Practival Problems:

a. Construct a Huffman code

b. Compute the sum of a large set of floating point numbers

c. Find the million largest of a billion numbers stored on a file

d. Merge many small sorted files into one large sorted file ( this problem arises in implementing a disk-based merge sort algorithm)

摘自: 《编程珠玑》 The Programming Pearls

在上述问题的解决当中,都涉及到如果快速地找出 n 个数中的最小值 这一问题:

堆就是一种能够快速找出最小(大)值的数据结构

定义:以最小堆为例

1. 一棵完全二叉树

2. 每个节点的值都小于或等于其子节点(如果存在的话)

插入操作:

由于堆是一棵完全二叉树,所以可以采用数组来实现。

如下图,当插入1的时候,必须保证 每一个节点的值小于它的孩子的值 这一性质,

我们首先在堆的尾部插入节点 1, 然后通过 PercolateUp 这个操作,不断让节点上滤,

具体就是与节点的父亲节点比较, 如果小于父亲,则与父亲交换,继续上滤。。。

直到节点的值大于或者等于父亲的值。

复杂度是: O(height) = O(lgN)

ExtractMin()操作:删除最小值

如下图,删除最小值1

首先将堆尾部的节点4 与 节点1交换,然后堆的长度减少1;

再调用 PercolateDown(下滤), 与上滤操作类似,使得节点4不断与它的孩子交换(孩子节点值<本身)

,知道 节点的值 <= 孩子节点的值 这一性质满足。

同样,复杂度是 O(height) = O(lgN).

// copyright @ L.J.SHOU Nov.14, 2013
#include "binary-heap.h"
#include <iostream>
using namespace std; struct Heap
{
int capacity;
int size;
ElementType *element;
}; Heap* Initialize(int max_elements)
{//start from index 1
Heap* q = new struct Heap;
q->element = new ElementType[max_elements + 1];
q->capacity = max_elements;
q->size = 0;
q->element[0] = -0x7FFFFFF;
return q;
} void Destroy(Heap* q)
{
delete [] q->element;
delete q;
} void MakeEmpty(Heap* q)
{
q->size = 0;
} void PercolateUp(Heap* q, int index)
{
int i;
ElementType x;
x = q->element[index];
for(i=index; x < q->element[i/2]; i/=2)
q->element[i] = q->element[i/2];
q->element[i] = x;
} void PercolateDown(Heap* q, int index)
{
int i, child;
ElementType x;
x = q->element[index];
for(i=index; 2*i<=q->size; i=child)
{//find smaller child
child = 2*i;//left child
if(child != q->size && q->element[child+1] < q->element[child])
++ child;
if(x > q->element[child])
q->element[i] = q->element[child];
else
break;
}
q->element[i] = x;
} void Insert(ElementType x, Heap* q)
{//percolate up, if < parent
if(IsFull(q)){
cerr << "Heap* is full" << endl;
return;
}
int i;
for(i = ++q->size; x < q->element[i/2]; i/=2)
q->element[i] = q->element[i/2];
q->element[i] = x;
} ElementType DeleteMin(Heap* q)
{//percolate down, find the smaller one of childen
if(IsEmpty(q)){
cerr << "Heap* is empty" << endl;
return q->element[0];
}
ElementType last, min;
int i, child;
last = q->element[q->size --];
min = q->element[1];
for(i=1; 2*i <= q->size; i = child)
{//find the smaller child
child = 2*i;//left child
if(child != q->size && q->element[child+1] < q->element[child])
++ child;
if(last > q->element[child])
q->element[i] = q->element[child];
else
break;
}
q->element[i] = last;
return min;
} ElementType FindMin(Heap* q)
{
if(IsEmpty(q)){
cerr << "Heap* is empty" << endl;
return q->element[0];
}
else
return q->element[1];
} bool IsEmpty(Heap* q)
{
return (q->size == 0);
} bool IsFull(Heap* q)
{
return (q->size == q->capacity);
} void DecreaseKey(Heap* q, int delta, int index)
{//Percolate up
if(index < 1 || index > q->size){
cerr << "index is out of range" << endl;
return;
}
if(delta < 0){
cerr << "delta must be positive" << endl;
return;
}
q->element[index] -= delta;
PercolateUp(q, index);
} void IncreaseKey(Heap* q, int delta, int index)
{//Percolate down
if(index < 1 || index > q->size){
cerr << "index is out of range" << endl;
return;
}
if(delta < 0)
{
cerr << "delta must be positive" << endl;
return;
}
q->element[index] += delta;
PercolateDown(q, index);
} void Delete(Heap* q, int index)
{//DecreaseKey to infinity, and DeleteMin
DecreaseKey(q, 0x7FFF, index);
DeleteMin(q);
} Heap* BuildHeap(int *element, int length)
{
Heap* q = new struct Heap;
q->element = element;
q->capacity = q->size = length;
for(int i=q->size/2; i>0; --i)
PercolateDown(q, i);
return q;
} int main()
{
int a[]={11,10,9,8,7,6,5,4,3,2,1};
Heap* queue;
queue = BuildHeap(a, sizeof(a)/sizeof(int) - 1);
while(queue->size)
cout << DeleteMin(queue) << " ";
cout << endl;
delete queue;
return 0;
}

数据结构 《6》----堆 ( Heap )的更多相关文章

  1. 数据结构 - 堆(Heap)

    数据结构 - 堆(Heap) 1.堆的定义 堆的形式满足完全二叉树的定义: 若 i < ceil(n/2) ,则节点i为分支节点,否则为叶子节点 叶子节点只可能在最大的两层出现,而最大层次上的叶 ...

