news 2026/8/21 9:37:41

二插堆的基本原理以及简单实现

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
二插堆的基本原理以及简单实现

文章目录

  • 堆(Heap)
    • 一、堆的基本概念
      • 1. 定义
      • 2. 特点
    • 二、二叉堆的特点
    • 二、堆的数组表示
  • 堆的相关操作
    • 创建堆的类型
    • 上浮(Heapify Up)
    • 下沉(Heapify Down)
    • 插入操作
    • 删除堆顶元素
    • 获取堆顶元素
  • 完整代码

堆(Heap)

一、堆的基本概念

1. 定义

  • 二叉堆是一种完全二叉树,它满足堆属性:
    • 最大堆:每个节点的值都大于或等于其子节点的值
    • 最小堆:每个节点的值都小于或等于其子节点的值

2. 特点

  • 二、二叉堆的特点

    1. 完全二叉树:除了最后一层,其他层都是满的,最后一层从左到右填充
    2. 堆属性:父节点和子节点之间保持特定的大小关系
    3. 数组表示:可以用数组高效存储,不需要指针

二、堆的数组表示

对于下标为 i 的节点:

  • 父节点:parent(i) = (i-1)/2
  • 左子节点:left(i) = 2*i + 1
  • 右子节点:right(i) = 2*i + 2

堆的相关操作

创建堆的类型

  1. 包括堆的数组

  2. 堆的类型(最大堆,最小堆)

  3. 获取节点的父节点,左孩子,右孩子

class Heap { public: vector<int> heap; bool isMaxHeap; // true表示最大堆, false表示最小堆 // 获取父节点索引 int parent(int index) { return (index - 1) / 2; } // 获取左孩子索引 int leftChild(int index) { return 2 * index + 1; } // 获取有孩子索引 int rightChild(int index) { return 2 * index + 2; } };

上浮(Heapify Up)

  1. 上浮操作用于在堆中插入新元素后,恢复堆的性质。

  2. 当我们向堆的末尾添加一个新元素时,可能会破坏堆的堆序性(父节点大于/小于子节点)。

  3. 上浮操作通过不断比较新元素与其父节点,必要时交换它们,直到堆性质恢复。

void heapifyUp(int index) { while (index > 0) { int parent = (index - 1) / 2; // 最大堆:如果当前节点大于父节点,交换 // 最小堆:如果当前节点小于父节点,交换 if (compare(heap[index], heap[parent])) { swap(heap[index], heap[parent]); index = parent; } else { break; } } }

下沉(Heapify Down)

  1. 下沉操作用于移除堆顶元素后,恢复堆的性质。

  2. 当我们移除堆顶元素时,通常将最后一个元素移到堆顶,然后通过下沉操作将其调整到合适位置,恢复堆性质。

void heapifyDown(int index) { int size = heap.size(); while (true) { int leftChild = 2 * index + 1; int rightChild = 2 * index + 2; int target = index; // 找到需要交换的子节点 if (leftChild < size && compare(heap[leftChild], heap[target])) { target = leftChild; } if (rightChild < size && compare(heap[rightChild], heap[target])) { target = rightChild; } // 如果需要交换,继续下沉 if (target != index) { swap(heap[index], heap[target]); index = target; } else { break; // 堆性质已满足 } } }

插入操作

  1. 插入操作向堆中添加新元素。首先将元素添加到数组末尾.
  2. 然后执行上浮操作将其调整到正确位置。
// 插入元素 void push(int value) { heap.push_back(value); heapifyUp(heap.size() - 1); }

删除堆顶元素

  1. 检查堆是否为空
  2. 保存堆顶元素
  3. 将最后一个元素移到堆顶
  4. 删除最后一个元素
  5. 如果堆不为空,对堆顶执行下沉操作
void pop() { if (heap.empty()) { cout << "堆为空,无法删除!" << endl; return; } heap[0] = heap.back(); heap.pop_back(); if (!heap.empty()) { heapifyDown(0); } }

获取堆顶元素

  1. 检查堆是否为空
  2. 返回数组的第一个元素
// 获取堆顶元素 int top() { if (heap.empty()) { cout << "堆为空!" << endl; return -1; } return heap[0]; }

