C++ 用template实现的堆

堆简介

堆并不是STL的组件,但是经常充当着底层实现结构。比如优先级队列(Priority Queue)等等。

堆是一种完全二叉树,因此我们可以用数组来存储所有节点。在这里的实现中,采用了一个技巧:将数组中索引为0的元素保留,设置为极大值或者为极小值(依据大顶堆或者小顶堆而定)。那么当某个节点的索引是i时,其左子节点索引为2*i,右子节点索引为2*i+1.父节点是i/2(这里/表示高斯符号,取整)。这种以数组表示树的方式,我们成为隐式表述法(implicit reprentation)。我们这里用C++ STL中的容器vector实现替代数组的功能。

堆分为大顶堆和小顶堆。这里介绍并实现的是大顶堆。

堆的主要相关算法介绍

push_heap算法

此操作是向堆中添加一个节点。为了满足完全二叉树的条件,新加入的元素一定放在最下面的一层作为叶节点,并填补在由左至右的第一个空格,在这里放在底层容器vector的end()处。

很显然,新元素的加入很可能使得堆不在满足大顶堆的性质---每个节点的键值都大于或等于其子节点的键值。为了调整使得其重新满足大顶堆的特点,在这里执行一个上溯(percolate up)操作:将新节点与父节点比较,如果其键值比父节点大,就交换父子的位置,如此一直上溯,直到不需要交换或者到根节点为止。

pop_heap算法

此操作取走根节点。对于大顶堆,取得的是堆中值最大的节点,对于小顶堆,取得的是堆中值最小的节点。STL实现并不是将这个节点直接删除,而是将其放在底层容器vector的尾端。而原尾端的节点插入到前面的适当位置。

我们首先保存原vector尾端的节点值,然后将根节点值存储在此处。为了实将原尾端节点的值插入适当位置,重新构建大顶堆,我们实施如下调整堆的操作:

先执行下溯(percolate down)操作:从根节点开始将空洞节点(一开始是根节点)和较大子节点交换,并持续向下进行,直到到达叶节点为止。然后将已保存的原容器vector尾端节点赋给这个已到达叶层的空洞节点。

注意,到这里并没有结束。因为这时候可能还没有满足大顶堆的特性。还需要执行一次上溯操作。这样,便重新构建了大顶堆。

make_heap算法

此操作是依据已有的各元素构建堆。

其中,各元素已经存放在底层容器vector中。

构建堆实质是一个不断调整堆(即前面pop_heap算法中的调整堆的操作)的过程---通过不断调整子树,使得子树满足堆的特性来使得整个树满足堆的性质。

叶节点显然需要调整,第一个需要执行调整操作的子树的根节点是从后往前的第一个非叶结点。从此节点往前到根节点对每个子树执行调整操作,即可构建堆。

sort_heap算法

堆排序算法。执行此操作之后,容器vector中的元素按照从小到大的顺序排列。

构建大顶堆之后,不断执行pop_heap算法取出堆顶的元素,即可。因为每次取得的是最大的元素,将其放在容器vector的最尾端。所以到最后vector中的元素是从小到大排列的。

编程实现(C plus plus)

详细代码包括两个文件Heap.h以及HeapTest.cpp:

Heap.h:

[cpp] view plain copy

print?

