堆与二叉树(上)

本篇主要讲的是一些概念,推论和堆的实现(核心在堆的实现这一块)

涉及到的一些结论,证明放到最后,可以选择跳过,知识点过多,当复习一用差不多,如果是刚学这一块的,建议打勾的概念多留意,推论前三个相似,了解其中一个即可,重点看推论四(主要是和堆的实现有关),一定要动手实现堆排序哦,希望对你们有帮助


讲堆之前我们先介绍一下 树 的概念

一 . 树的概念

什么是树?

树是一种非线性的数据结构,它是由n(n>=0)个有限结点组成一个具有层次关系的集合。它的结构很像一棵倒过来的树

正因为这一点,有些结构的名称就可以跟数联系起来

  • 其中一个特殊的节点叫作根节点,它没有前驱结点
  • 除根节点以外,其余若干个集合叫作子树(子树之间不能相交)
  • 除根节点以外,每个父节点都有一个前驱结点

错误的图示

树的相关知识

图例:

节点的度:一个节点含有的子树的个数称为该节点的度; 如上图:A的为6

叶节点或终端节点:度为0的节点称为叶节点; 如上图:B、C、H、I...等节点为叶节点

非终端节点或分支节点:度不为0的节点; 如上图:D、E、F、G...等节点为分支节点

双亲节点或父节点:若一个节点含有子节点,则这个节点称为其子节点的父节点; 如上图:A是B的父节点 (注:A不仅是根节点,也是父节点)

孩子节点或子节点:一个节点含有的子树的根节点称为该节点的子节点; 如上图:B是A的孩子节点

兄弟节点:具有相同父节点的节点互称为兄弟节点; 如上图:B、C是兄弟节点

树的度:一棵树中,最大的节点的度称为树的度; 如上图:树的度为6

节点的层次:从根开始定义起,根为第1层,根的子节点为第2层,以此类推

树的高度或深度:树中节点的最大层次; 如上图:树的高度为4

堂兄弟节点:双亲在同一层的节点互为堂兄弟;如上图:H、I互为兄弟节点

节点的祖先:从根到该节点所经分支上的所有节点;如上图:A是所有节点的祖先

子孙:以某节点为根的子树中任一节点都称为该节点的子孙。如上图:所有节点都是A的子孙

森林:由m(m>0)棵互不相交的树的集合称为森林;

二.  二叉树

二叉树的概念

二叉树是一种特殊的树

每个父节点都最多有两个子节点

图例1

特殊的二叉树

  1. 满二叉树

       要求每一个父节点必须有两个子节点(如上述图例1

     2. 完全二叉树

      要求节点是连续存放的

(这里用数组的存储形式来说明)

正确示范:

错误示范:

二叉树的一些推论

规定根节点的层数为 1 ,总层数为 h ,节点个数为 n

      推论1

      已知总层数为 h,求最后一层的节点个数的最大值:

      2 ^(h - 1)

      推论2

       已知节点个数为 n,求具有n个结点的满二叉树的深度 h

     

      推论3

     若根节点层数为1(保证不是空树),已知深度为 h ,则求二叉树的最大节点数:

       推论4

         已经节点总个数 n 的完全二叉树 ,从第一个根节点开始以 0 编号,从左到右,从上到下编号依次增加 1

        求 父节点 和 左右孩子节点 的关系(parent , child 1 和 child2 都是下标)

        a. 若知道 parent:

       则 child1 = parent * 2 + 1

      child2 = parent * 2 + 2

       b. 若知道 child (无论哪个孩子下标都可以):

      则 parent = (child - 1) / 2

推论5

对任何一棵二叉树, 如果度为0其叶结点个数为 n0 , 度为2的分支结点个数为 n2 ,

则有 n0 = n2 +1

证明推论5

用图例阐明遇到的情况:

我们发现当 n1 + 1 ,意味着 n0 - 1

n2 + 1 , 意味着 n1 - 1


证明推论1

证明推论2

 证明推论3

是推论2

(即是满二叉树)

 证明推论4

完全二叉树有一个性质,它是连续存放的

第一个结论通过画图我们很容易就得到了

第二个结论主要注意的是:

