【数据结构】堆的应用(堆排序的实现 + (向上/向下)建堆时间复杂度证明 + TopK问题(笔记总结))

news/2025/2/13 21:54:52/

在这里插入图片描述

👦个人主页:@Weraphael
✍🏻作者简介:目前学习C++和算法
✈️专栏:数据结构
🐋 希望大家多多支持,咱一起进步!😁
如果文章对你有帮助的话
欢迎 评论💬 点赞👍🏻 收藏 📂 加关注✨


【本章内容】

在这里插入图片描述

标题

  • 一、堆排序
    • 1.1 堆排序的思想
    • 1.2 堆排序排升序思路
    • 1.3 建堆
      • 1.31 向上调整建堆
      • 1.32 向上建堆时间复杂度证明
      • 1.33 向下调整建堆
      • 1.34 向下建堆时间复杂度证明
    • 1.4 调整
      • 1.41 调整代码实现
      • 1.42 调整复杂度证明
    • 1.5 完整代码 + 整体时间复杂度
  • 二、TOP-K问题
    • 2.1 什么是TOP-K问题
    • 2.2 TOP-K问题的基本思路
    • 2.3 取最大的前TOP-K
    • 2.4 代码实现

一、堆排序

1.1 堆排序的思想

堆排序即利用堆的思想来进行排序,总共分为两个步骤:

  1. 建堆
    升序:建大堆
    降序:建小堆
  2. 利用堆删除思想来进行排序
    建堆和堆删除中都运用到了向下调整。但是,建堆也可以用向上调整,只是向上调整的时间复杂度高于向下调整(后面有证明过程)

1.2 堆排序排升序思路

在《堆排序的思想》中,总结了升序要建大堆,为什么要建大堆呢?首先大堆的特点是:父亲结点总大于或等于孩子结点。因此建完大堆后,根节点就是最大的,而又要保持升序。所以,我们可以将根结点和尾结点进行交换,这样最大的元素就在最后一个了,然后再以根结点向下调整(注意调整的时候不要再动尾结点了),这样次大的元素又在根结点上了,重复以上操作,即可以用堆排序排升序。

1.3 建堆

1.31 向上调整建堆

  • 向上调整建堆就是从第二层模拟插入的过程
void Swap(int* p1, int* p2)
{int tmp = *p1;*p1 = *p2;*p2 = tmp;
}void AdjustUp(int* a, int child)
{//找到父亲节点int parent = (child - 1) / 2;while (child > 0) {if (a[child] > a[parent]){Swap(&a[child], &a[parent]);//迭代child = parent;parent = (child - 1) / 2;}//如果尾插的节点不比其父亲大,就没必要比了else{break;}}
}void HeapSort(int* a, int n)
{//1. 建堆//法一:向上调整建堆(大堆)for (int i = 1; i < n; i++){Adjust(a, i);}
}int main()
{int a[] = { 4,7,10,8,1,5,2,3 };//数组元素个数Asizeint Asize = sizeof(a) / sizeof(a[0]); //堆排序HeapSort(a, Asize);//打印for (int i = 0; i < Asize; i++)printf("%d ", a[i]);printf("\n");return 0;
}

此篇博客详细讲解了建大堆的过程 -->【传送门】

1.32 向上建堆时间复杂度证明

由于一般时间复杂度通常都是看最坏的,因此以满二叉树为例,因为它的结点个数最多。

在这里插入图片描述

向上建堆是从第二层开始模拟插入过程的。现假设二叉树的高度为h,T(N)表示建堆的总次数。那如何列出总次数的式子呢?我们可以拿(每一层结点个数如上图)每一层结点的个数 × 最坏调整次数。例如,从第二层开始向上建堆可以列出 2 1 × 1 2^1×1 21×1,第三层可以列出 2 2 × 2 2^2 × 2 22×2。后面因此类推。所以可以列出以下T(N)的表达式:
T ( N ) = 2 1 × 1 + 2 2 × 2 + 2 3 × 3 + . . . + 2 ( h − 2 ) × ( h − 2 ) + 2 ( h − 1 ) × ( h − 1 ) T(N) = 2^1×1 + 2^2×2 + 2^3×3 + ... + 2^(h-2)×(h-2) + 2^(h-1)×(h-1) T(N)=21×1+22×2+23×3+...+2(h2)×(h2)+2(h1)×(h1)
那该如何化简呢?这就要运用到高中的数学知识 — 错位相减法
在这里插入图片描述
再通过以下结论:
设满二叉树高度为h,总结点个数为N

  • 满二叉树的总结点个数 : N = 2 h − 1 N = 2^h - 1 N=2h1
  • 再根据数学知识化简以上等式: h = l o g N h = logN h=logN (以2为底)