  1. //STL堆算法实现(大顶堆)
  2. //包含容器vector的头文件:Heap用vector来存储元素
  3. #include <vector>
  4. #include <iostream>
  5. #include <functional>
  6. #define MAX_VALUE 999999 //某个很大的值,存放在vector的第一个位置(最大堆)
  7. const int StartIndex = 1;//容器中堆元素起始索引
  8. using namespace std;
  9. //堆类定义
  10. //默认比较规则less
  11. template <class ElemType,class Compare = less<ElemType> >
  12. class MyHeap{
  13. private:
  14. vector<ElemType> heapDataVec;//存放元素的容器
  15. int numCounts;//堆中元素个数
  16. Compare comp;//比较规则
  17. public:
  18. MyHeap();
  19. vector<ElemType> getVec();
  20. void initHeap(ElemType *data,const int n);//初始化操作
  21. void printfHeap();//输出堆元素
  22. void makeHeap();//建堆
  23. void sortHeap();//堆排序算法
  24. void pushHeap(ElemType elem);//向堆中插入元素
  25. void popHeap();//从堆中取出堆顶的元素
  26. void adjustHeap(int childTree,ElemType adjustValue);//调整子树
  27. void percolateUp(int holeIndex,ElemType adjustValue);//上溯操作
  28. };
  29. template <class ElemType,class Compare>
  30. MyHeap<ElemType,Compare>::MyHeap()
  31. :numCounts(0)
  32. {
  33. heapDataVec.push_back(MAX_VALUE);
  34. }
  35. template <class ElemType,class Compare>
  36. vector<ElemType> MyHeap<ElemType,Compare>::getVec()
  37. {
  38. return heapDataVec;
  39. }
  40. template <class ElemType,class Compare>
  41. void MyHeap<ElemType,Compare>::initHeap(ElemType *data,const int n)
  42. {
  43. //拷贝元素数据到vector中
  44. for (int i = 0;i < n;++i)
  45. {
  46. heapDataVec.push_back(*(data + i));
  47. ++numCounts;
  48. }
  49. }
  50. template <class ElemType,class Compare>
  51. void MyHeap<ElemType,Compare>::printfHeap()
  52. {
  53. cout << "Heap : ";
  54. for (int i = 1;i <= numCounts;++i)
  55. {
  56. cout << heapDataVec[i] << " ";
  57. }
  58. cout << endl;
  59. }
  60. template <class ElemType,class Compare>
  61. void MyHeap<ElemType,Compare>::makeHeap()
  62. {
  63. //建堆的过程就是一个不断调整堆的过程,循环调用函数adjustHeap依次调整子树
  64. if (numCounts < 2)
  65. return;
  66. //第一个需要调整的子树的根节点多音
  67. int parent = numCounts / 2;
  68. while(1)
  69. {
  70. adjustHeap(parent,heapDataVec[parent]);
  71. if (StartIndex == parent)//到达根节点
  72. return;
  73. --parent;
  74. }
  75. }
  76. template <class ElemType,class Compare>
  77. void MyHeap<ElemType,Compare>::sortHeap()
  78. {
  79. //堆排序思路
  80. //每执行一次popHeap操作,堆顶的元素被放置在尾端,然后针对前面的一次再执行popHeap操作
  81. //依次下去,最后即得到排序结果
  82. while(numCounts > 0)
  83. popHeap();
  84. }
  85. template <class ElemType,class Compare>
  86. void MyHeap<ElemType,Compare>::pushHeap(ElemType elem)
  87. {
  88. //将新元素添加到vector中
  89. heapDataVec.push_back(elem);
  90. ++numCounts;
  91. //执行一次上溯操作,调整堆,以使其满足最大堆的性质
  92. percolateUp(numCounts,heapDataVec[numCounts]);
  93. }
  94. template <class ElemType,class Compare>
  95. void MyHeap<ElemType,Compare>::popHeap()
  96. {
  97. //将堆顶的元素放在容器的最尾部,然后将尾部的原元素作为调整值,重新生成堆
  98. ElemType adjustValue = heapDataVec[numCounts];
  99. //堆顶元素为容器的首元素
  100. heapDataVec[numCounts] = heapDataVec[StartIndex];
  101. //堆中元素数目减一
  102. --numCounts;
  103. adjustHeap(StartIndex,adjustValue);
  104. }
  105. //调整以childTree为根的子树为堆
  106. template <class ElemType,class Compare>
  107. void MyHeap<ElemType,Compare>::adjustHeap(int childTree,ElemType adjustValue)
  108. {
  109. //洞节点索引
  110. int holeIndex = childTree;
  111. int secondChid = 2 * holeIndex + 1;//洞节点的右子节点(注意:起始索引从1开始)
  112. while(secondChid <= numCounts)
  113. {
  114. if (comp(heapDataVec[secondChid],heapDataVec[secondChid - 1]))
  115. {
  116. --secondChid;//表示两个子节点中值较大的那个
  117. }
  118. //上溯
  119. heapDataVec[holeIndex] = heapDataVec[secondChid];//令较大值为洞值
  120. holeIndex = secondChid;//洞节点索引下移
  121. secondChid = 2 * secondChid + 1;//重新计算洞节点右子节点
  122. }
  123. //如果洞节点只有左子节点
  124. if (secondChid == numCounts + 1)
  125. {
  126. //令左子节点值为洞值
  127. heapDataVec[holeIndex] = heapDataVec[secondChid - 1];
  128. holeIndex = secondChid - 1;
  129. }
  130. //将调整值赋予洞节点
  131. heapDataVec[holeIndex] = adjustValue;
  132. //此时可能尚未满足堆的特性,需要再执行一次上溯操作
  133. percolateUp(holeIndex,adjustValue);
  134. }
  135. //上溯操作
  136. template <class ElemType,class Compare>
  137. void MyHeap<ElemType,Compare>::percolateUp(int holeIndex,ElemType adjustValue)
  138. {
  139. //将新节点与其父节点进行比较,如果键值比其父节点大,就父子交换位置。
  140. //如此,知道不需要对换或直到根节点为止
  141. int parentIndex = holeIndex / 2;
  142. while(holeIndex > StartIndex && comp(heapDataVec[parentIndex],adjustValue))
  143. {
  144. heapDataVec[holeIndex] = heapDataVec[parentIndex];
  145. holeIndex = parentIndex;
  146. parentIndex /= 2;
  147. }
  148. heapDataVec[holeIndex] = adjustValue;//将新值放置在正确的位置
  149. }