由于下标都是 int 类型的,最终得到的一定是整数

证明推论5

用图例阐明遇到的情况:

我们发现当 n1 + 1 ,意味着 n0 - 1

n2 + 1 , 意味着 n1 - 1

三 . 二叉树的储存结构

二叉树有两种储存形式:

一个是 顺序储存结构 , 另一个是 链式储存结构

  1. 顺序结构存储就是使用数组来存储,一般使用数组只适合表示完全二叉树,因为不是完全二叉树就会有空间的浪费

图例

      2. 二叉树的链式存储结构是指,用链表来表示一棵二叉树,

     一般两个指针存放左右孩子的节点

图例

四 . 堆的概念

堆的性质

堆满足以下性质:

  1. 是一棵 完全二叉树
  2. 只有 小堆 或者 大堆

(小堆:父节点的值永远小于等于两个孩子节点的值;

大堆:父节点的值永远大于等于两个孩子节点的值)

图例

堆的实现

1. 堆的排序

堆的排序有两种:向上排序法 和 向下排序法(这里用顺序结构)

向上排序法

该方法可以在一个个把数值放进去的同时进行排序

实现思路如下:

父节点下标从 0 开始,一个节点也是一个堆(所以放入第一个数的时候是不用进行排序的),后面的数先把值放入数组,再进行与父节点进行对比(已知 child 下标,求 parent 下标,回到推论4

[由于可能发生多次交换问题,这里需要用到循环]

如果 父节点 的值 大于 子节点 的值(排小堆),则交换;

如果 父节点 的值 小于 子节点 的值(排大堆),则交换.

并且 此时 child 下标 和 parent 下标都要发生改变,让上一个父节点和上一个子节点作比较

注意:想要改变两个值,一定要传地址

结束条件:

如果不用交换可以跳出循环

或者到 child > 0 时,跳出循环


代码

void swap(int* p1, int* p2)
{
	if (*p1 == *p2)
	{
		return;
	}
	else
	{
		int tmp = *p1;
		*p1 = *p2;
		*p2 = tmp;
	}
}
void upAdjust(int* pa, int n)
{
	for (int i = 1; i < n; i++)
	{
		int child = i;
		int parent = (child - 1) / 2;
		while (child > 0)
		{
			if (pa[parent] > pa[child])
			{
				swap(&pa[parent], &pa[child]);
				child = parent;
				parent = (child - 1) / 2;
			}
			else
			{
				break;
			}
		}
	}

}

向下排序法

给一组无序数组,我们给它排序,这里需要我们从最后一棵子树(度不为0)的父节点和它的子节点开始倒着排序

像这样:

我们以第一棵树为例(序号为1的树)

这里更容易找到子节点 , 然后根据公式推出父节点

但是我们的思路是 让父节点与 (更小的)子节点比较(升序),或者与(更大的)子节点比较 (降序)

这里的子节点需要通过比较确定,所以我们先去找父节点的下标起

parent = (n - 1) / 2

child = parent * 2 + 1(假设第一个节点就是我们需要比较的那个节点)

再与第二个节点进行对比,确定 child 下标(判断时为了防止没有第二个子节点而越界的情况,一定要对其进行判断)

对比 父节点 和 子节点 的值

我们还需要向下调整

此时 parent = child

child = parent * 2 + 1

一直到 child >= n (这是最内层的循环结束条件)

比完第一棵树,再比第二棵树

此时 parent -= 1 (完全二叉树是连续的)

注意:由于可能发生连续向下的调整,导致 parent 的值会发生改变,所以我们需要得到第一棵树最开始的 parent

child = parent * 2 + 1

重复上述动作,直到

parent >= 0(这是最外层的循环条件)


代码

void swap(int* p1, int* p2)
{
	if (*p1 == *p2)
	{
		return;
	}
	else
	{
		int tmp = *p1;
		*p1 = *p2;
		*p2 = tmp;
	}
}
void downAdjust(int* pa, int parent, int n)
{
	int child = parent * 2 + 1;
	while (child < n)
	{
		if (child + 1 < n && pa[child] > pa[child + 1])
		{
			child++;
		}
		if (pa[parent] > pa[child])
		{
			swap(&pa[parent], &pa[child]);
		}
		parent = child;
		child = parent * 2 + 1;
	}
}

