现在来看, 堆的含义大概有两种,一种是数据结构,一种是在一些语言中所定义的“垃圾回收机制”,如Java,在书本上的开篇强调了这两者,并强调若非特殊说明,皆把堆看做是一种数据结构。
(二叉)堆的定义:
1)它是一个数组,可以被看成是一棵近似的完全二叉树,树上的每一个节点看做是数组中的每一个元素。
2)堆分为最大堆和最小堆,最大堆中每一棵子树的父节点的值大于孩子节点,最小堆则相反。
3)表示堆的数组A包括两个属性:A.length和A.heap_size。前者是数组元素的个数,后者是堆元素的个数,heap_size <= length。(怎么理解这里,想象一棵树的节点在减少,但其表示的数组的个数还是不变的)。
4)二叉堆是最常用的,除此之外,还有多叉堆,如习题6-2的d-叉堆。
5)已知一个节点的坐标,容易得到其父节点和孩子节点的坐标:PARENT(i) = i/2; LEFT(i) = 2*i; RIGHT(i)=2*i+1。
由于二叉堆可以看做是一棵完全二叉树,所以树的一些定理,结论可以应用到堆上,如高度为h的堆中元素个数最多为:2^h,最少为:2^(h+1) - 1; 含n个元素的堆高度为:lgn。
堆排序:
为了实现堆排序,需要有这样的几个过程:
1)Build_Max_Heap():建立最大堆,将无序的输入数组构造出一个最大堆;
2)Max_Heapify():维护一个最大堆,即保证满足最大堆的性质;
3)Heap_Sort():堆排序。
以上函数的思路也是比较简单,在此就不做过多记录,即便记录,也是照着书本上的流程来一遍。
首先,Max_Heapify()是一个很关键的函数,它要保证堆中元素在以后的操作过程中,不管怎么变,都要保证满足最大堆的性质,即父节点的值永远大于孩子节点,知道了这一点,就不难写出代码:
函数原型:Max_Heapify( int A[], /* int heap_size, */ int index )
View Code
上面实现的是一个递归的版本,也是书本上的版本,同时习题6.2-5要求实现非递归的版本,其实改动很小,只需加入一个标识符即可,实现如下:
其次,Build_Max_Heap()的实现需要知道下面一条定理( 习题6.1-7 ) :
当用数组表示存储n个元素的堆时,叶节点下标分别是n/2+1, n/2+2, ..., n (结合树高度的性质,很好证明).
知道了这个定理,为了建立最大堆,我们就可以从第一个非叶子节点开始往后遍历,直到根节点,调用Max_Heapify()来得到一个最大堆,实现如下:
函数原型:Build_Max_Heap( int A[], /* int heap_size, */ )
至此,排序思路也就出来了:先建立最大堆,得到最大元素,然后将最大元素放在数组末尾,然后调用Max_Heapify()维护最大堆,依次下去,就得到排序的数组,实现如下:
函数原型:Heap_Sort( int A[], /* int heap_size, */ )
堆排序的时间复杂度:
Max_Heapify()可以看到是在不断遍历树,最坏情况下是从根节点开始,则n个节点的树高为lgn,所以其时间复杂度为O(lgn)。
Build_Max_Heap()经过严格推导,可得时间复杂度为线性的,为O(n)。
所以,Heap_Sort()就为O(nlgn)。
同样的思路可以实现最小堆,下面贴出最大堆完整实现的代码: