我們期望的數據結構能支持插入操作,並能方便地從中取出具有最小或最大關鍵碼的記錄,這樣的數據結構即為優先級隊列。在優先級隊列的各種實現中,堆是最高效的一種數據結構。
最小堆:任一結點的關鍵碼均小於或等於它的左右子女的關鍵碼,位於堆頂的結點的關鍵碼是整個元素集合的最小的,所以稱它為最小堆。最大堆類似定義。
創建堆:采用從下向上逐步調整形成堆得方法來創建堆。為下面的分支結點調用下調算法siftDown,將以它們為根的子樹調整為最小堆。從局部到整體,將最小堆逐步擴大,直到將整個樹調整為最小堆。
插入一個元素:最小堆的插入算法調用了另一種堆得調整方法siftUp,實現自下而上的上滑調整。因為每次新結點總是插在已經建成的最小堆後面,這時必須遵守與sift相反的比較路徑,從下向上,與父結點的關鍵碼進行比較,對調。
刪除一個元素:從最小堆刪除具有最小關鍵碼記錄的操作時將最小堆的堆頂元素,即其完全二叉樹的順序表示的第0號元素刪去,去把這個元素取走後,一般以堆得最後一個結點填補取走的堆頂元素,並將堆的實際元素個數減1.但是用最後一個元素取代堆頂元素將破壞堆,需要調用siftDown算法進行調整堆。
本文代碼均以最小堆的實現為例。
代碼如下:
#include<iostream>
#include<assert.h>
usingnamespace std;
constint maxheapsize=100;
staticint currentsize=0;
//從上到下調整堆
void siftDown(int* heap,int currentPos,int m)
{
int i=currentPos;
int j=currentPos*2+1;//i's leftChild
int temp=heap[i];
while(j<=m)
{
if(j<m&&heap[j]>heap[j+1]) j++;// j points to minChild
if(temp<=heap[j]) break;
else
{
heap[i]=heap[j];
i=j;
j=2*i+1;
}
}
heap[i]=temp;
}
//從下向上調整堆
void siftUp(int* heap, int start)
{
int i=start,j=(i-1)/2;
int temp=heap[i];
while(i>0)
{
if(heap[j]>temp)
{
heap[i]=heap[j];
i=j;
j=(i-1)/2;
}
elsebreak;
}
heap[i]=temp;
}
//構建堆
int* Heap(int*arr, int size)
{
int i;
currentsize=size;
int* heap =newint[maxheapsize];
assert(heap!=NULL);
for(i=0;i<currentsize;i++) heap[i]=arr[i];
int currentPos=(currentsize-2)/2;
while(currentPos>=0)
{
siftDown(heap,currentPos,currentsize-1);
currentPos--;
}
return heap;
}
//增加一個元素
void insert(int* heap,int value)
{
if(currentsize>=maxheapsize)
{
cout<<"Heap is full!"<<endl;
return ;
}
heap[currentsize]=value;
siftUp(heap,currentsize);
currentsize++;
}
//刪除一個元素,並返回刪除前的堆頂元素
int removemin(int* heap)
{
assert(currentsize>=0);
int removeValue=heap[0];
heap[0]=heap[currentsize-1];
currentsize--;
siftDown(heap,0,currentsize-1);
return removeValue;
}
int main()
{
constint size=10;
int arr[size]={2,1,3,0,8,1,6,9,7,10};
int* heap=Heap(arr,size);
//堆排序
for(int i=0;i<size;i++)
{
arr[i]=removemin(heap);
cout<<arr[i]<<endl;
}
delete []heap;
return0;
}