2. 实现堆

堆的实现分几步:(这里用顺序结构)

堆的步骤

a. 构造一个堆的结构体

结构体成员:

存放整型数组的指针 : int *a

整个数组的元素个数 : int size

整个数组的的容量 : int capacity

b. 初始化结构体

size = 0

让 a 动态开辟 4 * sizeof(int) 个字节

capacity = 4

c. 放入元素

创建一个自定义函数放入元素

注意:

若 size ==capacity,开辟 sizeof( int ) * capacity * 2 的字节

capacity = capacity * 2

先一个个从插入元素,再进行调整(这里我们用向上调整法)

size++

d. 判断是否为空

创建一个自定义函数,判断数组里面是否还有元素很简单,只要判断

size == 0 即可

e. 删除元素(这里我们的删除一定是删除根节点的值)

创建一个自定义函数删除元素

删除元素第一步是一定要判断是否为空

为了继续维护堆,我们需要一个元素覆盖根节点的值,从而抹去这个值,但是如果根节点与它的子节点直接进行覆盖,会破坏之前的大堆(或 小堆)

所以我们的办法是:

把根节点的值与最后一个值交换(保证其它的父子关系不变)

size--

我们再使用 向下调整法

f. 打印堆

g. 释放堆的空间


代码

#include<stdio.h>
#include<assert.h>
#include<stdlib.h>
typedef struct HeapList
{
	int* a;
	int size;
	int capacity;
}HP;
void InitHeap(HP *heap)
{
	int* pa = (int*)malloc(sizeof(int) *  4);
	if (pa == NULL)
	{
		perror("realloc");
		return;
	}
	heap->a = pa;
	heap->capacity = 4;
	heap->size = 0;
}
void swap(int* p1, int* p2)
{
	if (*p1 == *p2)
	{
		return;
	}
	else
	{
		int tmp = *p1;
		*p1 = *p2;
		*p2 = tmp;
	}
}
void upAdjust(int* pa, int n)
{
	for (int i = 1; i < n; i++)
	{
		int child = i;
		int parent = (child - 1) / 2;
		while (child > 0)
		{
			if (pa[parent] > pa[child])
			{
				swap(&pa[parent], &pa[child]);
				child = parent;
				parent = (child - 1) / 2;
			}
			else
			{
				break;
			}
		}
	}

}
void downAdjust(int* pa, int parent, int n)
{
	int child = parent * 2 + 1;
	while (child < n)
	{
		if (child + 1 < n && pa[child] > pa[child + 1])
		{
			child++;
		}
		if (pa[parent] > pa[child])
		{
			swap(&pa[parent], &pa[child]);
		}
		parent = child;
		child = parent * 2 + 1;
	}
}
void HeapPush(HP* heap ,int x)
{
	if (heap->size == heap->capacity)
	{
		int* pa = (int*)realloc(heap->a, sizeof(int) * heap->capacity * 2);
		if (pa == NULL)
		{
			perror("realloc");
			return;
		}
		heap->a = pa;
		heap->capacity = heap->capacity * 2;
	}
	heap->a[heap->size] = x;
	heap->size++;
	upAdjust(heap->a, heap->size);
}
bool IsEmpty(HP* heap)
{
	return heap->size == 0;
}
void HeapPop(HP* heap)
{
	assert(!IsEmpty(heap));
	swap(&heap->a[0], &heap->a[heap->size - 1]);
	heap->size--;
	downAdjust(heap->a, 0, heap->size);
}
void PrintHeap(HP* heap)
{
	for (int i = 0; i < heap->size; i++)
	{
		printf("%d ", heap->a[i]);
	}
	printf("\n");
}
void DestoryHeap(HP* heap)
{
	free(heap->a);
	heap->a = NULL;
	heap->size = heap->capacity = 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/254298.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

shell实现折线图

生成 100 行数据到文件 file.txt for ((i1; i<100; i));doif [ ${i} -lt 10 ];thennum$(( (RANDOM % 5) 10 i ))elsenum$(( (RANDOM % 5) 10 15 ))fiecho ${num} done 通过文件 file.txt 生成折线图 #!/bin/bash# 指定文件名&#xff0c;该文件必须为数字 file./file.…

