《算法导论》 6.2 d叉堆的分析
2012-07-01 09:54
127 查看
二叉堆操作
d叉堆有与二叉堆很类似,但(一个可能的例外是)其中的每个非叶结点有d个子女,而不是2个。
a)如何在一个数组中表示一个d叉堆?
b)含n个元素的的叉堆的高度是多少?
c)给出d叉最大堆的EXTRACT-MAX的一个有效实现,并用d和n表示出它的运行时间。
d)给出d叉堆的INSERT的一个有效实现,并用d和n表示出它的运行时间。
e)给出INCREASE-KEY(A, i, k)的一个有效实现,该过程首先执行A[i]<--max(A[i], k), 并相应的更新d叉最大堆的结构。请用d和n表示出它的运行时间。
分析与解答:(数组中有0号元素。)
类似于二叉堆,可以用数组来表示
a)在数组中表示d叉堆,给定了每个结点的下标i,其父结点PARENT(i)和它的第k个儿子,可以简单的计算出来:
PARENT(i) = (i-1)/d。向下取整
CHILD(i,k) = d*i+k, 0≦k≦d
b)高度为h的一个满的d叉堆的结点个数为d^h-1。假设若n个元素的d叉堆高度为h,则
d^(h-1)≦n≦d^h-1
由此可得h = logd(n)向上取整。
c) 可以先将堆末元素和堆顶的元素交换,然后再采用MAX-HEAPIFY的方法调整堆顶元素,整个过程如下:
HEAP-EXTRACT-MAX(A)
if heap-size[A]<1
then error
"heap underflow"
max←A[1]
A[1]←A[heap-size[A]]
heap-size[A]←heap-size[A]-1
MAX-HEAPIFY(A,1)
return max
从接下来的也可以看到,它和INCREASE-KEY过程的运行时间相同,也为logd(n)
e)可以迭代的实现,每次只需要和父结点比较,然后逐渐往上调整即可,整个过程如下:
INCREASE-KEY(A,i,k)
A[i]←max(A[i],k)
while i>1 and A[i]> A[parent(i)]
do exchange A[i]↔A[parent(i)]
i←parent(i)
INCREASE-KEY(A,i,k)
A[i]←max(A[i],k)
while i>1 and A[i]> A[parent(i)]
do exchange A[i]↔A[parent(i)]
i←parent(i)
因为while循环中最多往上调整的次数为堆的高度,并且每次只需要和父亲结点进行比较,因此总的运行时间为logd(n)
d叉堆有与二叉堆很类似,但(一个可能的例外是)其中的每个非叶结点有d个子女,而不是2个。
a)如何在一个数组中表示一个d叉堆?
b)含n个元素的的叉堆的高度是多少?
c)给出d叉最大堆的EXTRACT-MAX的一个有效实现,并用d和n表示出它的运行时间。
d)给出d叉堆的INSERT的一个有效实现,并用d和n表示出它的运行时间。
e)给出INCREASE-KEY(A, i, k)的一个有效实现,该过程首先执行A[i]<--max(A[i], k), 并相应的更新d叉最大堆的结构。请用d和n表示出它的运行时间。
分析与解答:(数组中有0号元素。)
类似于二叉堆,可以用数组来表示
a)在数组中表示d叉堆,给定了每个结点的下标i,其父结点PARENT(i)和它的第k个儿子,可以简单的计算出来:
PARENT(i) = (i-1)/d。向下取整
CHILD(i,k) = d*i+k, 0≦k≦d
b)高度为h的一个满的d叉堆的结点个数为d^h-1。假设若n个元素的d叉堆高度为h,则
d^(h-1)≦n≦d^h-1
由此可得h = logd(n)向上取整。
c) 可以先将堆末元素和堆顶的元素交换,然后再采用MAX-HEAPIFY的方法调整堆顶元素,整个过程如下:
HEAP-EXTRACT-MAX(A)
if heap-size[A]<1
then error
"heap underflow"
max←A[1]
A[1]←A[heap-size[A]]
heap-size[A]←heap-size[A]-1
MAX-HEAPIFY(A,1)
return max
MAX-HEAP-ISNERT(A, key) heap-size←heap-size+1 A[heap-size]←-∞ INCREASE-KEY(A, heap-size[A], key) MAX-HEAP-ISNERT(A, key) heap-size←heap-size+1 A[heap-size]←-∞ INCREASE-KEY(A, heap-size[A], key)
从接下来的也可以看到,它和INCREASE-KEY过程的运行时间相同,也为logd(n)
e)可以迭代的实现,每次只需要和父结点比较,然后逐渐往上调整即可,整个过程如下:
INCREASE-KEY(A,i,k)
A[i]←max(A[i],k)
while i>1 and A[i]> A[parent(i)]
do exchange A[i]↔A[parent(i)]
i←parent(i)
INCREASE-KEY(A,i,k)
A[i]←max(A[i],k)
while i>1 and A[i]> A[parent(i)]
do exchange A[i]↔A[parent(i)]
i←parent(i)
因为while循环中最多往上调整的次数为堆的高度,并且每次只需要和父亲结点进行比较,因此总的运行时间为logd(n)
相关文章推荐
- 算法导论第5章 概率分析和随机算法(5.1)
- 算法导论第五章:概率分析和随机算法
- 算法导论--平摊分析之聚集分析
- MIT公开课《算法导论》笔记一:算法分析
- 算法导论/6.2保持堆性质
- 递归式时间复杂度分析 《算法导论》
- 算法导论 练习题 6.2-5
- 摊还分析(1)——算法导论(23)
- 算法导论第5章5.4概率分析和随机算法
- 算法导论第六章6.2维护堆的性质课后答案
- 麻省理工公开课《算法导论》笔记([第1集] 课程简介及算法分析)
- 算法导论习题解-第17章摊还分析
- [信息系统项目管理师]6.2 项目人力资源管理 试题分析
- 算法导论 练习题 6.2-6
- 算法导论(四)——算法和分析技术
- Redhat 6.2安装Oracle 11g客户端及遇到的问题分析
- CCProxy 6.2 溢出漏洞分析
- 算法导论-最大子数组问题-线性时间复杂度算法分析与实现
- 算法导论第六章思考题6-2: 对d堆的分析
- 用IDA 6.2导出的idc增强IDA 6.1的分析