《算法导论》第六章之堆和优先级队列相关算法C语言实现

#include <stdio.h>
int heap_size = 10;
void max_heapify(int *A, int i){  //维持最大堆性质int l = 2 * i + 1;int r = 2 * i + 2;int largest = 0;if(l <= heap_size-1 && A[l] > A[i])largest = l;else largest = i;if(r <= heap_size-1 && A[r] > A[largest])largest = r;if(i != largest){int temp = A[i];A[i] = A[largest];A[largest] = temp;max_heapify(A, largest);}
}
void build_heap(int *A){  //建堆int k;for(k = heap_size / 2 - 1; k >= 0; k--){max_heapify(A, k);}
}
void heap_sort(int *A){ //对数组使用堆排序build_heap(A);int k;for(k = heap_size - 1; k >= 1; k--){int temp = A[0];A[0] = A[k];A[k] = temp;heap_size--;max_heapify(A, 0);}
}int heap_maximum(int *A){  //取得优先级队列中的最大元素return A[0];
}
void heap_extract_max(int *A){  //优先级队列中的最大元素出队int max = A[0];A[0] = A[heap_size - 1];heap_size--;max_heapify(A, 0);
}
void heap_increase_key(int *A, int i, int key){  //将优先级队列中给定位置的值增加到指定值if(key < A[i]){printf("%s", "Error: The key should be bigger than the current value in i!");return;}   A[i] = key;while(i > 0 && A[i] > A[i/2]){int temp = A[i];A[i] = A[i/2];A[i/2] = temp;i = i/2;}
}
void heap_insert(int *A, int key){  //向优先级队列中加入一个元素heap_size++;A[heap_size - 1] = -1;heap_increase_key(A, heap_size - 1, key);
}void heap_output(int *A, int heap_size){  //输出堆中元素int i;for(i=0; i<heap_size; i++){printf("%d ", A[i]);}printf("%c", '\n');
}
int main(){  //测试int A[] = {3,5,8,2,7,10,1,0,32,4};int i;printf("%s", "Build heap...\n");build_heap(A);heap_output(A, heap_size);printf("The max value of this heap is %d.\n", heap_maximum(A));int increase_index = 1, key = 35;printf("Increase No. %d to %d.\n", increase_index, key);heap_increase_key(A, 1, 35);heap_output(A, heap_size);printf("Extract the maximum number of this heap.\n");heap_extract_max(A);heap_output(A, heap_size);int insert_value = 100;printf("Insert the value %d to this heap.\n", insert_value);heap_insert(A, 100);heap_output(A, heap_size);printf("Sort this heap.\n");int heap_size_before_sort = heap_size;heap_sort(A);heap_output(A, heap_size_before_sort);
}

《算法导论》第六章之堆和优先级队列相关算法C语言实现相关推荐

算法导论第六章堆排序习题6.5-8 k路合并排序
/* * 请给出一个时间为O(nlgk),用来将k个已排序链表合并为一个排序链表的算法. * 此处n为所有输入链表中元素的总数.(提示:用一个最小堆来做k路合并) * * 思路:利用有k个元素 ...
位向量(bit vector)（算法导论第十一章11.1-2）
位向量(bit vector) 位向量(bit vector)是一个仅包含0和1的数组.长度为m的位向量所占空间要比包含m个指针的数组少得多.说明如何用一个位向量来表示一个包含不同元素(无卫星数据)的 ...
假设一动态集合S用一个长度为m的直接寻址表T来表示。请给出一个查找S中最大元素的过程。（算法导论第十一章11.1-1）
假设一动态集合S用一个长度为m的直接寻址表T来表示.请给出一个查找S中最大元素的过程.你所给的过程在最坏情况下的运行时间是多少. (算法导论第十一章11.1-1) #include "Key ...
算法复习第六章第七章
算法复习第六章第七章第六章回溯法 TSP问题 0-1bag问题图着色问题八皇后问题第七章分支限界法 0-1bag问题 TSP问题第六章回溯法 TSP问题 0-1bag问题图着色问题八皇后 ...
算法图解第六章笔记与习题（广度优先搜索）
算法图解第六章笔记与习题(广度优先搜索) 文章目录算法图解第六章笔记与习题(广度优先搜索) 6.1 图(graph) 6.2 广度优先搜索 6.3.1 查找最短路径 6.3.2 队列 6.4 实现图 ...
算法导论第2章(3) 二分查找 binary search
二分查找(分治法). 二分查找也是一种分治法的实现,每一次查找将数据分为两个部分,问题规模都减小一半.这样查找的时间复杂度为logN.因为其实查找过程建立了一棵有N个节点的二叉树,查找次数是这棵树的高 ...
（补）算法训练Day13 | LeetCode150. 逆波兰表达式求值（栈应用）；LeetCode239. 滑动窗口最大值（单调队列）；LeetCode347. 前K个高频元素（小顶堆，优先级队列）
目录 LeetCode150. 逆波兰表达式求值 1. 思路 2. 代码实现 3. 复杂度分析 4. 思考 LeetCode239. 滑动窗口最大值 1. 思路 2. 代码实现 3. 复杂度分析 4. ...
《恋上数据结构第1季》二叉堆实现优先级队列
优先级队列(Priority Queue) 优先级队列简介优先队列的底层实现二叉堆实现优先级队列源码测试代码数据结构与算法笔记目录:<恋上数据结构> 笔记目录想加深 Java 基 ...
堆和优先级队列3：不泡妹子都要会的LeetCode7道题之一
我们前面费了那么大篇幅介绍堆和优先级队列,就是为了分析本文的7道题.而这7道题, 特别!特别!特别! 重要!重要!重要! 不过呢,正如我们前面说的,这些题目其实知道怎么处理就行,不必一定要写出来. 1 ...

《算法导论》第六章之堆和优先级队列相关算法C语言实现

《算法导论》第六章之堆和优先级队列相关算法C语言实现相关推荐

最新文章

热门文章