main.cpp:

[cpp] view plain copy

print?

  1. #include "Heap.h"
  2. #include <iostream>
  3. using namespace  std;
  4. int main()
  5. {
  6. const int n = 9;
  7. int data[n] = {0,1,2,3,4,8,9,3,5};
  8. MyHeap<int> *intHeapObj = new MyHeap<int>;
  9. intHeapObj->initHeap(data,n);
  10. intHeapObj->printfHeap();
  11. intHeapObj->makeHeap();
  12. intHeapObj->printfHeap();
  13. intHeapObj->pushHeap(7);
  14. intHeapObj->printfHeap();
  15. intHeapObj->popHeap();
  16. cout << "The top of heap :" << intHeapObj->getVec().back() << endl;
  17. intHeapObj->getVec().pop_back();
  18. intHeapObj->printfHeap();
  19. intHeapObj->sortHeap();
  20. cout << "Sorted data :";
  21. for (int i = 1;i <= n;++i)
  22. cout << intHeapObj->getVec()[i] << " ";
  23. cout << endl;
  24. delete intHeapObj;
  25. return 0;
  26. }
时间: 2024-10-15 20:50:36

C++ 用template实现的堆的相关文章

BZOJ 4003([JLOI2015]城池攻占-带标记可合并堆)[Template:带标记可合并堆]

4003: [JLOI2015]城池攻占 Time Limit: 10 Sec  Memory Limit: 128 MB Submit: 490  Solved: 181 [Submit][Status][Discuss] Description 小铭铭最近获得了一副新的桌游,游戏中需要用 m 个骑士攻占 n 个城池. 这 n 个城池用 1 到 n 的整数表示.除 1 号城池外,城池 i 会受到另一座城池 fi 的管辖, 其中 fi <i.也就是说,所有城池构成了一棵有根树.这 m 个骑士用

通用的最小堆(最大堆)D-ary Heap

听说有一种最小(大)堆,不限于是完全二叉树,而是完全D叉树,名为D-ary Heap(http://en.wikipedia.org/wiki/D-ary_heap).D可以是1,2,3,4,100,对于优先队列该有的功能都没有问题. 动手写一个D-ary Heap,应该不难.简单起见,不考虑像STL一样通过template传入Comp类,下面的实现要求T类型重载了operator <和operator >. template<class T> class DaryHeap { s

