【数据结构】二叉树 -- 堆

简介: 【数据结构】二叉树 -- 堆

一、堆的概念及结构

如果有一个关键码的集合 K = {k0 , k1 , k2 , … , kn-1} ,把它的所有元素按完全二叉树的顺序存储方式存储在一 个一维数组中 ,并满足: Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >=K2i+2) i = 0 , 1 , 2… ,则称为小堆 ( 或大堆) 。(即双亲比孩子的数值小(大)——小(大)堆)将根节点最大的堆叫做最大堆或大根堆,根节点最小的堆叫做最小堆或小根堆。

堆只有两种,即大堆和小堆,大堆就是父亲结点数据大于儿子结点数据,小堆则反之。

堆的性质:堆中某个节点的值总是不大于或不小于其父节点的值;堆总是一棵完全二叉树

2020062310470442.png

二、堆的实现

1、结构的定义

由于是堆的元素按完全二叉树的顺序存储方式存储在一位数组中的,所以堆的结构和顺序表的结构一样。

//符号和结构的声明
#define DEF_SIZE 5
#define CRE_SIZE 2
typedef int HPDataType;
typedef struct Heap
{
  HPDataType* data;
  int size;
  int capacity;
}HP;

2、堆的初识化

堆的初识化和顺序表的初始化一样。

//堆的初始化
void HeapInit(HP* php)
{
  assert(php);
  php->data = (HPDataType*)malloc(sizeof(HPDataType) * DEF_SIZE);
  if (php->data == NULL)
  {
    perror("malloc fail");
    exit(-1);
  }
  php->size = 0;
  php->capacity = DEF_SIZE;
}

3、堆的插入

堆的插入有两个需要注意的地方:

1、由于堆只会在尾部插入元素,所以我们不需要将 CheckCapacity 单独封装一个函数;

2、由于堆要求在插入元素之后仍保持堆的结构,即保持小根堆/大根堆,所以我们需要对堆进行向上调整,向上调整的过程其实也就是建堆的过程。

//堆的插入--需要保证插入之后仍然保持堆的结构
void HeapPush(HP* php, HPDataType x)
{
  assert(php);
  //检查容量
  if (php->size == php->capacity)
  {
    HPDataType* ptr = (HPDataType*)realloc(php->data, sizeof(HPDataType) * php->capacity * CRE_SIZE);
    if (ptr == NULL)
    {
      perror("realloc fail");
      exit(-1);
    }
    php->data = ptr;
    php->capacity *= CRE_SIZE;
  }
  //插入元素
  php->data[php->size] = x;
  php->size++;
  //保持堆结构--向上调整
  AdjustUp(php->data, php->size - 1);
}

4、堆的向上调整

这里我们以小根堆为例,如图:假设现在我们已经有了一个小根堆,现在我们往堆中 (堆尾) 插入一个元素,那么可能会出现两种情况:

2020062310470442.png

1、插入的元素大于父节点,此时我们的堆仍保持小根堆结构,所以不需要改动;比如我们往堆中插入30;

2020062310470442.png

2、插入的元素小于父节点;这种情况又可以分为两种:一是插入的节点虽然小于父节点,但是大于父节点的父节点,这种情况我们只需要交换父节点和该节点,使得堆保存小根堆的结构即可,比如我们插入20;二是该节点不仅小于父节点,还小于父节点的父节点,这种情况下我们就需要把该节点不断往上调整,直到把堆调整为小根堆,最坏的情况是该节点被调整为根节点,比如我们插入10;2020062310470442.png

2020062310470442.png

//交换两个节点
void Swap(HPDataType* p1, HPDataType* p2)
{
  assert(p1 && p2);
  HPDataType tmp = *p1;
  *p1 = *p2;
  *p2 = tmp;
}
//向上调整--小根堆
void AdjustUp(HPDataType* data, int child)
{
  assert(data);
  int parent = (child - 1) / 2;  //找到父节点
  while (child > 0)  //当调整到根节点时不再继续调整
  {
    //当子节点小于父节点时交换
    if (data[child] < data[parent])
    {
      Swap(&data[child], &data[parent]);
      //迭代
      child = parent;
      parent = (child - 1) / 2;
    }
    //否则直接跳出循环
    else
    {
      break;
    }
  }
}

