数据结构学习记录——堆的小习题(对由同样的n个整数构成的二叉搜索树(查找树)和最小堆,下面哪个说法是不正确的)

简介: 数据结构学习记录——堆的小习题(对由同样的n个整数构成的二叉搜索树(查找树)和最小堆,下面哪个说法是不正确的)

习题一

一、下列序列中哪个是最小堆

AA.2,55,52,72,28,98,71

BB.2,28,71,72,55,98,52

CC.2,28,52,72,55,98,71

DD.28,2,71,72,55,98,52

习题二

二、在最大堆 {97,76,65,50,49,13,27}中插入83后,该最大堆为:

AA.{97,76,65,83,49,13,27,50}

BB.{97,83,65,76,49,13,27,50}

CC.{97,83,65,76,50,13,27,49}

DD.{97,83,65,76,49,50,13,27}

习题三

对由同样的n个整数构成的二叉搜索树(查找树)和最小堆,下面哪个说法是不正确的:

AA.二叉搜索树(查找树)高度大于等于最小堆高度

BB.对该二叉搜索树(查找树)进行中序遍历可得到从小到大的序列

CC..从最小堆根结点到其任何叶结点的路径上的结点值构成从小到大的序列

DD.对该最小堆进行按层序(level order)遍历可得到从小到大的序列

答案区

题目 答案
习题一 C
习题二 B
习题三 D

解析区

习题一

习题一就是一道简单的考察最小堆定义的题目,我们把数组转化成完全二叉树的形式来看,很快就可以得出答案:        

故而最终选择的是C选项。

习题二

习题二考察堆的插入操作。

我们先把这个最大堆画出来:

插入结点83:

然后进行调整:

故而就可以得到插入结点83之后的堆了,选B选项。

习题三

习题三考察的是对二叉搜索树和最小堆两个结构的理解和简单应用。

  • A选项,二叉搜索树高度大于等于最小堆高度。

在二叉搜索树中,每个结点的值都大于其左子树中的所有结点的值,小于其右子树中的所有结点的值。所以,二叉搜索树的高度取决于结点在树中的排列方式。


如果考虑最好的情况,二叉搜索树的排列方式完全平衡,即为一颗平衡二叉树,那么它的高度就为log2N

2

。如果考虑最坏的情况,二叉搜索树的排列方式呈现为斜二叉树,那么它的高度就为N

N

。(N为结点数)


相比之下,最小堆是一种完全二叉树,其中每个结点的值都小于或等于其子结点的值。


因此,最小堆的高度取决于结点数,而不是结点排列方式。具体来说,最小堆的高度为log2N

2

。(N为结点数)


所以一般情况下,二叉搜索树的高度是大于等于最小堆的高度的。

A选项正确。


B选项,对该二叉搜索树(查找树)进行中序遍历可得到从小到大的序列。

前面我们讲过了,在二叉搜索树中,每个结点的值都大于其左子树中的所有结点的值,小于其右子树中的所有结点的值。


而中序遍历的顺序是先左子树->根节点->右子树,因此中序遍历得到的序列是从小到大排列的。


B选项正确。

C选项,从最小堆根结点到其任何叶结点的路径上的结点值构成从小到大的序列。

这句话就是堆的性质,是最小堆的有序性,在“什么是堆”中就已经学习过。


C选项正确。


D选项,对该最小堆进行按层序(level order)遍历可得到从小到大的序列

对于最小堆而言,每个结点的值都小于等于其子结点的值。


而层序遍历是从根结点开始,先遍历根结点,然后按照从上到下、从左到右的顺序依次遍历每一层的结点。很显然,这样遍历一个堆是不一定能拿到一个从小到大的序列的。

例如习题一的C选项:

