欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

程序员文章站 2024-02-13 23:13:22
...

这位朋友写的特别好,忍不住转发 :-)
http://ahalei.blog.51cto.com/4767671/1425314
所有的代码都是我自己写的,并没有沿用这篇文章原有的代码。


堆是什么?是一种特殊的完全二叉树,就像下面这棵树一样。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

有没有发现这棵二叉树有一个特点,就是所有父结点都比子结点要小(注意:圆圈里面的数是值,圆圈上面的数是这个结点的编号,此规定仅适用于本节)。符合这样特点的完全二叉树我们称为最小堆。反之,如果所有父结点都比子结点要大,这样的完全二叉树称为最大堆。那这一特性究竟有什么用呢?

假如有14个数分别是99、5、36、7、22、17、46、12、2、19、25、28、1和92。请找出这14个数中最小的数,请问怎么办呢?最简单的方法就是将这14个数从头到尾依次扫一遍,用一个循环就可以解决。这种方法的时间复杂度是O(14)也就是O(N)。

public void minNumber(){
    int[] a = {99,5,36,7,22,17,46,12,2,19,25,28,1,92};
    int min = a[0];
    for(int i=0; i<a.length; i++){
        if(a[i]<min) {
            min=a[i];
        }
    }
    System.out.println(min);
}

现在我们需要删除其中最小的数,并增加一个新数23,再次求这14个数中最小的一个数。请问该怎么办呢?只能重新扫描所有的数,才能找到新的最小的数,这个时间复杂度也是O(N)。假如现在有14次这样的操作(删除最小的数后并添加一个新数)。那么整个时间复杂度就是O(142)即O(N2)。那有没有更好的方法呢?

堆这个特殊的结构恰好能够很好地解决这个问题。

首先我们先把这个14个数按照最小堆的要求(就是所有父结点都比子结点要小)放入一棵完全二叉树,就像下面这棵树一样。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

很显然最小的数就在堆顶,假设存储这个堆的数组叫做h的话,最小数就是h[1]。接下来,我们将堆顶的数删除,并将新增加的数23放到堆顶。显然加了新数后已经不符合最小堆的特性,我们需要将新增加的数调整到合适的位置。
那如何调整呢?

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

向下调整!我们需要将这个数与它的两个儿子2和5比较,并选择较小一个与它交换,交换之后如下。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

我们发现此时还是不符合最小堆的特性,因此还需要继续向下调整。于是继续将23与它的两个儿子12和7比较,并选择较小一个交换,交换之后如下。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

到此,还是不符合最小堆的特性,仍需要继续向下调整直到符合最小堆的特性为止。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

我们发现现在已经符合最小堆的特性了。综上所述,当新增加一个数被放置到堆顶时,如果此时不符合最小堆的特性,则将需要将这个数向下调整,直到找到合适的位置为止,使其重新符合最小堆的特性。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

向下调整的代码如下

public void siftdown(){
    int[] a = {1,2,5,12,7,17,25,19,36,99,22,28,46,92};
    a[0] = 23;
    System.out.println(Arrays.toString(a));
    int i = 0, t, newValue;
    while (i*2+1 < a.length){
        newValue = a[i];
        if(a[i*2+1] > a[i*2+2]){
           t = i*2+2;
        }else{
            t = i*2+1;
        }
        a[i] = a[t];
        a[t] = newValue;
        i = t;
        System.out.println("在循环里");
    }
    System.out.println(Arrays.toString(a));
}

输出结果:

[23, 2, 5, 12, 7, 17, 25, 19, 36, 99, 22, 28, 46, 92]
在循环里
在循环里
在循环里
[2, 7, 5, 12, 22, 17, 25, 19, 36, 99, 23, 28, 46, 92]

我们刚才在对23进行调整的时候,竟然只进行了3次比较,就重新恢复了最小堆的特性。现在最小的数依然在堆顶为2。之前那种从头到尾扫描的方法需要14次比较,现在只需要3次就够了。现在每次删除最小的数并新增一个数,并求当前最小数的时间复杂度是O(3),这恰好是O(log14)即O(logN)。

假如现在有1亿个数(即N=1亿),进行1亿次删除最小数并新增一个数的操作,使用原来扫描的方法计算机需要运行大约1亿的平方次,而现在只需要log1亿次,即27亿次。假设计算机每秒钟可以运行10亿次,那原来则需要一千万秒大约115天!而现在只要2.7秒(2的27次方大概是1亿)。
是不是很神奇,再次感受到算法的伟大了吧。

说到这里,如果只是想新增一个值,而不是删除最小值又该如何操作呢?即如何在原有的堆上直接插入一个新元素呢?只需要直接将新元素插入到末尾,再根据情况判断新元素是否需要上移,直到满足堆的特性为止。如果堆的大小为N(即有N个元素),那么插入一个新元素所需要的时间也是O(logN)。例如我们现在要新增一个数3。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

先将3与它的父结点25比较,发现比父结点小,为了维护最小堆的特性,需要与父结点的值进行交换。交换之后发现还是要比它此时的父结点5小,因此需要再次与父结点交换。至此又重新满足了最小堆的特性。向上调整完毕后如下。

【坐在马桶上看算法】算法11:堆——神奇的优先队列(上)

向上调整的代码如下

public void siftup(){
    int[] a = {2,7,5,12,22,17,25,19,36,99,23,28,46,92,3};
    int newValue, i = a.length - 1;
    System.out.println(Arrays.toString(a));
    while(i>0){
        newValue = a[i];
        if(a[i] < a[i/2-1]){
            a[i] = a[i/2-1];
            a[i/2-1] = newValue;
            i = i/2-1;
        }else{
            break;
        }
        System.out.println("在循环里");
    }
    System.out.println(Arrays.toString(a));
}

输入结果:

[2, 7, 5, 12, 22, 17, 25, 19, 36, 99, 23, 28, 46, 92, 3]
在循环里
在循环里
[2, 7, 3, 12, 22, 17, 5, 19, 36, 99, 23, 28, 46, 92, 25]

说了半天,我们忽略一个很重要的问题!就是如何建立这个堆,下节接着说。


原贴的广告咱不能选择性地忽略。

《啊哈!算法》系列,坐在马桶上都能读懂的算法入门书,已经整理出版,下周一将是最后一次在线更新啦(把堆说完)。各位喜欢《啊哈!算法》的朋友要去买一本搜藏哦 这年头写个东西不容易,多谢大家支持啦,当当网购买链接 http://product.dangdang.com/23490849.html