如果我们需要建大根堆,只需要把交换的条件修改一下即可。

//当子节点大于父节点时交换
if (data[child] > data[parent])

5、堆的删除

对于堆的删除有明确的规定:我们只能删除堆顶的元素;但是头删之后存在两个问题:

1、顺序表头删需要挪动数据,效率低下;

2、头删之后堆中各节点的父子关系完全被破坏;

对于上面的这些问题,我们有如下解决办法:

1、我们在删除之前先将堆顶和堆尾的元素交换,然后让size–,这样相当于删除了堆顶的元素,且效率达到了O(1);

2、由于我们把堆尾元素交换到了堆顶,堆的结构遭到了破坏,所以设计一个向下调整算法来让保持堆的结构;

//删除堆顶的元素--需要保证删除之后仍然保持堆的结构
void HeapPop(HP* php)
{
  assert(php);
  assert(!HeapEmpty(php));
  //首先交换堆顶和堆尾的元素
  Swap(&php->data[0], &php->data[php->size - 1]);
  //删除堆尾的元素
  php->size--;
  //保持堆结构--向下调整
  AdjustDown(php->data, php->size, 0);
}

6、堆的向下调整

堆向下调整的思路和向上调整刚好相反 (我们还是以小根堆为例):1、找出子节点中较小的节点;2、比较父节点与子节点,如果父节点大于子节点则交换两个节点;3、交换之后,原来的子节点成为新的父节点,然后继续 1 2 步骤,直到调整为堆的结构

2020062310470442.png

//向下调整
void AdjustDown(HPDataType* data, int n, int parent)
{
  assert(data);
  int minchild = parent * 2 + 1;
  //当子节点调整到堆尾时结束循环
  while (minchild < n)
  {
    //找出较小的子节点
    if (minchild + 1 < n && data[minchild + 1] < data[minchild])
    {
      minchild += 1;
    }
    //如果父节点大于较小的子节点就交换
    if (data[parent] > data[minchild])
    {
      Swap(&data[parent], &data[minchild]);
      //迭代
      parent = minchild;
      minchild = parent * 2 + 1;
    }
    //否则直接跳出循环
    else
    {
      break;
    }
  }
}

和向上调整类似,如果我们想要调整为大堆,也只需要改变交换条件:

//找出较大的子节点
if (minchild + 1 < n && data[minchild + 1] > data[minchild])
//如果父节点小于较小的子节点就交换
if (data[parent] < data[minchild])

7、取出堆顶的元素

//取堆顶的元素
HPDataType HeapTop(HP* php)
{
  assert(php);
  assert(!HeapEmpty(php));
  return php->data[0];
}

8、返回堆的元素个数

//堆的元素个数
int HeapSize(HP* php)
{
  assert(php);
  return php->size;
}

9、判断堆是否为空

//堆的判空
bool HeapEmpty(HP* php)
{
  assert(php);
  return php->size == 0;
}

10、打印堆中的数据

//打印堆中的数据
void HeapPrint(HP* php)
{
  assert(php);
  int i = 0;
  for (i = 0; i < php->size; i++)
  {
    printf("%d ", php->data[i]);
  }
  printf("\n");
}

11、堆的销毁

//堆的销毁
void HeapDestory(HP* php)
{
  assert(php);
  free(php->data);
  php->capacity = php->size = 0;
}