二叉堆

容易证明: 一棵高为h的完全二叉树有2^h 到 2^(h+1)-1个结点. 这就意味着,完全二叉树的高是[logN] 特点: 任意位置i: 左儿子在位置2i上,右儿子在位置2i+1上,父亲在i/2上 一个堆数据结构将由一个Comparable数组和一个代表当前堆的大小的整数组成: 优先队列的接口: 1 template <typename Comparable> 2 class BinaryHeap 3 { 4 public: 5 explicit BinaryHeap ( int capac

左式堆

零路径长:从X到一个不具有两个儿子的结点的最短路径的长. 性质: 任一结点的零路径长比他的诸儿子结点的零路径长的最小值多1 父节点属性值小于子节点属性值: 堆中的任何节点,其左儿子的零路径长>=右儿子的零路径长:的二叉树. 下面是左式堆的类型声明: 1 template <typename Comparable> 2 class LeftistHeap 3 { 4 public: 5 LeftistHeap(); 6 LeftistHeap(const LeftistHeap &

建堆[HihoCoder-1405]

Building Heap HihoCoder-1405 hihoCoder太阁最新面经算法竞赛11 问题大意:给定一个$N$个元素的数组$A$(元素互不相同),要求你建立满足下列要求的二叉树$T$,并输出其前序遍历: 1)$T$满足最小堆性质: 2)输入的数组$A$满足$T$的中序遍历. 这是一道数据结构基础题,主要是解决如何建堆.题目要求最小堆,其树根必然是整个树的最小值.因此在建堆过程中,只需寻找最小值,根据找到的最小值的位置将中序遍历的序列一分为二,继续对这两个子序列建堆,直到子序列没有

大/小堆:源代码

#pragma once #include <vector> #include <assert.h> // // 小堆 == 大堆 // 仿函数 // template<class T> struct Greater { bool operator() (const T& l, const T& r) { return l > r; } }; template<class T> struct Less { bool operator()

探秘堆结构

一.概述 此处所说的堆为数据结构中的堆,而非内存分区中的堆.堆通常可以被看做是树结构,满足两个性质:1)堆中任意节点的值总是不大于(不小于)其子节点的值:2)堆是一棵完全树.正是由于这样的性质,堆又被称为优先队列.根据性质一,将任意节点不大于其子节点的堆称为最小堆或最小优先队列,反之称为最大堆或最大优先队列.优先队列在操作系统作业调度的设计中有着举足轻重的作用.之前写了一篇优先队列的文章,详见算法导论第六章优先队列. 常见的堆结构,有二叉堆.左倾堆.斜堆.二项堆.斐波那契堆等.斐波那契堆在前文算

【数据结构】堆的实现(包括:默认成员函数,插元素push,删元素pop,访问根节点top,判空,大小)

在数据结构里,堆是一类很重要的结构.堆结构是一组数组对象,我们可以把它当作是一颗完全二叉树. 最大堆:堆里每一个父亲节点大于它的子女节点. 最小堆:堆里每一个父亲节点小于它的子女节点. 如图就是一个最大堆: 实现代码时我的测试序列是:int a[] = { 10, 11, 13, 12, 16, 18, 15, 17, 14, 19 }; 我们把它的图画出来,便于分析. 实现代码如下: 建立头文件heap.hpp #define _CRT_SECURE_NO_WARNINGS 1 #includ

左式堆的实现与详解

定义:左式堆(Leftist Heaps)又称作最左堆.左倾堆,是计算机语言中较为常用的一个数据结构.左式堆作为堆的一种,保留了堆的一些属性.第1,左式堆仍然以二叉树的形式构建:第2,左式堆的任意结点的值比其子树任意结点值均小(最小堆的特性).但和一般的二叉堆不同,左式堆不再是一棵完全二叉树(Complete tree),而且是一棵极不平衡的树. 性质: 零路径长:从X到一个不具有两个儿子的结点的最短路径的长. 1. 任一结点的零路径长比他的诸儿子结点的零路径长的最小值多1 2. 父节点属性值小