Redis最实用的基础入门数据结构和常用指令使用教程

1.单线程redis操作为什么那么快&#xff1f; 一方面&#xff0c;Redis 的大部分操作在内存上完成&#xff0c;再加上它采用了高效的数据结构&#xff0c;例如哈希表和跳表&#xff0c;这是它实现高性能的一个重要原因。另一方面&#xff0c;就是 Redis 采用了多路复用机制&…

patchless amsi学习(中)

DR7 DR7被称为“调试控制寄存器”&#xff0c;允许对每个硬件断点进行精细控制。其中&#xff0c;前8位控制是否启用了特定的硬件断点。偶数位&#xff08;0、2、4、6&#xff09;称为L0-L3&#xff0c;在本地启用了断点&#xff0c;这意味着仅在当前任务中检测到断点异常时才…

配置Nginx解决跨域问题

Nginx 中将前端请求中的所有以 “/apiUrl” 开头的路径代理到 http://192.12.200.101:9813 例如&#xff1a; /apiUrl/login > http://192.12.200.101:9813/login 配置nginx环境 进入Nginx 的配置文件编辑界面: sudo nano /etc/nginx/conf.d/default.conf开始编辑 defaul…

7.实现任务的rebalance

1.设计 1.1 背景 系统启动后&#xff0c;所有任务都在被执行&#xff0c;如果这时某个节点宕机&#xff0c;那它负责的任务就不能执行了&#xff0c;这对有稳定性要求的任务是不能接受的&#xff0c;所以系统要实现rebalance的功能。 1.2 设计 下面是Job分配与执行的业务点…

使用案例总结Vlookup函数的30种用法

1 基础用法 =VLOOKUP(A12,B$1:D$8,3,0) 2 批量查找 =VLOOKUP(A11:A13,A2:C8,3,0) 3 模糊查找 =VLOOKUP("*"&D2&"*",A:B,2,0) 4 模糊查找2 =VLOOKUP(D10&"??",A:B,2,0) 5 模糊查找3 =

HBuilder X将Vue打包APP返回上一页退出问题、清除缓存页面历史防止返回登录页(上一页)、以及状态栏颜色切换

目录 一、返回上一页退出问题 二、清除缓存页面历史防止返回上一页 三、状态栏颜色切换 一、返回上一页退出问题 1.首先重新认识一下vue的页面跳转&#xff0c;这里我只说常用到的两个 goSkip(){//直接跳转this.$router.push(/test);this.$router.replace(/test);//带参数跳…

计算机图形学头歌合集(题集附解)

目录 CG1-v1.0-点和直线的绘制 第1关&#xff1a;OpenGL点的绘制 第2关&#xff1a;OpenGL简单图形绘制 第3关&#xff1a;OpenGL直线绘制 第4关&#xff1a;0<1直线绘制-dda算法<> 第5关&#xff1a;0<1直线绘制-中点算法<> 第6关&#xff1a;一般直线绘…

Flink系列之:大状态与 Checkpoint 调优

Flink系列之&#xff1a;大状态与 Checkpoint 调优 一、概述二、监控状态和 Checkpoints三、Checkpoint 调优四、RocksDB 调优五、增量 Checkpoint六、RocksDB 或 JVM 堆中的计时器七、RocksDB 内存调优八、容量规划九、压缩十、Task 本地恢复十一、主要&#xff08;分布式存储…

云仓酒庄的品牌雷盛红酒LEESON分享香槟为什么是“酸”的?

