编程语言
首页 > 编程语言> > [数据结构与算法] 优先级队列/堆队列 完全二叉堆 左式堆

[数据结构与算法] 优先级队列/堆队列 完全二叉堆 左式堆

作者:互联网

学习 清华大学 尊敬的邓俊辉老师的C++数据结构与算法课程 第10章 优先级队列,本文旨在摘要和心得体会。

文章目录

1 优先级队列需求

计算机系统里CPU的任务调度,访\color{red}{循优先级访问}循优先级访问。
不同于队列结构的先进先出,找队列里最大值先出。
约定:优先级队列里的每个数据项目都有一个关键码key,可以进行比较大小(可依靠重载比较操作符实现),关键码越大,优先级越高。
操作接口描述:

操 作 接 口 功 能 描 述
size() 报告优先级队列的规模,即其中词条的总数
insert() 将指定词条插入优先级队列
getMax() 返回优先级最大的词条(若优先级队列非空)
delMax() 删除优先级最大的词条(若优先级队列非空)

借助无序列表、有序列表、无序向量或有序向量,都难以同时兼顾insert()和
delMax()操作的高效率。而采用一些树结构如平衡二叉搜索树BBST又有点牛刀杀鸡,需要一种轻量级的数据结构,只需要考虑最大值,无需全部排序(无需维护全序,只需要关心“偏序”),使得我们能在效率和消耗上有一个平均,能完成我们需要的ADT接口。

2 完全二叉堆

2.1 定义

何为堆?

常见的堆有完全二叉堆。\color{red}完全二叉堆性质:结构性与堆序性完全二叉堆性质:结构性与堆序性
由于完全二叉树性质,n个词条组成的堆的高度h =1og2n\mathbf{1} \mathbf{o} \mathbf{g}_{2} \mathbf{n}1og2​n = O(logn)。

基于向量的紧凑表示:
在这里插入图片描述

2.2 getMax()

取出最顶端元素的操作即是返回向量的首单元_elem[0]。

2.3 insert() 插入与上滤

插入算法分为两个步骤:
首先将新词条接至向量末尾;
再对该词条实现上滤调整。

template <typename T> void PQ_ComplHeap<T>::insert ( T e ) { 
Vector<T>::insert ( e );  //首先将新词条接至向量末尾
percolateUp ( _size - 1 ); //再对该词条实现上滤调整

在这里插入图片描述
\color{red}上滤上滤:将插入的新节点与其父节点比较,若大于父节点值,则进行节点交换,交换后再次将这个新插入节点与新的父节点比较;若小于父节点值,则算是完成上滤过程。若来插入的新节点来到堆顶,也算是完成了上滤过程。
整体时间复杂度:O(logn)。
\color{red}效率改进效率改进
代码里每次需要交换swap需要三次赋值操作,时间复杂度就是3*logn。
改进后步骤:
(1)插入新节点后,新节点数值赋值给一个副本;
(2)进行不断比较,新节点值大于父节点则需要一次赋值操作(只将父节点值往下移);
(3)直到找到一个父节点比自身大,停止比较,将新节点数值赋值给上次的父节点。
如下图的表示,时间复杂度就是2+logn。
在这里插入图片描述

2.4 delMax() 删除与下滤

删除算法分为两个步骤:
对新堆顶实施下滤;
返回此前备份的最大词条。

 template <typename T> T PQ_ComplHeap<T>::delMax() { //删除非空完全二叉堆中优先级最高的词条
 T maxElem = _elem[0]; _elem[0] = _elem[ --_size ]; //删除堆顶(首词条),代之以末词条
 percolateDown ( _size, 0 ); //对新堆顶实施下滤
 return maxElem; //返回此前备份的最大词条
 }

\color{red}下滤下滤:
父节点与子节点的不断的比较与交换,直到下滤完成。
在这里插入图片描述

2.5 heapification 建堆

给定一组无序词条,如何快速组建成堆结构?
蛮力算法(自上而下的上滤):
从空堆开始,不断调用insert(),将词条插入。时间复杂度大。
o(log1+log2++logn)=O(logn!)=o(nlogn)o(\log 1+\log 2+\ldots+\log n)=O(\log n !)=o(n \log n)o(log1+log2+…+logn)=O(logn!)=o(nlogn)

