<em>Mac</em>Book项目 2009年学校开始实施<em>Mac</em>Book项目,所有师生配备一本<em>Mac</em>Book,并同步更新了校园无线网络。学校每周进行电脑技术更新,每月发送技术支持资料,极大改变了教学及学习方式。因此2011
2021-06-01 09:32:01
有關二元樹的性質:
1. 若規定根節點的層數為1,則一棵非空二元樹的第i層上最多有 個結點.
2. 若規定根節點的層數為1,則深度為h的二元樹的最大結點數是 .
3. 對任何一棵二元樹, 如果度為0其葉結點個數為 , 度為2的分支結點個數為 ,則有 = +1
4. 若規定根節點的層數為1,具有n個結點的滿二元樹的深度,h= . (ps: 是log以2 為底,n+1為對數)
5. 對於具有n個結點的完全二元樹,如果按照從上至下從左至右的陣列順序對所有節點從0開始編號,則對 於序號為i的結點有:
1. 若i>0,i位置節點的雙親序號:(i-1)/2;i=0,i為根節點編號,無雙親節點
2. 若2i+1<n,左孩子序號:2i+1 若2i+1>=n則無左孩子
3. 若2i+2<n,右孩子序號:2i+2 若2i+2>=n則無右孩子
儲存結構:
二元樹一般可以使用兩種結構儲存,一種順序結構,一種鏈式結構。
普通的二元樹是不適合用陣列來儲存的,因為可能會存在大量的空間浪費。而完全二元樹更適合使用順序結 構儲存。現實中我們通常把堆(一種完全二元樹)使用順序結構的陣列來儲存
堆的概念和結構:
堆的性質:
堆中某個節點的值總是不大於或不小於其父節點的值;
堆總是一棵完全二元樹。
上面這些都是複製貼上的, 想看了隨便看看。下面給出自己的一些總結:
Heap.h
#pragma once #include<iostream> #include<assert.h> #include<algorithm> #include<Windows.h> using namespace std; typedef int DataType; class Heap { public: Heap() :a(new DataType[1]), size(0), capacity(1) {} ~Heap() { delete[]a; a = nullptr; size = capacity = 0; } public: void Push(const DataType& x); void Pop(); // 刪除堆頂的資料 DataType Top()const; bool Empty()const; int Size()const; void Swap(DataType& a, DataType& b); void print(); public: void AdjustUp(int child); void AdjustDown(int size, int parent); private: DataType* a; int size; int capacity; };
Heap.cpp
#include"Heap.h" void Heap::Swap(DataType& a, DataType& b) { DataType tmp = a; a = b; b = tmp; } void Heap::Push(const DataType& x) { if (size == capacity) { int newcapacity = capacity == 0 ? 1 : capacity * 2; DataType* tmp = new DataType[newcapacity]; assert(tmp); std::copy(a, a + size, tmp); delete a; a = tmp; capacity = newcapacity; } a[size] = x; AdjustUp(size); ++size; } void Heap::Pop() // 刪除堆頂的資料 { assert(size > 0); Swap(a[0], a[size - 1]); size--; AdjustDown(size, 0); } DataType Heap::Top()const { assert(size > 0); return a[0]; } bool Heap::Empty()const { return size == 0; } int Heap::Size()const { return size; } void Heap::AdjustUp(int child) { int parent = (child - 1) / 2; while (child > 0) { if (a[parent] > a[child]) { Swap(a[parent], a[child]); child = parent; parent = (child - 1) / 2; } else { break; } } //int parent = (child - 1) / 2; //if(child > 0) //{ // if (a[parent] > a[child]) // { // Swap(a[parent], a[child]); // child = parent; // AdjustUp(child); // } // else // { // return; // } //} } void Heap::AdjustDown(int size,int parent) // size 是總大小,parent是從哪裡開始向下調整 { int child = parent * 2 + 1; while (child < size) { if (child + 1 < size && a[child + 1] < a[child]) child++; if (a[child] < a[parent]) { Swap(a[child], a[parent]); parent = child; child = parent * 2 + 1; } else { break; } } } void Heap::print() { for (int i = 0; i < size; ++i) { cout << a[i] << ' '; } cout << endl; }
其實Heap這個類 物理結構就是一個一維陣列,只是邏輯結構是一個堆,我們將其想象成一個具有特定規律的完全二元樹:特定規律就是任意一個二元樹的根節點都>=或<=其子節點。
這個Heap類的關鍵是push和pop函數,與之相關的是向上調整和向下調整函數,這也是堆的精髓所在。
push是在陣列尾部也就是堆的最下面插入一個元素,此時應該呼叫向上調整演演算法,因為此結點的插入可能破壞了原來的堆的結構,因此,向上調整即可,但是有個前提,即插入此結點之前這個完全二元樹本身符合堆的特性。並且調整隻會影響此插入結點的祖宗,不會對其他節點產生影響。