云仓酒庄致力成为红酒爱好者的首选供应商。云仓酒庄品牌雷盛红酒多系列、多国家、多价位区间的多品种供货&#xff0c;使得酒品丰富而多样&#xff0c;既可以整箱方式销售&#xff0c;也可以单瓶模式购买&#xff0c;全管道使成本更低&#xff0c;降低中间仓储环节、支线物流仓…

codeforces A. Constructive Problems

分析 由图可得&#xff1a;一开始放一个&#xff0c;由于边上的无需依靠对角线 r e b u i l d rebuild rebuild &#xff0c;所以可以直接 r e b u i l d rebuild rebuild &#xff0c;这样一列就好了。然后第二列随便放一个位置&#xff0c;其他所有都可以靠对角线 r e b u…

12.18拓扑排序,DAG,模板,课程安排

拓扑排序 有向无环图一定是拓扑序列,有向有环图一定不是拓扑序列。 无向图没有拓扑序列。 首先我们先来解释一下什么是有向无环图&#xff1a; 有向就是我们两个结点之间的边是有方向的&#xff0c;无环的意思就是整个序列中没有几个结点通过边形成一个圆环。 下图就是一个…

实战Src对ruoyi框架管理系统漏洞的复现

前言&#xff1a; 在挖src的时候&#xff0c;搜搜有没有后台弱口令能进去的&#xff1a; 发现一个弱口令进去后&#xff1a; 【这个蓝色的草丛居然堪比算是ruoyi的指纹】 看这界面&#xff0c;是不是很像ruoyi 插件一看&#xff1a; 前端vue.js 加上登录的cookie rememberM…

Python-flask 入门代码

python与pycharm安装 过程略&#xff0c;网上很多&#xff0c;记得为pycharm配置默认解释器 虚拟环境 pipenv # 全局安装虚拟环境 # 可加-U参数&#xff0c;明确全局安装&#xff0c;不加好像也可以? pip3 install pipenv #检查安装情况 pipenv --version # ---控制台输出…

Spring Boot 3 + Vue 3 整合 WebSocket (STOMP协议) 实现广播和点对点实时消息

&#x1f680; 作者主页&#xff1a; 有来技术 &#x1f525; 开源项目&#xff1a; youlai-mall &#x1f343; vue3-element-admin &#x1f343; youlai-boot &#x1f33a; 仓库主页&#xff1a; Gitee &#x1f4ab; Github &#x1f4ab; GitCode &#x1f496; 欢迎点赞…

鸿蒙Js实战,计算器功能开发

场景&#xff1a; 通过动态设置按钮组件button实现计算器的键盘&#xff0c;通过文本text显示计算的表达书&#xff0c;可以计算&#xff0c;-&#xff0c;*&#xff0c;/&#xff0c;可以一个一个移除&#xff0c;可以重置 等。 下面我们开始今天的文章&#xff0c;还是老规…

AIGC(生成式AI)试用 15 -- 小结

断断续续的尝试在实际的工作使用中理解和测试AIGC&#xff0c;运用会越来越多、越来越广范&#xff0c;但也是时候做个小结了。 没有太用热火的ChatGPT&#xff0c;只是拿了日常最容易用到的CSDN创作助手&#xff08;每周写文章总是看到&#xff09;和文心一言&#xff08;…

【复杂网络分析与可视化】——通过CSV文件导入Gephi进行社交网络可视化

目录 一、Gephi介绍 二、导入CSV文件构建网络 三、图片输出 一、Gephi介绍 Gephi具有强大的网络分析功能&#xff0c;可以进行各种网络度量&#xff0c;如度中心性、接近中心性、介数中心性等。它还支持社区检测算法&#xff0c;可以帮助用户发现网络中的群组和社区结构。此…

机场信息集成系统系列介绍(3):机场运行核心数据库(AODB)

目录 1、背景&#xff1a;什么是AODB 2、AODB包括哪些内容 3、AODB还应该适配哪些场景 4、一点点拓展 机场运行核心数据库&#xff08;AODB&#xff09;Airport Operation DataBase 1、背景&#xff1a;什么是AODB 在机场繁重的航班保障和旅客服务背后&#xff0c;庞大的…

Prometheus如何使用 Push 方式采集目标服务器数据

公众号「架构成长指南」&#xff0c;专注于生产实践、云原生、分布式系统、大数据技术分享 在上篇主要介绍了从零开始&#xff1a;使用Prometheus与Grafana搭建监控系统&#xff0c;我们了解了Prometheus采集数据主要是采用Pull模式&#xff0c;即主动拉取模式&#xff0c;这种…
最新文章