三、完整代码

1、Heap.h

#pragma once
//头文件的包含
#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
#include <stdbool.h>
//符号和结构的声明
#define DEF_SIZE 5
#define CRE_SIZE 2
typedef int HPDataType;
typedef struct Heap
{
  HPDataType* data;
  int size;
  int capacity;
}HP;
//函数的声明
//堆的初始化
void HeapInit(HP* php);
//堆的销毁
void HeapDestory(HP* php);
//堆的插入
void HeapPush(HP* php, HPDataType x);
//删除堆顶的元素
void HeapPop(HP* php);
//取堆顶的元素
HPDataType HeapTop(HP* php);
//堆的元素个数
int HeapSize(HP* php);
//堆的判空
bool HeapEmpty(HP* php);
//打印堆中的数据
void HeapPrint(HP* php);

2、Heap.c

#define _CRT_SECURE_NO_WARNINGS 1
#include "Heap.h"
//堆的初始化
void HeapInit(HP* php)
{
  assert(php);
  php->data = (HPDataType*)malloc(sizeof(HPDataType) * DEF_SIZE);
  if (php->data == NULL)
  {
    perror("malloc fail");
    exit(-1);
  }
  php->size = 0;
  php->capacity = DEF_SIZE;
}
//堆的销毁
void HeapDestory(HP* php)
{
  assert(php);
  free(php->data);
  php->capacity = php->size = 0;
}
//交换两个节点
void Swap(HPDataType* p1, HPDataType* p2)
{
  assert(p1 && p2);
  HPDataType tmp = *p1;
  *p1 = *p2;
  *p2 = tmp;
}
//向上调整--小根堆
void AdjustUp(HPDataType* data, int child)
{
  assert(data);
  int parent = (child - 1) / 2;  //找到父节点
  while (child > 0)  //当子节点为根节点时循环结束
  {
    //当子节点小于父节点时交换
    if (data[child] < data[parent])
    {
      Swap(&data[child], &data[parent]);
      //迭代
      child = parent;
      parent = (child - 1) / 2;
    }
    //否则直接跳出循环
    else
    {
      break;
    }
  }
}
//堆的插入--需要保证插入之后仍然保持堆的结构
void HeapPush(HP* php, HPDataType x)
{
  assert(php);
  //检查容量
  if (php->size == php->capacity)
  {
    HPDataType* ptr = (HPDataType*)realloc(php->data, sizeof(HPDataType) * php->capacity * CRE_SIZE);
    if (ptr == NULL)
    {
      perror("realloc fail");
      exit(-1);
    }
    php->data = ptr;
    php->capacity *= CRE_SIZE;
  }
  //插入元素
  php->data[php->size] = x;
  php->size++;
  //保持堆结构--向上调整
  AdjustUp(php->data, php->size - 1);
}
//向下调整
void AdjustDown(HPDataType* data, int n, int parent)
{
  assert(data);
  int minchild = parent * 2 + 1;
  //当子节点调整到堆尾时结束循环
  while (minchild < n)
  {
    //找出较小的子节点
    if (minchild + 1 < n && data[minchild + 1] < data[minchild])
    {
      minchild += 1;
    }
    //如果父节点大于较小的子节点就交换
    if (data[parent] > data[minchild])
    {
      Swap(&data[parent], &data[minchild]);
      //迭代
      parent = minchild;
      minchild = parent * 2 + 1;
    }
    //否则直接跳出循环
    else
    {
      break;
    }
  }
}
//删除堆顶的元素--需要保证删除之后仍然保持堆的结构
void HeapPop(HP* php)
{
  assert(php);
  assert(!HeapEmpty(php));
  //首先交换堆顶和堆尾的元素
  Swap(&php->data[0], &php->data[php->size - 1]);
  //删除堆尾的元素
  php->size--;
  //保存堆结构--向下调整
  AdjustDown(php->data, php->size, 0);
}
//取堆顶的元素
HPDataType HeapTop(HP* php)
{
  assert(php);
  assert(!HeapEmpty(php));
  return php->data[0];
}
//堆的元素个数
int HeapSize(HP* php)
{
  assert(php);
  return php->size;
}
//堆的判空
bool HeapEmpty(HP* php)
{
  assert(php);
  return php->size == 0;
}
//打印堆中的数据
void HeapPrint(HP* php)
{
  assert(php);
  int i = 0;
  for (i = 0; i < php->size; i++)
  {
    printf("%d ", php->data[i]);
  }
  printf("\n");
}

