向上调整&向下调整算法

简介: 向上调整&向下调整算法



AdjustUp向上调整

前提是:插入数据之后,除去插入的数据其他的数据还是为堆

应用:插入数据。

先插入一个10到数组的尾上,再进行向上调整算法,直到满足堆。

步骤:

  1. 插入数据
  2. 与自己的父亲比较
  3. 交换/不交换
  4. 交换:孩子来到父亲位置,父亲来到自己父亲的位置
  5. 结束循环两个点:
  • 不交换(跳出循环)
  • 一直交换直到来到根节点>0

性质:

  • parent=(child-1)/2
  • leftchild=parent*2+1
  • rightchild=parent*2+2

结束循环条件:child > 0

时间复杂度:O(logN) -- 高度次(后面细讲)

//交换
void Swap(HpDataType* H1, HpDataType* H2)
{
  HpDataType tmp = *H1;
  *H1 = *H2;
  *H2 = tmp;
}
//向上调整算法
void AdjustUp(HpDataType* a, int child)
{
  int parent = (child - 1) / 2;
  while ( child > 0 )//此刻parent已经数组越界
  {
    if (a[child] < a[parent])
    {
      //交换
      Swap(&a[child], &a[parent]);
      child = parent;
      parent = (parent - 1) / 2;
    }
    else//child>=parent
    {
      break;
    }
  }
}

AdjustDown向下调整

向下调整算法有一个前提:左右子树必须是一个堆,才能调整

应用:删除数据。

删除堆是删除堆顶的数据,将堆顶的数据根最后一个数据一换,然后删除数组最后一个数据,再进行向下调整算法

步骤:

  1. 删除堆顶元素
  2. 堆顶元素与最后一个元素交换
  3. 删除最后一个元素
  4. 堆顶元素与左右两个孩子(最小/最大的孩子比较)
  5. 交换/不交换
  6. 交换:父亲来到孩子位置,孩子来到自己孩子的位置
  7. 结束循环条件:
  • 不交换(跳出循环)
  • 交换直到来到最后一个叶子节点<size
  • 注意❗跳出循环还有坑

性质:

  • parent=(child-1)/2
  • leftchild=parent*2+1
  • rightchild=parent*2+2

结束循环条件:child < size (❌child+1 < size && child <size)

时间复杂度:O(logN)-- 高度次(后面细讲)

int array[] = {27,15,19,18,28,34,65,49,25,37};

Adjustdown(php->a, php->size, 0);
//向下调整
void Adjustdown(HpDataType* a, int size, int parent)
{
  //假设法
  int child = parent * 2 + 1;
  while (child < size )//why child < size && child+1<size
  {
    if (child + 1 < size && a[child + 1] < a[child])
    {
      child++;
    }
    //比较
    if (a[child] < a[parent])
    {
      //交换
      Swap(&a[child], &a[parent]);
      parent = child;
      child = child * 2 + 1;
    }
    else//>=
    {
      break;
    }
  }
}
//交换
void Swap(HpDataType* H1, HpDataType* H2)
{
  HpDataType tmp = *H1;
  *H1 = *H2;
  *H2 = tmp;
}

下篇重点:

  • 建堆(方式/时间复杂度)
  • 堆排序
  • ToK问题

🙂感谢大家的阅读,若有错误和不足,欢迎指正!

目录
相关文章
|
存储 算法 C语言
二叉树的概念和性质/向上调整、向下调整算法/堆的插入和删除/堆排序/Top-K问题【上】【数据结构/二叉树/初阶/C语言实现】
二叉树的概念和性质/向上调整、向下调整算法/堆的插入和删除/堆排序/Top-K问题【上】【数据结构/二叉树/初阶/C语言实现】
78 0
|
7月前
|
算法
TOP-K问题和向上调整算法和向下调整算法的时间复杂度问题的分析
TOP-K问题和向上调整算法和向下调整算法的时间复杂度问题的分析
57 1
|
存储 算法
【数据结构初阶】第七篇——二叉树的顺序结构及实现(堆的向下,向上调整算法)
【数据结构初阶】第七篇——二叉树的顺序结构及实现(堆的向下,向上调整算法)
【数据结构初阶】第七篇——二叉树的顺序结构及实现(堆的向下,向上调整算法)
|
机器学习/深度学习 算法 测试技术
C++前缀和算法的应用:向下取整数对和 原理源码测试用例
C++前缀和算法的应用:向下取整数对和 原理源码测试用例
|
存储 算法 搜索推荐
数据结构 | 堆的向上调整和向下调整算法【奇妙的堆排序】
详细介绍有关数据结构【堆】的向上调整算法和向上调整算法,内附分布式分析算法图
374 0
数据结构 | 堆的向上调整和向下调整算法【奇妙的堆排序】
|
算法 索引
【算法专题】使用递归取数组的平均值(向下取整)
【算法专题】使用递归取数组的平均值(向下取整)
|
13天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
19天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
6天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
6天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如&quot;How are you&quot;、&quot;I am fine&quot;、&quot;I love you&quot;等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。