12:

调整过程:

  1. 节点12添加在数组尾部,位置为11;
  2. 节点12的双亲位置为⌊11/2⌋ = 5,即节点6;节点12比节点6大,与节点6交换位置。交换后节点12的位置为5.
  3. 节点12的双亲位置为⌊ 5 /2⌋ = 2,即节点9;节点12比节点9大,与节点9交换位置。交换后节点12的位置为2.
  4. 节点12的双亲位置为⌊2/2⌋ = 1,即节点11;节点12比节点11大,与节点11交换位置。交换后节点12的位置为1.
  5. 12已经到达根节点,调整过程结束。

这个从下到上的调整过程为:

/*从下到上调整堆*/
/*插入元素时候使用*/
template <typename T>
void MaxHeap<T>::filterUp(int index)
{
    T value = heap[index];  //插入节点的值,图中的12

    while (index > 0) //如果还未到达根节点,继续调整
    {
        int indexParent = (index -1)/ 2;  //求其双亲节点
        if (value< heap[indexParent])
            break;
        else 
        {
            heap[index] = heap[indexParent];
            index = indexParent;
        }
    }
    heap[index] = value;    //12插入最后的位置
};

在真正编程的时候,为了效率我们不必进行节点的交换,直接用父节点的值覆盖子节点。最后把新节点插入它最后的位置即可。

基于这个调整函数,我们的插入函数为:

/*插入元素*/
template <typename T>
bool MaxHeap<T>::insert(T val)
{
    if (size == capacity) //如果数组已满,则返回false
        return false;
    heap[size] = val;
    filterUp(size);
    size++;
    return true;
};

3.3 二叉堆的删除

堆的删除是这样一个过程:用数组最末尾节点覆盖被删节点,再从该节点从上到下调整二叉堆。我们删除根节点12:

可能有人疑惑,删除后数组最末尾不是多了一个6吗? 的确,但我们把数组中有效元素的个数减少了一,最末尾的6并不是堆的组成元素。

这个从上到下的调整过程为:

/*从上到下调整堆*/
/*删除元素时候使用*/
template<typename T>
void MaxHeap<T>::filterDown(int current,int end)
{

    int child = current * 2 + 1; //当前结点的左孩子

    T value = heap[current];    //保存当前结点的值

    while (child <= end)
    {
        if (child < end && heap[child] < heap[child+1])//选出两个孩子中较大的孩子
            child++;
        if (value>heap[child])  //无须调整;调整结束
            break;
        else
        {
            heap[current] = heap[child];    //孩子节点覆盖当前结点
            current = child;                //向下移动
            child = child * 2 + 1;          
        }
    }
    heap[current] = value;
};

基于调整函数的删除函数:

/*删除元素*/
template<typename T>
bool MaxHeap<T>::remove(T data)
{
    if (size == 0) //如果堆是空的
        return false;
    int index;
    for (index = 0; index < size; index++)  //获取值在数组中的索引
    {
        if (heap[index] == data)
            break;
    }
    if (index == size)            //数组中没有该值
        return false; 
 
    heap[index] = heap[size - 1]; //使用最后一个节点来代替当前结点,然后再向下调整当前结点。
 
    filterDown(index,size--);  
 
    return true;
};

3.4 其余操作

其余操作很简单,不在这里啰嗦。

/*打印大顶堆*/
template <typename T>
void MaxHeap<T>::print()
{
    for (int i = 0; i < size; i++)
        cout << heap[i] << " ";
};
/*获取堆顶元素*/
template <typename T>
T MaxHeap<T>::getTop()
{
    if (size != 0)
        return heap[0];
};

/*根据指定的数组来创建一个最大堆*/
template<typename T>
bool MaxHeap<T>::createMapHeap(T a[], int size)
{
    if (size > capacity)    //  堆的容量不足以创建
        return false;
    for (int i = 0; i < size; i++)
    {
        insert(a[i]);
    }
    return true;
};

4. 二叉堆代码测试

测试代码:

int _tmain(int argc, _TCHAR* argv[])
{
    MaxHeap<int> heap(11);
    //逐个元素构建大顶堆
    for (int i = 0; i < 10; i++)
    {
        heap.insert(i);
    }
    heap.print();
    cout << endl;
    heap.remove(8);
    heap.print();
    cout << endl;

    //根据指定的数组创建大顶堆
    MaxHeap<int> heap2(11);
    int a[10] = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
    heap2.createMaxHeap(a, 10);
    heap2.print();
    getchar();
    return 0;
}

运行结果:

9 8 5 6 7 1 4 0 3 2
9 7 5 6 2 1 4 0 3
10 9 6 7 8 2 5 1 4 3

5. 大顶堆、小顶堆完整代码下载

二叉堆完整代码:https://github.com/huanzheWu/Data-Structure/blob/master/MaxHeap/MaxHeap/MaxHeap.h 小顶堆完整代码:https://github.com/huanzheWu/Data-Structure/blob/master/MinHeap/MinHeap/MinHeap.h 原创文章,转载请注明出处:http://www.cnblogs.com/QG-whz/p/5173112.html

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏jessetalks

Javascript基础回顾 之(三) 面向对象

Javascript中的对象 什么是对象   我们可以把Javascript中对象理解为一组无序的键值对,就好像C#中的Dictionary<string,O...

32711
来自专栏简书专栏

Python正则表达式re库的使用

re.search函数需要传入2个参数,第1个参数是正则表达式,第2个参数是要进行搜索的源字符串。 re.search函数返回结果的数据类型是sre.SRE_...

712
来自专栏新智元

2018 年最常见的 Python 面试题 & 答案

https://data-flair.training/blogs/python-tutorial/

804
来自专栏进击的君君的前端之路

正则表达式

1485
来自专栏伪君子的梦呓

leetcode 题解~两数之和 ~ C++做法

1285
来自专栏C/C++基础

判断二叉树是否为平衡二叉树

解题思路: 根据二叉树的定义,我们可以递归遍历二叉树的每一个节点来,求出每个节点的左右子树的高度,如果每个节点的左右子树的高度相差不超过1,按照定义,它就是...

592
来自专栏IT派

JavaScript 打怪升级 —— 把业务逻辑当练习题做

开发项目和出没社区有一段时间了,会遇上一些比较有印象业务需求。这些业务需求,可能是自己开发项目遇上的,可能是在社区看到的业务需求,或者其他情况接触到的需求,但是...

653
来自专栏LeeCen

KVC中setValuesForKeysWithDictionary 崩溃问题

311
来自专栏每日一篇技术文章

Swift3.0 - 数据类型

// 插入操作 shoppingList.insert("Maple Syrup", at: 0)

601
来自专栏程序员宝库

走近 Python (类比 JS)

Python 是一门运用很广泛的语言,自动化脚本、爬虫,甚至在深度学习领域也都有 Python 的身影。作为一名前端开发者,也了解 ES6 中的很多特性借鉴自 ...

34011

扫码关注云+社区