最大最小堆介绍
2013-07-19 09:26
197 查看
最大最小堆
1. 定义:
最小最大堆是一棵完全二叉树,且其中每个元素有一个key数据成员。树的各层交替为最小层和最大层。根结点在最小层。设x是最小最大堆的任意结点。若x在最小(最大)层上,则x中的元素的key值在以x为根的子树的所有元素中是最小(最大)的。位于最小(最大)层的结点称为最小(最大)结点。
2. 特征:
(1) 插入一个具有任意key值的元素
(2) 删除key值最大的元素
(3) 删除key值最小的元素
3. 例如:
4. 插入10
template<class Type>
void MinMaxHeap<Type>::Insert(constElement<Type>&x )
{
if(n == MaxSize ) { MinMaxFull( ); return;}
n++;
int p = n/2; //p是新结点的双亲
if (!p) {h[1] = x; return;} // 插入初始时为空的堆
switch (level(p)) {
case MIN:
if (x.key < h[p].key) { // 沿着最小层检查
h
=h[p];
VerifyMin(p, x);
}
else VerifyMax(n, x); // 沿着最大层检查
break;
case MAX:
if (x.key > h[p].key) { // 沿着最大层检查
h
=h[p];
VerifyMax(p, x);
}
else VerifyMin(n, x); // 沿着最小层检查
} //switch结束
} // Insert结束
函数level确定一个结点是位于最小最大堆的最小层,还是位于最大层。当élog2(j + 1)ù为偶数时,结点j位于最大层,否则位于最小层
函数VerifyMax从最大结点i开始,沿着从结点i到最小最大堆的根的路径检查最大结点,查找插入元素x的正确结点。在查找过程中,key值小于x.key的元素被移到下一个最大层
函数VerifyMin与VerifyMax类似,所不同的是,前者从最小结点i开始,沿着从结点i到根的路径检查最小结点,将元素x插入正确位置。
分析:由于n个元素的最小最大堆有O(logn)层,成员函数Insert的时间复杂性是O(logn)。
template<class Type>
void MinMaxHeap<Type>::VerifyMax(int i,
const Element<KeyType>&x ) { // 沿着从最大结点i
// 到根结点的路径检查最大结点,将x插入正确位置
for (int gp = i/4; gp&& (x.key > h[gp].key); gp /=4)
{ // gp是 i的祖父
h[i] = h[gp]; // 将h[gp]移到h[i]
i = gp;
}
h[i] = x; // 将x插入结点i
}
5. 删除最小节点
一般而言,将元素x插入根结点为空的最小最大堆h中有两种情况需要考虑:
(1) 根结点无子女,这时可将x插入根结点中。
(2) 根结点至少有一个子女。这时堆中的最小元素(不算元素x)位于根结点的子女结点或孙子女结点(最多6个)之一。
假设该结点的编号为k,则还需要考虑下列可能性:
(a) x.key≤h[k].key。由于h中不存在比x更小的元素,所以x可插入根。
(b) x.key > h[k].key且k是根的子女。由于k是最大结点,其后代的key值都不大于h[k].key,因而也不大于x.key。所以可将元素h[k]移到根,并将元素x插入结点k。
(c) x.key > h[k].key且k是根的孙子女。这时也可将元素h[k]移到根。设p是k的双亲。若x.key> h[p].key,则将x 和h[p]交换。这时,问题转化为将x插入以k为根的子堆中,且h[k]已腾空。这与初始插入根结点为空的最小最大堆h的情形类似。
template<class Type>
Element<Type>*MinMaxHeap<Type>:: DeleteMin(Element<Type>&y){ // 从最小最大堆中删除并返回最小元素
if (!n) { MinMaxEmpty( );return
0; }
y = h[1]; // 保存根元素
Element<Type> x = h[n--];
inti = 1, j = n/2; // 为重新插入x作初始化,寻找插入x的位置
while (i <= j) { // i 有子女,情况(2)
int k = MinChildGrandChild(i);
if (x.key <= h[k].key)
break; // 情况 2(a),可将x 插入h[i]
else { //情况2(b)或 (c)
h[i] = h[k];
if (k <= 2*i+1) { // k 是i的子女,情况2(b)
i = k; // 可将x插入h[k]
break;
}
else { // k是i的孙子女,情况2(c)
int p = k/2; // p是k的双亲
if (x.key > h[p].key) {
Element<Type> t = h[p];h[p] = x; x = t;
}
} // if (k<=2*i+1)结束
i = k;
} //if (x.key<=h[k].key)结束
} // while结束
h[i] = x; // 注意,即使现在n == 0,对h[1] 赋值也没错,这样简化边界判断
return &y;
}
其中又用到私有成员函数MinChildGrandChild(i),该函数返回结点i的子女结点或孙子女结点中含最小元素的结点。
如果i的子女结点或孙子女结点都含最小元素,则MinChildGrandChild返回子女结点,这样可以避免DeleteMin中while循环的进一步迭代。
分析:while循环的每次迭代需O(1)时间,且每经过一次迭代(可能除了最后一次以外),i都下移两层。由于n个元素的最小最大堆有O(logn)层,DeleteMin的时间复杂性是O(logn)。
1. 定义:
最小最大堆是一棵完全二叉树,且其中每个元素有一个key数据成员。树的各层交替为最小层和最大层。根结点在最小层。设x是最小最大堆的任意结点。若x在最小(最大)层上,则x中的元素的key值在以x为根的子树的所有元素中是最小(最大)的。位于最小(最大)层的结点称为最小(最大)结点。
2. 特征:
(1) 插入一个具有任意key值的元素
(2) 删除key值最大的元素
(3) 删除key值最小的元素
3. 例如:
4. 插入10
