
#pragma once
#include <stdio.h>
#include <stdlib.h>
#include <stdbool.h>
#include <assert.h>
 
typedef int HPDataType;
typedef struct Heap
{
	HPDataType* a;
	HPDataType size;
	HPDataType capacity;
}HP;
 
void InitHeap(HP* php);
void DestroyHeap(HP* php);
void PushHeap(HP* php, HPDataType x);
void HeapPop(HP* php);
HPDataType HeapTop(HP* php);
bool HeapEmpty(HP* php);
int HeapSize(HP* php);
void AdjustUp(HPDataType* a, int child);
void AdjustDown(int* a, int n, int parent);
void Swap(HPDataType* p1, HPDataType* p2);

我们提供以下数据来建堆：

3.向上调整算法

我们现在如果要让提供的数据插入到这个堆里面，如何保证插入的时候就建好堆了呢？这时我们就要用到向上向下调整的算法了。假设我们现在要建一个小堆，就要保证每一个子节点都要小于或者等于它的父节点，用我们提供好的数据，当插入到32这个数据的时候就要进行调整了：

既然是向上调整，那我们就要找孩子的父亲，那如何找到父亲呢？通过下标的关系可以发现，不管是左还是右孩子，只要遵循(child-1)/2就能找到父亲的下标，然后就是交换嘛；交换过后我们要让孩子走到父亲位置，再找到新的父亲，一轮一轮的向上，这就是向上调整算法：


void AdjustUp(HPDataType* a, int child)
{
	//默认建小堆
	int parent = (child - 1) / 2;
 
	while (child > 0)//等于0就停止了，等于0说明孩子在根的位置，就没有父亲了
	{
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
 
			child = parent;//孩子走到父亲的位置继续再找新的父亲
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}

要注意的就是循环条件，如果孩子走到0说明走到根的位置了，就没有父亲了，循环停止。

4.向下调整算法

向下调整算法与向上调整算法相反，其实向下就是找孩子，如果建小堆就让左右孩子中最小的孩子与父亲交换（最小的孩子与父亲交换后，父亲就变成三者中最小的了，符合小堆的性质），再让父亲走到孩子的位置上，再往下继续找到新的孩子，直到孩子不存在的情况。

关键来了，如何找到左右孩子中的最小的那个呢？如何通过父亲找到孩子呢？

我们可以默认左孩子是最小的那一个，如果左孩子大于右孩子，那做孩子的下标+1不就到右孩子了吗？解决了第一个问题，那如何通过父亲找到孩子呢，既然我们默认左孩子是小的那一个，我们可以先找到左孩子，通过下标的关系，我们就知道左孩子child=parent*2+1，好了，这就是向下调整算法的思路，来看代码：


void AdjustDown(int* a, int n, int parent)
{
	//默认小堆
	int child = parent * 2 + 1;//默认是左孩子
 
	while (child < n)
	{
		//这里右孩子的存在条件必须放在&&的前面，因为如果放在后面，前面的条件为假，右孩子也为假，就判断不出来是哪个了（检查右孩子存在必须更严格）
		if (child + 1 < n && a[child] > a[child + 1])//如果右孩子存在（因为如果左孩子为n-1,那右孩子就为n了，就越界了）并且左孩子大于右孩子，下标就走到右孩子上
		{
			child = child + 1;
		}
 
		if (a[child] < a[parent])
		{
			Swap(&a[child], &a[parent]);
 
			parent = child;
			child = parent * 2 + 1;
		}
 
		else
		{
			break;
		}
	}
 
}

注意点：

1.我们既然默认左孩子为小的那一个，那结束条件就应该是左孩子不存在的情况即当左孩子等于n的时候就越界了，而又由于堆是完全二叉树，所以左孩子不存在，那右孩子一定不存在，所以只写这一个就行。

2.child + 1 < n && a[child] > a[child + 1]，首先需要注意左孩子存在，但右孩子不存在的情况，所以判断child+1<n，其次这个条件要写到&&的前面，因为如果写到后面，a[child]>a[child+1]为假，就判断不出右孩子可能越界的情况了，所以右孩子的检查应该放到&&前面。

5.向堆插入数据并建堆


void PushHeap(HP* php, HPDataType x)
{
	assert(php);
	if (php->size == php->capacity)
	{
		int NewCapacity = php->capacity = 0 ? 4 : php->capacity * 2;
		HPDataType* tmp = (HPDataType*)realloc(php->a, sizeof(HPDataType) * NewCapacity);
		if (tmp == NULL)
		{
			perror("realloc fail");
			return;
		}
		php->a = tmp;
		php->capacity = NewCapacity;
 
	}
	php->a[php->size] = x;
	php->size++;
 
	AdjustUp(php->a, php->size - 1);//向上调整传孩子，即插入的数据，找父亲
 
}

需要注意的是最后向上调整传的孩子是插入的数据的下标，因为插入后size++了，所以-1才对应插入的数据的下标。

6.堆的大小


int HeapSize(HP* php)
{
	assert(php);
	return php->size;
}

7.堆的判空


bool HeapEmpty(HP* php)
{
	assert(php);
	return php->size == 0;
}

8.取堆顶数据


HPDataType HeapTop(HP* php)
{
	assert(php);
	assert(!HeapEmpty(&php));
 
	return php->a[0];
}

9.删除堆顶数据

如果我们直接删除堆顶的数据会导致这个堆变乱，所以我们采用交换堆顶和堆尾的数据，将堆的大小减1，这样就访问不到堆尾的数据也就起到了删除的效果了，然后我们再从根节点开始做向下调整算法，恢复堆即可，注意空堆不能删，要判空：


void HeapPop(HP* php)
{
	assert(php);
	assert(!HeapEmpty(&php));
	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;
 