  2. 基本数据结构——堆(Heap)的基本概念及其操作

    基本数据结构――堆的基本概念及其操作 小广告:福建安溪一中在线评测系统 Online Judge 在我刚听到堆这个名词的时候,我认为它是一堆东西的集合... 但其实吧它是利用完全二叉树的结构来维护一组 ...

  3. 数据结构&堆&heap&priority_queue&实现

    目录 什么是堆? 大根堆 小根堆 堆的操作 STL queue 什么是堆? 堆是一种数据结构,可以用来实现优先队列 大根堆 大根堆,顾名思义就是根节点最大.我们先用小根堆的建堆过程学习堆的思想. 小根 ...

  4. python数据结构之堆(heap)

    本篇学习内容为堆的性质.python实现插入与删除操作.堆复杂度表.python内置方法生成堆. 区分堆(heap)与栈(stack):堆与二叉树有关,像一堆金字塔型泥沙:而栈像一个直立垃圾桶,一列下 ...

  5. 算法与数据结构基础 - 堆(Heap)和优先级队列(Priority queue)

    堆基础 堆(Heap)是具有这样性质的数据结构:1/完全二叉树 2/所有节点的值大于等于(或小于等于)子节点的值: 图片来源:这里 堆可以用数组存储,插入.删除会触发节点shift_down.shif ...

  6. 堆heap和栈Stack(百科)

    堆heap和栈Stack 在计算机领域,堆栈是一个不容忽视的概念,堆栈是两种数据结构.堆栈都是一种数据项按序排列的数据结构,只能在一端(称为栈顶(top))对数据项进行插入和删除.在单片机应用中,堆栈 ...

  7. Java中堆(heap)和栈(stack)的区别

    简单的说: Java把内存划分成两种:一种是栈内存,一种是堆内存. 在函数中定义的一些基本类型的变量和对象的引用变量都在函数的栈内存中分配. 当在一段代码块定义一个变量时,Java就在栈中为这个变量分 ...

  8. 数据结构-堆 Java实现

    数据结构-堆 Java实现. 实现堆自动增长 /** * 数据结构-堆. 自动增长 * */ public class Heap<T extends Comparable> { priva ...

  9. 纸上谈兵: 堆 (heap)

    纸上谈兵: 堆 (heap)   作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明.谢谢! 堆(heap)又被为优先队列(priority ...

  10. C 数据结构堆

    引言 - 数据结构堆 堆结构都很耳熟, 从堆排序到优先级队列, 我们总会看见它的身影. 相关的资料太多了, 堆 - https://zh.wikipedia.org/wiki/%E5%A0%86%E7 ...

随机推荐

  1. Qt之Meta-Object系统

    简述 Qt的元对象系统(Meta-Object System)提供了信号与槽机制,可用于对象间通信.运行时类别信息和动态属性系统. 元对象系统基于三个方面: QObject类:为objects提供了一 ...

  2. css样式初始化

    不同的浏览器对有些标签的默认显示是不同的,对css样式初始化可以实现样式的统一,消除不同浏览器间页面显示的差异性... 一般初始化方式为:*{margin:0:padding:0:}

  3. 超实用的JavaScript代码段 --倒计时效果

    现今团购网.电商网.门户网等,常使用时间记录重要的时刻,如时间显示.倒计时差.限时抢购等,本文分析不同倒计时效果的计算思路及方法,掌握日期对象Date,获取时间的方法,计算时差的方法,实现不同的倒时计 ...

  4. 5月23日 JavaScript

    一.JavaScript简介 1.JavaScript是什么: 它是个脚本语言,需要有宿主文件,它的宿主文件是HTML文件. 2.它的用法: 在HTML中位置有三块: (1)head里面 (2)bod ...

  5. 8种NOsql

    虽然SQL数据库是非常有用的工具,但经历了15年的一支独秀之后垄断即将被打破.这只是时间问题:被迫使用关系数据库,但最终发现不能适应需求的情况不胜枚举. 但是NoSQL数据库之间的不同,远超过两 SQ ...

  6. ASP.NET-【缓存】-使用ASP.NET缓存

    缓存一个List 泛型结构 1.显示 var s = Get("personsl"); foreach (var item in s) { Response.Write(item. ...

  7. su和su -和sudo

    1.su和sudo没有切换工作目录和环境变量,只是赋予用户权限, 而su -是真正切换到root登录,工作目录切换到/root,环境变量也同时改变. [root@oc3408554812 home]# ...

  8. jdk和tomcat环境部署

    部署前需要准备的东西: 1.确定操作系统(32位或64位) 2.准备对应的jdk和tomcat软件 3.准备一份环境变量配置说明,省的到时候忘记了 步骤: 1.安装JDK 安装好JDK后,再配置JDK ...

  9. java8Lambda详解

    [移步] http://blog.csdn.net/ioriogami/article/details/12782141/

  10. [Js]JavaScript闭包和范围的快速测试

    1. if (!("a" in window)) { var a = 1; } alert(a); [分析]代码含义:如果window不包含属性a,就声明一个变量a并赋值为1 ①J ...