完整代码

class Heap { public: vector<int> heap; bool isMaxHeap; // true表示最大堆, false表示最小堆 // 比较函数 bool compare(const int& a, const int& b) { return isMaxHeap ? a > b : a < b; } // 获取父节点索引 int parent(int index) { return (index - 1) / 2; } // 获取左孩子索引 int leftChild(int index) { return 2 * index + 1; } // 获取有孩子索引 int rightChild(int index) { return 2 * index + 2; } // 上浮操作 void heapifyUp(int index) { while (index > 0) { int parent = (index - 1) / 2; if (compare(heap[index], heap[parent])) { swap(heap[index], heap[parent]); index = parent; } else { break; } } } // 下沉操作 void heapifyDown(int index) { int size = heap.size(); while (true) { int leftChild = 2 * index + 1; int rightChild = 2 * index + 2; int target = index; // 找到当前节点、左子节点、右子节点中最符合堆性质的节点 if (leftChild < size && compare(heap[leftChild], heap[target])) { target = leftChild; } if (rightChild < size && compare(heap[rightChild], heap[target])) { target = rightChild; } // 如果当前节点不是最大的/最小的,交换并继续下沉 if (target != index) { swap(heap[index], heap[target]); index = target; } else { break; } } } // 构造函数 Heap(bool maxHeap = true) : isMaxHeap(maxHeap) {} // 从数组建堆的构造函数 Heap(const vector<int>& arr, bool maxHeap = true) : isMaxHeap(maxHeap) { heap = arr; // 从最后一个非叶子节点开始建堆 for (int i = heap.size() / 2 - 1; i >= 0; i--) { heapifyDown(i); } } // 插入元素 void push(int value) { heap.push_back(value); heapifyUp(heap.size() - 1); } // 删除堆顶元素 void pop() { if (heap.empty()) { cout << "堆为空,无法删除!" << endl; return; } heap[0] = heap.back(); heap.pop_back(); if (!heap.empty()) { heapifyDown(0); } } // 获取堆顶元素 int top() { if (heap.empty()) { cout << "堆为空!" << endl; return -1; } return heap[0]; } // 堆是否为空 bool empty() { return heap.empty(); } // 获取堆大小 int size() { return heap.size(); } // 获取堆类型 string getType() { return isMaxHeap ? "最大堆" : "最小堆"; } };
版权声明: 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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/21 21:41:52

学Simulink——移动机器人基础驱动场景实例:基于Simulink的步进电机舵机阿克曼转向控制仿真

目录 手把手教你学Simulink——移动机器人基础驱动场景实例:基于Simulink的步进电机舵机阿克曼转向控制仿真 一、引言:让机器人“会转弯”——阿克曼转向是轮式机器人的运动灵魂 二、阿克曼转向原理与几何关系 1. 阿克曼几何模型 2. 转向指令映射 三、应用场景:小型AGV…

作者头像 李华
网站建设 2026/8/20 21:54:39

滑动窗口一题

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录前言一、题目二、代码总结前言 一、题目 二、代码 第一轮找数&#xff0c;第二轮扩充 class Solution {public List<Integer> findClosestElements(int[] ar…

作者头像 李华
网站建设 2026/8/21 21:40:38

java计算机毕业设计摄影网站的设计与实现 基于SpringBoot的影像作品展示与交易平台 一站式摄影服务与照片商城系统

计算机毕业设计摄影网站的设计与实现v09879&#xff08;配套有源码 程序 mysql数据库 论文&#xff09; 本套源码可以在文本联xi,先看具体系统功能演示视频领取&#xff0c;可分享源码参考。从胶片到云相册&#xff0c;摄影的“暗房”早已搬到网上&#xff0c;但分散在各类社交…

作者头像 李华
网站建设 2026/8/21 17:46:53

鸿蒙5.0开发实战系列(一):黑马云音乐“猜你喜欢”列表布局实现

鸿蒙5.0开发实战系列&#xff08;一&#xff09;&#xff1a;黑马云音乐“猜你喜欢”列表布局实现 在鸿蒙5.0应用开发的学习过程中&#xff0c;页面布局是基础且核心的能力。本文将基于ArkTS技术&#xff0c;手把手带大家完成黑马云音乐“猜你喜欢”歌曲列表的布局开发&#xf…

作者头像 李华
网站建设 2026/8/21 22:15:33

学术写作技术指南:主流平台对比与案例分步教学

工具核心特点速览 工具名称 核心优势 适用场景 数据支撑 aibiye 全流程覆盖降重优化 从开题到答辩的一站式需求 支持20万字长文逻辑连贯 aicheck 院校规范适配模板化输出 国内本硕博论文框架搭建 覆盖90%高校格式要求 秒篇 3分钟文献综述生成 紧急补文献章节 知…

作者头像 李华