	AdjustDown(php->a, php->size, 0);//从根节点开始向下调整
 
}

10.向上调整时间复杂度

按最坏的情况计算时间复杂度，就拿满二叉树来说：

我们先找到每一次的节点数，再乘向上调整的次数，假设树的高度为h，那我们就将1-h层的所有节点的调整次数相加，就是时间复杂度（计算采用等比数列求和的乘公比错位相减的方法）：

又因为满二叉树的节点个数为2^h-1，所以我们设树有N个节点，就能得到高度，再代入F(h)：

实际去除不影响结果的项也就是O(N*logN)，N为节点个数。

11.向下调整时间复杂度

一样拿满二叉树来说：

实际计算结果：

实际去除不影响结果的项也就是O(N),N为节点个数。

12.堆排序

a.直接将数组放到堆再取堆顶


void HeapSort1(int* a, int n)
{
	HP hp;
	InitHeap(&hp);
 
 
	for (int i = 0; i < n; i++)
	{
		PushHeap(&hp, a[i]);
	}
 
	int i = 0;
	while (!HeapEmpty(&hp))
	{
		int top = HeapTop(&hp);
		a[i++] = top;
		HeapPop(&hp);
	}
}

这样的坏处就是想要改升序降序要改向上向下调整的逻辑，有些麻烦，而且时间上有些麻烦，需要堆排的时候还要写一个堆出来。

b.在将数组放到堆的时候就直接调整，用数组建堆

如果我们要排成降序，就建小堆，小堆选出最小的，首尾交换，最小的放到最后的位置，最后一个数据不看做堆里面的，再次向下调整就可以选出次小的，以此类推，相当于一个一个头插；

调用一次是O(logN)，N次就是O(N*logN)，计算方法跟向下调整差不多；

向下调整建堆需要倒着调整，叶子节点不需要处理，倒数第一个非叶子节点即最后一个节点的父亲开始调整：


void HeapSort(int* a, int n)
{
	for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, n, i);
	}
 
	int end = n - 1;
	while (end > 0)
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		--end;
	}
}

如果我们要排升序，只需要改动向下调整或者写两个建堆方法：

改动两处：选孩子时选大的那个；如果孩子大于父亲，交换：

建堆时也可向上调整建堆，具体实现博主暂时不清楚~~~：


for (int i = 1; i < n; i++)//下标为0即第一个数默认是堆
	{
		AdjustUp(a, i);//建堆,相当于一个一个插入成堆
	}

注意：

1.为什么升序不建小堆呢？因为小堆最小的已经在前面了，不管是移动还是怎么剩下的都要重新建堆

2.堆排序整体时间复杂度为N+N*logN，也就是O（N*logN）

13.topk问题

什么是topk问题？

就是N个数找最大的前N个：

面对庞大的数据，数据放在磁盘的文件里面，而内存是有限的，所以我们将这些数据的前k个建堆，将剩下的数据与堆顶元素进行比较，符合条件就交换，然后再调整，重复操作即可，那该怎么建堆呢？首先对前3 数据进行建一个小堆，注意这里不能建大堆，如果建大堆的话，可能最大的数据在前三个数，其余2个数据在余下的 N-K个数里面，这样其余2个就不能进堆了：


void CreateNData()
{
	//造数据
	int n = 10000;
	srand((unsigned int)time(0));
	const char* file = "data.txt";
	FILE* fin = fopen(file, "w");
	if (fin == NULL)
	{
		perror("fopen error");
		return;
	}
	for (size_t i = 0; i < n; i++)
	{
		int x = rand() % 1000000;
		fprintf(fin, "%d\n", x);
	}
 
	fclose(fin);
}
 
void PrintTopK(int k)
{
	const char* file = "data.txt";
	FILE* fout = fopen(file, "r");
	if (fout == NULL)
	{
		perror("fopen error");
		return;
	}
	int* kminheap = (int*)malloc(sizeof(int) * k);
	if (kminheap == NULL)
	{
		perror("malloc error");
		return;
	}
	for (int i = 0; i < k; i++)
	{
		fscanf(fout, "%d", &kminheap[i]);
	}
 
	for (int i = (k - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(kminheap, k, i);
	}
 
	int val = 0;
	while (!feof(fout))//fscanf读到文件结尾，调用feof，feof读到文件末尾返回非0，否则返回0
	{
		fscanf(fout, "%d", &val);
		if (val > kminheap[0])
		{
			kminheap[0] = val;
			AdjustDown(kminheap, k, 0);
		}
	}
 
	for (int i = 0; i < k; i++)
	{
		printf("%d ", kminheap[i]);
	}
	printf("\n");
}

总结：

堆的结构不难，难在和其他的场景联系到一起并涉及一些算法，所以还是掌握好它结构和算法的基础为主

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/138927