pop是刪除堆頂的元素,且只能刪除堆頂的元素,因為堆這個資料結構的一個主要功能就是選數:即選出當前堆中最大或者最小的數,並且選數的效率很高。pop刪除堆頂元素之後,再進行一下調整即可選出次大或者次小的元素。
那麼,怎麼刪除呢?即將堆頂和末尾的數位交換,然後刪除交換後的末尾數位,此時堆頂元素很可能破壞了堆的結構,因此採用向下調整的演演算法。向下調整演演算法有一個前提:左右子樹必須是一個堆,才能調整。
向上調整演演算法和向下調整演演算法不僅僅用於Heap的插入和刪除操作,在堆排序等堆的應用中也要使用。
傳入一個陣列,對陣列進行排序,且是一個O(N*LogN)的演演算法,效率很高。
void AdjustUp(int* a, int child) { int parent = (child - 1) / 2; while (child > 0) { if (a[parent] > a[child]) { swap(a[parent], a[child]); child = parent; parent = (child - 1) / 2; } else { break; } } } void AdjustDown(int* a,int size, int parent) // size 是總大小,parent是從哪裡開始向下調整 { int child = parent * 2 + 1; while (child < size) { if (child + 1 < size && a[child + 1] < a[child]) child++; if (a[child] < a[parent]) { swap(a[child], a[parent]); parent = child; child = parent * 2 + 1; } else { break; } } }
HeapSort
void HeapSort(int* a, int n) { // 將傳入的陣列看作一個完全二元樹,然後調整為堆。 // 升序調整為大根堆,降序小根堆。 // 建堆方式1: O(N*LogN) // 利用向上調整演演算法,其實就是堆的插入函數 //for (int i = 1; i < n; ++i) //{ // AdjustUp(a, i); //} // 建堆方式2: O(N) // 利用向下調整演演算法 for (int i = (n - 1 - 1) / 2; i >= 0; --i) { AdjustDown(a, n, i); } // 建好堆之後排序 目前是一個小堆,小堆用來排降序 // 5 13 17 19 22 27 32 35 38 42 45 // O(N * LogN); int end = n - 1; while (end > 0) { swap(a[0], a[end]); AdjustDown(a, end, 0); end--; } }
前面說過,堆的一個主要或者說唯一作用就是選數,大根堆選出最大數,小根堆選出最小數,先將給定陣列調整為堆,若排升序則調整為大根堆,此時a[0]即最大值,將其與陣列末尾陣列交換,然後進行向下調整即可選出次大值,再進行交換即可。整個邏輯十分像Heap類的刪除操作,只是將刪除了的堆頂元素放置在陣列末尾而已,然後不斷進行這個操作,直到整個陣列有序。
將陣列調整為堆的思路有兩個,一種是模擬插入的操作,從頭遍歷逐個將元素進行向上調整操作,主要是因為向上調整演演算法必須基於此完全二元樹本身就是一個堆,才可以進行向上調整操作。所以從尾開始向上調整肯定是不行的。
思路二與思路一有相同之處,即利用向下調整演演算法,向下調整基於此結點的左子樹和右子樹都是堆,所以直接從頭開始向下調整不可以,所以從尾向前遍歷進行向下調整,且末尾的葉子結點沒有必要調整,所以從第一個結點數>=2的二元樹開始進行向下調整。
HeapSort的邏輯不會受升序和降序的影響,只需要將AdjustUp和AdjustDown的調整邏輯改變即可。
為什麼排升序要建大根堆,不建小根堆呢?
首先,如果建小根堆,確實建好之後的陣列比較像升序,且此時最小值也已經在陣列的a[0]處,但是,選次大的元素時,對於後面a[1] 至 a[n-1]個元素,此時之前堆的兄弟父子關係全都亂了,向上調整和向下調整都不可以,只能重建堆,而重建堆的時間複雜度為O(N)。如此下去,每次挑出最大值都需要O(N),最終的就是O(N)+O(N-1)+...+O(2)... 總的就是O(N^2)了。
而如果建大根堆,a[0]就是最大值,將其與陣列末尾進行交換,這個交換操作只是O(1)的操作,最重要的是交換之後,把末尾元素忽視之後的這個完全二元樹,只有堆頂元素不符合堆,只需向下調整一次即可,為O(logN),即可選出次大值,相比於前面的O(N)就快了很多。
到此這篇關於C++超詳細實現堆和堆排序過像的文章就介紹到這了,更多相關C++堆和堆排序內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!
相關文章
<em>Mac</em>Book项目 2009年学校开始实施<em>Mac</em>Book项目,所有师生配备一本<em>Mac</em>Book,并同步更新了校园无线网络。学校每周进行电脑技术更新,每月发送技术支持资料,极大改变了教学及学习方式。因此2011
2021-06-01 09:32:01
综合看Anker超能充系列的性价比很高,并且与不仅和iPhone12/苹果<em>Mac</em>Book很配,而且适合多设备充电需求的日常使用或差旅场景,不管是安卓还是Switch同样也能用得上它,希望这次分享能给准备购入充电器的小伙伴们有所
2021-06-01 09:31:42
除了L4WUDU与吴亦凡已经多次共事,成为了明面上的厂牌成员,吴亦凡还曾带领20XXCLUB全队参加2020年的一场音乐节,这也是20XXCLUB首次全员合照,王嗣尧Turbo、陈彦希Regi、<em>Mac</em> Ova Seas、林渝植等人全部出场。然而让
2021-06-01 09:31:34
目前应用IPFS的机构:1 谷歌<em>浏览器</em>支持IPFS分布式协议 2 万维网 (历史档案博物馆)数据库 3 火狐<em>浏览器</em>支持 IPFS分布式协议 4 EOS 等数字货币数据存储 5 美国国会图书馆,历史资料永久保存在 IPFS 6 加
2021-06-01 09:31:24
开拓者的车机是兼容苹果和<em>安卓</em>,虽然我不怎么用,但确实兼顾了我家人的很多需求:副驾的门板还配有解锁开关,有的时候老婆开车,下车的时候偶尔会忘记解锁,我在副驾驶可以自己开门:第二排设计很好,不仅配置了一个很大的
2021-06-01 09:30:48
不仅是<em>安卓</em>手机,苹果手机的降价力度也是前所未有了,iPhone12也“跳水价”了,发布价是6799元,如今已经跌至5308元,降价幅度超过1400元,最新定价确认了。iPhone12是苹果首款5G手机,同时也是全球首款5nm芯片的智能机,它
2021-06-01 09:30:45