【数据结构】二叉树的顺序结构及实现(堆)

1.二叉树的顺序结构

普通的二叉树是不适合用数组来存储的,因为可能会存在大量的空间浪费。而完全二叉树更适合使用顺序结 构存储。现实中我们通常把堆(一种二叉树)使用顺序结构的数组来存储,需要注意的是这里的堆和操作系统 虚拟进程地址空间中的堆是两回事,一个是数据结构,一个是操作系统中管理内存的一块区域分段。

【数据结构】二叉树的顺序结构及实现(堆)_第1张图片 

 2.堆的概念及结构

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

其中堆也可以分为大堆小堆。堆中根节点最大,向下递减的是大堆;根节点最小,向下递增的是小堆;

【数据结构】二叉树的顺序结构及实现(堆)_第2张图片

3.堆的实现

3.1堆向下调整算法

现在我们给出一个数组,逻辑上看做一颗完全二叉树。我们通过从根节点开始的向下调整算法可以把它调整 成一个小堆。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。

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

【数据结构】二叉树的顺序结构及实现(堆)_第3张图片

 3.2堆的创建

下面我们给出一个数组,这个数组逻辑上可以看做一颗完全二叉树,但是还不是一个堆,现在我们通过算 法,把它构建成一个堆。根节点左右子树不是堆,我们怎么调整呢?这里我们从倒数的第一个非叶子节点的 子树开始调整,一直调整到根节点的树,就可以调整成堆。

int a[] = {1,5,3,8,7,6}; 

【数据结构】二叉树的顺序结构及实现(堆)_第4张图片

 3.3建堆的时间复杂度

因为堆是完全二叉树,而满二叉树也是完全二叉树,此处为了简化使用满二叉树来证明(时间复杂度本来看的 就是近似值,多几个节点不影响最终结果):

【数据结构】二叉树的顺序结构及实现(堆)_第5张图片

因此:向下调整建堆的时间复杂度为:O(N)。 

3.4堆的插入

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。

【数据结构】二叉树的顺序结构及实现(堆)_第6张图片

 3.5堆的删除

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。

【数据结构】二叉树的顺序结构及实现(堆)_第7张图片

3.6堆的代码实现

typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}HP;

void HeapCreate(HP* hp, HPDataType* a);		//堆的构建
void HpDestroy(HP* hp);		//堆的销毁
void HpPush(HP* hp,HPDataType x);		//堆的插入
void HpPop(HP* hp);			//堆的删除
HPDataType HpTop(HP* hp);		//取堆顶的数据
int HeapSize(HP* hp);		//堆的数据个数
bool HpEmpty(HP* hp);		//堆的判空

3.7堆的应用

3.71堆排序

堆排序即利用堆的思想来进行排序,总共分为两个步骤:

1. 建堆 升序:建大堆 降序:建小堆

2. 利用堆删除思想来进行排序 建堆和堆删除中都用到了向下调整,因此掌握了向下调整,就可以完成堆排序。

3.72 TOP-K问题

TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。

比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。

对于Top-K问题,能想到的最简单直接的方式就是排序,但是:如果数据量非常大,排序就不太可取了(可能 数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决,基本思路如下:

1. 用数据集合中前K个元素来建堆 前k个最大的元素,则建小堆 前k个最小的元素,则建大堆

2. 用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素

你可能感兴趣的:(数据结构,算法)