Floyd 建堆算法(自下而上的下滤):
依照层次遍历顺序找到最后一个子节点,不断通过下滤来合并堆(和父节点比较和交换过程)。
时间复杂度
i=0n((di)2i)=2d+1(d+2)=nlog2(n+1)=o(n)\sum_{i=0}^{n}\left((d-i) \cdot 2^{i}\right)=2^{d+1}-(d+2)=n-\log _{2}(n+1)=o(n)∑i=0n​((d−i)⋅2i)=2d+1−(d+2)=n−log2​(n+1)=o(n)

template <typename T> void PQ_ComplHeap<T>::heapify ( Rank n ) { //Floyd建堆算法,O(n)时间
for ( int i = LastInternal ( n ); InHeap ( n, i ); i-- ) //自底而上,依次
percolateDown ( n, i ); //下滤各内部节点
}

在这里插入图片描述

2.6 就地堆排序

M是堆顶元素,和堆尾元素交换,然后对x进行下滤再次将剩余部分组建成堆;重复取出堆顶元素的操作和下滤操作,直至空堆后结束。

 template <typename T> void Vector<T>::heapSort ( Rank lo, Rank hi ) { //0 <= lo < hi <= size
 PQ_ComplHeap<T> H ( _elem + lo, hi - lo ); //将待排序匙间建成一个完全二叉堆,O(n)
 while ( !H.empty() ) //反复地摘除最大元并归入已排序癿后缀,直至堆空
 _elem[--hi] = H.delMax(); //等效于堆顶不末元素对换后下滤
 }

在这里插入图片描述
时间复杂度O(nlogn),空间复杂度几乎就地。但算法不稳定。

排序方法 平均时间 最好时间 最坏时间
桶排序(不稳定) O(n) O(n) O(n)
基数排序(稳定) O(n) O(n) O(n)
归并排序(稳定) O(nlogn) O(nlogn) O(nlogn)
快速排序(不稳定) O(nlogn) O(nlogn) O(n^2)
堆排序(不稳定) O(nlogn) O(nlogn) O(nlogn)
希尔排序(不稳定) O(n^1.25)
冒泡排序(稳定) O(n^2) O(n) O(n^2)
选择排序(不稳定) O(n^2) O(n^2) O(n^2)
直接插入排序(稳定) O(n^2) O(n) O(n^2)

3 左式堆

3.1 堆合并

有两个堆A和B,需要合并。
不理想的方法一:
反复取出堆B的最大词条并插入堆A中;当堆B为空时,堆A即为所需的堆H。O(mlogn)
不理想的方法二:
用Floyd 建堆算法直接将所有元素重建。O(n)

3.2 左式堆

左式堆(leftist heap)是优先级队列的另一实现方式,可高效地支持堆合并操作。
左式堆的节点的分布均偏向左侧,不再满足堆的结构性,故不再使用向量实现,而是采用二叉树。
在这里插入图片描述
节点x的空节点路径长度(null path length),记作npl(x)。若x为外部节点,则约定
npl(x) = npl(null) = 0。反之若x为内部节点,则npl(x)可递归地定义为:
npl(x) = 1 + min( npl(lc(x)), npl(rc(x)) )
也就是说,节点x的npl值取决于其左、右孩子npl值中的小者。
左式堆是处处满足“左倾性”的二叉堆,即任一内部节点x都满足
npl(lc(x)) >= npl(rc(x))
也就是说,就npl指标而言,任一内部节点的左孩子都不小于其右孩子。
在这里插入图片描述

3.3 左式堆合并算法

一言以蔽之:递归地去维护一个左倾。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.4 左式堆 插入

等效于合并:新元素自成一个堆,原来的堆一个堆,两个堆合并。

3.5 左式堆 删除

等效于合并:删除了顶元素,剩下的两个堆合并在一起。

x1131230123 发布了95 篇原创文章 · 获赞 5 · 访问量 1万+ 私信 关注

标签:npl,词条,下滤,队列,二叉,优先级,节点,左式
来源: https://blog.csdn.net/x1131230123/article/details/104493844