数据结构之堆Heap

1. 概述

堆（也叫优先队列），是一棵完全二叉树，它的特点是父节点的值大于（小于）两个子节点的值（分别称为大顶堆和小顶堆）。它常用于管理算法执行过程中的信息，应用场景包括堆排序，优先队列等。

2. 堆的基本操作

堆是一棵完全二叉树，高度为O（lg n），其基本操作至多与树的高度成正比。在介绍堆的基本操作之前，先介绍几个基本术语：

A：用于表示堆的数组，下标从1开始，一直到n

PARENT(t)：节点t的父节点，即floor(t/2)

RIGHT(t)：节点t的左孩子节点，即:2*t

LEFT(t)：节点t的右孩子节点，即:2*t+1

HEAP_SIZE(A)：堆A当前的元素数目

下面给出其主要的四个操作（以大顶堆为例）：

2.1 Heapify(A,n,t)

该操作主要用于维持堆的基本性质。假定以RIGHT(t)和LEFT(t)为根的子树都已经是堆，然后调整以t为根的子树，使之成为堆。

void Heapify(int A[], int n, int t)

{

int left = LEFT(t);

int right = RIGHT(t);

int max = t;

if(left <= n) max = A[left] > A[max] ? left : max;

if(right <= n) max = A[right] > A[max] ? right : max;

if(max != A[t])

{

swap(A, max, t);

Heapify(A, n, max);

}

2.2 BuildHeap(A,n)

该操作主要是将数组A转化成一个大顶堆。思想是，先找到堆的最后一个非叶子节点（即为第n/2个节点），然后从该节点开始，从后往前逐个调整每个子树，使之称为堆，最终整个数组便是一个堆。

void BuildHeap(int A[], int n)

{

int i;

for(i = n/2; i<=n; i++)

Heapify(A, n, i);

}

2.3 GetMaximum(A,n)

该操作主要是获取堆中最大的元素，同时保持堆的基本性质。堆的最大元素即为第一个元素，将其保存下来，同时将最后一个元素放到A[1]位置，之后从上往下调整A，使之成为一个堆。

void GetMaximum(int A[], int n)

{

int max = A[1];

A[1] = A[n];

n--;

Heapify(A, n, 1);

return max;

}

2.4 Insert(A, n, t)

向堆中添加一个元素t，同时保持堆的性质。算法思想是，将t放到A的最后，然后从该元素开始，自下向上调整，直至A成为一个大顶堆。

void Insert(int A[], int n, int t)

{

n++;

A[n] = t;

int p = n;

while(p >1 && A[PARENT(p)] < t)

{

A[p] = A[PARENT(p)];

p = PARENT(p);

}

A[p] = t;

return max;

}

3. 堆的应用

3.1 堆排序

堆的最常见应用是堆排序，时间复杂度为O(N lg N)。如果是从小到大排序，用大顶堆；从大到小排序，用小顶堆。

3.2 在O(n lg k)时间内，将k个排序表合并成一个排序表，n为所有有序表中元素个数。

【解析】取前100 万个整数，构造成了一棵数组方式存储的具有小顶堆，然后接着依次取下一个整数，如果它大于最小元素亦即堆顶元素，则将其赋予堆顶元素，然后用Heapify调整整个堆，如此下去，则最后留在堆中的100万个整数即为所求 100万个数字。该方法可大大节约内存。

3.3 一个文件中包含了1亿个随机整数，如何快速的找到最大(小)的100万个数字?（时间复杂度：O（n lg k））

4. 总结

堆是一种非常基础但很实用的数据结构，很多复杂算法或者数据结构的基础就是堆，因而，了解和掌握堆这种数据结构显得尤为重要。

5. 参考资料

（1）经典算法教程《算法导论》

———————————————————————————————

更多关于数据结构和算法的介绍，请查看：数据结构与算法汇总

———————————————————————————————-

原创文章，转载请注明：转载自董的博客

本文链接地址: http://dongxicheng.org/structure/heap/

数据结构之堆Heap相关推荐

codeforces 贪心+优先队列_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:
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 ...
数据结构之堆(Heap)及其用途
本文采用图文码结合的方式介绍堆来实现优先队列什么是优先队列? 队列是一种先进先出(FIFO)的数据结构.虽然,优先队列中含有队列两个字,但是,他一点也不像队列了.个人感觉,应该叫他优先群.怎么说那, ...
Java数据结构之堆(Heap)
文章目录一.基本概念二.上浮操作(siftUp) 三.下沉操作(siftDown) 四.数组堆化五.实现大根堆提示:以下是本篇文章正文内容,Java系列学习将会持续更新一.基本概念堆在逻辑 ...
数据结构-堆(Heap)
数据结构-堆(Heap) 我认识的堆: 1.建立在完全二叉树的基础上 2.排序算法的一种,也是稳定效率最高的一种 3.可用于实现STL中的优先队列(priority_queue) 优先队列:一种特殊 ...
数据结构--堆Heap
数据结构:堆(Heap) 堆就是用数组实现的二叉树,所以它没有使用父指针或者子指针.堆根据"堆属性"来排序,"堆属性"决定了树中节点的位置. 堆的常用方法: 构 ...
数据结构之——堆（Heap）
堆(Heap) 堆(Heap)是计算机科学中一类特殊的数据结构的统称.堆通常是一个可以被看做一棵完全二叉树的数组对象.同时堆是一种特殊的"队列" 完全二叉树既然说堆是完全二叉树, ...
heap python_数据结构-堆(Heap) Python实现
堆(Heap)可以看成近似完全二叉树的数组,树中每个节点对应数组中一个元素.除了最底层之外,该树是完全充满的,最底层是从左到右填充的. 堆包括最大堆和最小堆:最大堆的每一个节点(除了根结点)的值不大于 ...
数据结构--堆(Heap)
堆(Heap) 本文主要介绍以下内容: Heap的实现 HeapSort(堆排序) 完善各种堆的函数接口 TopK经典问题堆就是一棵完全二叉树.因为它的某些性质,我们可以用数组存储. 堆的性质 1 ...

数据结构之堆Heap

数据结构之堆Heap相关推荐

最新文章

热门文章