它为最小堆,但是按层序遍历得到的序列为:2,28,52,72,55,98,71。

并不是从小到大的。

因为最小堆的性质只保证了每个结点的值都小于等于其子结点的值,但并没有保证同一层结点之间的大小关系。

因此,按层序遍历得到的序列可能存在某些结点之间的大小关系不符合从小到大的顺序。

故而,D选项错误。

综上,习题三选择的是不正确的选项,即D选项。

 


end



目录
相关文章
|
8天前
|
算法 Java
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
33 3
 算法系列之数据结构-Huffman树
|
4天前
|
存储 自然语言处理 数据库
【数据结构进阶】AVL树深度剖析 + 实现(附源码)
在深入探讨了AVL树的原理和实现后,我们不难发现,这种数据结构不仅优雅地解决了传统二叉搜索树可能面临的性能退化问题,还通过其独特的平衡机制,确保了在任何情况下都能提供稳定且高效的查找、插入和删除操作。
40 19
|
10天前
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
54 22
|
9天前
|
C语言 C++ 容器
【数据结构】二叉搜索树(二叉排序树)
本文介绍了二叉搜索树(Binary Search Tree, BST)的定义、实现及其性能分析。二叉搜索树是一种特殊的二叉树,其特点是左子树所有节点值小于根节点值,右子树所有节点值大于根节点值,且每个子树也满足此特性。文中详细讲解了BST的节点结构、插入、查找、删除等操作的实现,并通过C++代码展示了这些功能。此外,还讨论了BST的性能:在理想情况下,时间复杂度接近O(logN),但在最坏情况下可能退化为O(N)。为了提高效率,后续将学习自平衡二叉搜索树如AVL树和红黑树。掌握BST有助于理解STL中的set和map容器。感谢阅读,欢迎点赞支持。
35 9
|
2月前
|
存储 C++
【C++数据结构——树】哈夫曼树(头歌实践教学平台习题) 【合集】
【数据结构——树】哈夫曼树(头歌实践教学平台习题)【合集】目录 任务描述 相关知识 测试说明 我的通关代码: 测试结果:任务描述 本关任务:编写一个程序构建哈夫曼树和生成哈夫曼编码。 相关知识 为了完成本关任务,你需要掌握: 1.如何构建哈夫曼树, 2.如何生成哈夫曼编码。 测试说明 平台会对你编写的代码进行测试: 测试输入: 1192677541518462450242195190181174157138124123 (用户分别输入所列单词的频度) 预
72 14
【C++数据结构——树】哈夫曼树(头歌实践教学平台习题) 【合集】
|
2月前
|
Java C++
【C++数据结构——树】二叉树的基本运算(头歌实践教学平台习题)【合集】
本关任务:编写一个程序实现二叉树的基本运算。​ 相关知识 创建二叉树 销毁二叉树 查找结点 求二叉树的高度 输出二叉树 //二叉树节点结构体定义 structTreeNode{ intval; TreeNode*left; TreeNode*right; TreeNode(intx):val(x),left(NULL),right(NULL){} }; 创建二叉树 //创建二叉树函数(简单示例,手动构建) TreeNode*create
61 12
|
2月前
|
C++
【C++数据结构——树】二叉树的性质(头歌实践教学平台习题)【合集】
本文档介绍了如何根据二叉树的括号表示串创建二叉树,并计算其结点个数、叶子结点个数、某结点的层次和二叉树的宽度。主要内容包括: 1. **定义二叉树节点结构体**:定义了包含节点值、左子节点指针和右子节点指针的结构体。 2. **实现构建二叉树的函数**:通过解析括号表示串,递归地构建二叉树的各个节点及其子树。 3. **使用示例**:展示了如何调用 `buildTree` 函数构建二叉树并进行简单验证。 4. **计算二叉树属性**: - 计算二叉树节点个数。 - 计算二叉树叶子节点个数。 - 计算某节点的层次。 - 计算二叉树的宽度。 最后,提供了测试说明及通关代
60 10
|
2月前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
61 2
|
4月前
|
存储 缓存 算法
在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式
在C语言中,数据结构是构建高效程序的基石。本文探讨了数组、链表、栈、队列、树和图等常见数据结构的特点、应用及实现方式,强调了合理选择数据结构的重要性,并通过案例分析展示了其在实际项目中的应用,旨在帮助读者提升编程能力。
111 5
|
4月前
|
算法
数据结构之文件系统模拟(树数据结构)
本文介绍了文件系统模拟及其核心概念,包括树状数据结构、节点结构、文件系统类和相关操作。通过构建虚拟环境,模拟文件的创建、删除、移动、搜索等操作,展示了文件系统的基本功能和性能。代码示例演示了这些操作的具体实现,包括文件和目录的创建、移动和删除。文章还讨论了该算法的优势和局限性,如灵活性高但节点移除效率低等问题。
100 0