3、test.c

#define _CRT_SECURE_NO_WARNINGS 1
#include "Heap.h"
int main()
{
  int a[] = { 27,15,19,18,28,34,65,49,25,37 };
  HP hp;
  //堆的初始化
  HeapInit(&hp);
  //插入元素
  int i = 0;
  int len = sizeof(a) / sizeof(a[0]);
  for (i = 0; i < len; i++)
  {
    HeapPush(&hp, a[i]);
  }
  HeapPrint(&hp);
  //删除堆顶元素
  HeapPop(&hp);
  HeapPrint(&hp);
  //取出堆顶元素
  HPDataType top = HeapTop(&hp);
  printf("%d\n", top);
  //堆排序
  for (i = 0; i < len - 1; i++)
  {
    printf("%d ", HeapTop(&hp));
    HeapPop(&hp);
  }
  //堆的销毁
  HeapDestory(&hp);
  return 0;
}

2020062310470442.png

大家也可以去我的 Gitee 仓库中获取完整代码:Heap/Heap · 野猪佩奇/日常学习 - 码云 - 开源中国 (gitee.com)






相关文章
|
16天前
|
存储 算法 Java
散列表的数据结构以及对象在JVM堆中的存储过程
本文介绍了散列表的基本概念及其在JVM中的应用,详细讲解了散列表的结构、对象存储过程、Hashtable的扩容机制及与HashMap的区别。通过实例和图解,帮助读者理解散列表的工作原理和优化策略。
29 1
散列表的数据结构以及对象在JVM堆中的存储过程
|
18天前
|
存储 搜索推荐 算法
【数据结构】树型结构详解 + 堆的实现(c语言)(附源码)
本文介绍了树和二叉树的基本概念及结构,重点讲解了堆这一重要的数据结构。堆是一种特殊的完全二叉树,常用于实现优先队列和高效的排序算法(如堆排序)。文章详细描述了堆的性质、存储方式及其实现方法,包括插入、删除和取堆顶数据等操作的具体实现。通过这些内容,读者可以全面了解堆的原理和应用。
60 16
|
18天前
|
C语言
【数据结构】二叉树(c语言)(附源码)
本文介绍了如何使用链式结构实现二叉树的基本功能,包括前序、中序、后序和层序遍历,统计节点个数和树的高度,查找节点,判断是否为完全二叉树,以及销毁二叉树。通过手动创建一棵二叉树,详细讲解了每个功能的实现方法和代码示例,帮助读者深入理解递归和数据结构的应用。
66 8
|
1月前
|
存储 JavaScript 前端开发
为什么基础数据类型存放在栈中,而引用数据类型存放在堆中?
为什么基础数据类型存放在栈中,而引用数据类型存放在堆中?
71 1
|
1月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
22 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
1月前
|
存储 算法 搜索推荐
数据结构与算法学习十七:顺序储存二叉树、线索化二叉树
这篇文章主要介绍了顺序存储二叉树和线索化二叉树的概念、特点、实现方式以及应用场景。
25 0
数据结构与算法学习十七:顺序储存二叉树、线索化二叉树
|
1月前
|
Java
【用Java学习数据结构系列】震惊,二叉树原来是要这么学习的(二)
【用Java学习数据结构系列】震惊,二叉树原来是要这么学习的(二)
27 1
|
1月前
|
算法 Java C语言
【用Java学习数据结构系列】震惊,二叉树原来是要这么学习的(一)
【用Java学习数据结构系列】震惊,二叉树原来是要这么学习的(一)
24 1
|
1月前
|
存储
【数据结构】二叉树链式结构——感受递归的暴力美学
【数据结构】二叉树链式结构——感受递归的暴力美学
|
1月前
|
存储 算法
探索数据结构:分支的世界之二叉树与堆
探索数据结构:分支的世界之二叉树与堆

热门文章

最新文章

下一篇
无影云桌面