template<class Type>
void MinMaxHeap<Type>::Insert(constElement<Type>&x )
{
if(n == MaxSize ) { MinMaxFull( ); return;}
n++;
int p = n/2; //p是新结点的双亲
if (!p) {h[1] = x; return;} // 插入初始时为空的堆
switch (level(p)) {
case MIN:
if (x.key < h[p].key) { // 沿着最小层检查
h
=h[p];
VerifyMin(p, x);
}
else VerifyMax(n, x); // 沿着最大层检查
break;
case MAX:
if (x.key > h[p].key) { // 沿着最大层检查
h
=h[p];
VerifyMax(p, x);
}
else VerifyMin(n, x); // 沿着最小层检查
} //switch结束
} // Insert结束
函数level确定一个结点是位于最小最大堆的最小层,还是位于最大层。当élog2(j + 1)ù为偶数时,结点j位于最大层,否则位于最小层
函数VerifyMax从最大结点i开始,沿着从结点i到最小最大堆的根的路径检查最大结点,查找插入元素x的正确结点。在查找过程中,key值小于x.key的元素被移到下一个最大层
函数VerifyMin与VerifyMax类似,所不同的是,前者从最小结点i开始,沿着从结点i到根的路径检查最小结点,将元素x插入正确位置。
分析:由于n个元素的最小最大堆有O(logn)层,成员函数Insert的时间复杂性是O(logn)。
template<class Type>
void MinMaxHeap<Type>::VerifyMax(int i,
const Element<KeyType>&x ) { // 沿着从最大结点i
// 到根结点的路径检查最大结点,将x插入正确位置
for (int gp = i/4; gp&& (x.key > h[gp].key); gp /=4)
{ // gp是 i的祖父
h[i] = h[gp]; // 将h[gp]移到h[i]
i = gp;
}
h[i] = x; // 将x插入结点i
}
5. 删除最小节点
一般而言,将元素x插入根结点为空的最小最大堆h中有两种情况需要考虑:
(1) 根结点无子女,这时可将x插入根结点中。
(2) 根结点至少有一个子女。这时堆中的最小元素(不算元素x)位于根结点的子女结点或孙子女结点(最多6个)之一。
假设该结点的编号为k,则还需要考虑下列可能性:
(a) x.key≤h[k].key。由于h中不存在比x更小的元素,所以x可插入根。
(b) x.key > h[k].key且k是根的子女。由于k是最大结点,其后代的key值都不大于h[k].key,因而也不大于x.key。所以可将元素h[k]移到根,并将元素x插入结点k。
(c) x.key > h[k].key且k是根的孙子女。这时也可将元素h[k]移到根。设p是k的双亲。若x.key> h[p].key,则将x 和h[p]交换。这时,问题转化为将x插入以k为根的子堆中,且h[k]已腾空。这与初始插入根结点为空的最小最大堆h的情形类似。
template<class Type>
Element<Type>*MinMaxHeap<Type>:: DeleteMin(Element<Type>&y){ // 从最小最大堆中删除并返回最小元素
if (!n) { MinMaxEmpty( );return
0; }
y = h[1]; // 保存根元素
Element<Type> x = h[n--];
inti = 1, j = n/2; // 为重新插入x作初始化,寻找插入x的位置
while (i <= j) { // i 有子女,情况(2)
int k = MinChildGrandChild(i);
if (x.key <= h[k].key)
break; // 情况 2(a),可将x 插入h[i]
else { //情况2(b)或 (c)
h[i] = h[k];
if (k <= 2*i+1) { // k 是i的子女,情况2(b)
i = k; // 可将x插入h[k]
break;
}
else { // k是i的孙子女,情况2(c)
int p = k/2; // p是k的双亲
if (x.key > h[p].key) {
Element<Type> t = h[p];h[p] = x; x = t;
}
} // if (k<=2*i+1)结束
i = k;
} //if (x.key<=h[k].key)结束
} // while结束
h[i] = x; // 注意,即使现在n == 0,对h[1] 赋值也没错,这样简化边界判断
return &y;
}
其中又用到私有成员函数MinChildGrandChild(i),该函数返回结点i的子女结点或孙子女结点中含最小元素的结点。
如果i的子女结点或孙子女结点都含最小元素,则MinChildGrandChild返回子女结点,这样可以避免DeleteMin中while循环的进一步迭代。
分析:while循环的每次迭代需O(1)时间,且每经过一次迭代(可能除了最后一次以外),i都下移两层。由于n个元素的最小最大堆有O(logn)层,DeleteMin的时间复杂性是O(logn)。
相关文章推荐
- 最大熵模型介绍及实现
- C++11新特性应用--介绍几个新增的便利算法(关于最大值和最小值的算法)
- 排序算法_堆排序(最大堆、最小堆)
- 最大熵模型介绍及实现
- Black Box--[优先队列 、最大堆最小堆的应用]
- 二分图的最大匹配介绍及匈牙利算法
- C++11新特性应用--介绍几个新增的便利算法(关于最大值和最小值的算法)
- 最大间隔多超平面分类器(多线性SVM分类器)介绍及Matlab实现
- 使用最大堆和最小堆实现中位数的查找
- 最大最小堆
- 最大熵模型介绍
- 试写二叉最小堆和最大堆
- 最大同性交友网站Github(一)——介绍与使用
- POJ 3784 Running Median (最大最小堆)
- 最大熵模型介绍及实现
- 最大熵模型介绍及实现
- 堆,最大堆,最小堆,最大左高树 源码
- 面试过程中如何介绍自己?最大优缺点?加班?薪资?
- Google 面试题:Java实现用最大堆和最小堆查找中位数 Find median with min heap and max heap in Java
- 最大最小堆排序