在这里插入图片描述
带入结论得出:向上建堆的时间复杂度为:NlogN

1.33 向下调整建堆

#include <stdio.h>
//堆排序void Swap(int* p1, int* p2)
{int tmp = *p1;*p1 = *p2;*p2 = tmp;
}void AdjustDown(int* a, int n, int parent)
{//假设左孩子一开始最大int child = parent * 2 + 1;//当child走到叶子节点循环结束,也就是说它不能超过数组的大小while (child < n){//判断右孩子是否真的比左孩子大//注意还要防止数组越界if (child + 1 < n && a[child + 1] > a[child]){child++;}if (a[child] > a[parent]){Swap(&a[child], &a[parent]);//迭代parent = child;child = parent * 2 + 1;}else{break;}}
}void HeapSort(int* a, int n)
{//1. 建堆//法二:向下调整建堆(大堆)for (int i = (n - 1 - 1) / 2; i >= 0; i--){Adjustdown(a, n, i);}
// i - 开始向下调整的根的下标
// n - 需要调整的元素个数
}

这里需要注意的是,这里的向下调整并不是从根结点开始的,而是从倒数第一个非叶子结点开始的。为什么呢?因为一开始数组内的元素都是随机的,而向下调整必须要满足左右子树都要有堆的性质。画个图可能会更加清晰点:
在这里插入图片描述
然后再来解释向下调整循环的细节,前头说过了,要从倒数第一个非叶子结点开始向下调整,对于上图来说,非叶结点的第一个结点也就是15,那么问题来了,如何找到15呢,在堆的章节已经说过了父亲结点和孩子结点的下标关系

  1. 如何找到父亲结点:parent = (child - 1)/ 2
  2. 如何找到左孩子结点 :leftchild = parent * 2 + 1
  3. 如何找到右孩子结点:rightchild = parent * 2 + 2(右孩子比左孩子的下标多1)

所以可以通过500的下标找到15,因此循环里的(n - 1 - 1) / 2n - 1代表的是最后一个元素的下标,再-1 /2即找到倒数第一个非叶子结点

1.34 向下建堆时间复杂度证明

和向上建堆的时间复杂度一样,以满二叉树为例

在这里插入图片描述

在向下调整过程中,由于是从倒数第二层结点开始向下调整的,倒数第二层结点总个数不难算出是 2(h-2)。现假设二叉树的高度为h,T(N)表示建堆的总次数。通过每一层结点的个数 × 最坏调整次数列出T(n)表达式如下:
T ( N ) = 2 ( h − 2 ) × 1 + 2 ( h − 3 ) × 2 + . . . + 2 1 × ( h − 2 ) + 2 0 × ( h − 1 ) T(N) = 2^(h-2)×1 + 2^(h-3)×2 + ... + 2^1×(h-2) + 2^0×(h-1) T(N)=2(h2)×1+2(h3)×2+...+21×(h2)+20×(h1)
然后通过错位相减法,过程如下:
在这里插入图片描述
再通过以下结论:
设满二叉树高度为h,总结点个数为N

  • 满二叉树的总结点个数 : N = 2 h − 1 N = 2^h - 1 N=2h1
  • 再根据数学知识化简以上等式: h = l o g N h = logN h=logN (以2为底)

在这里插入图片描述
带入结论得出:向下建堆的时间复杂度为:O(N)

总结:
向上建堆的时间复杂度为:O(NlogN),向下建堆的时间复杂度为:O(N)。因此,建堆时一般都使用向上建堆。

1.4 调整

我们已经完成了建堆,接下来根据《堆排序排升序思路》。将根结点和尾结点进行交换,然后再以根结点向下调整(注意调整的时候不要再动尾结点了),这样次大的元素又在根结点上了,重复以上操作,即可以用堆排序排升序。

1.41 调整代码实现

#include <stdio.h>
//堆排序void Swap(int* p1, int* p2)
{int tmp = *p1;*p1 = *p2;*p2 = tmp;
}void AdjustDown(int* a, int n, int parent)
{//假设左孩子一开始最大int child = parent * 2 + 1;//当child走到叶子节点循环结束,也就是说它不能超过数组的大小while (child < n){//判断右孩子是否真的比左孩子大//注意还要防止数组越界if (child + 1 < n && a[child + 1] > a[child]){child++;}if (a[child] > a[parent]){Swap(&a[child], &a[parent]);//迭代parent = child;child = parent * 2 + 1;}else{break;}}
}void HeapSort(int* a, int n)
{//1. 建堆//法二:向下调整建堆(大堆)for (int i = (n - 1 - 1) / 2; i >= 0; i--){AdjustDown(a, n, i);}//2. 调整int end = n - 1;//最后一个元素while (end > 0){//首尾交换Swap(&a[0], &a[end]);//向下调整AdjustDown(a, end, 0);end--;}//end是最后一个元素的下标//同时也是前面数据的个数
}

💀注意
交换完头尾两个元素后,向下调整的区间不要包括最后一个元素,因为最后一个元素已经是当前所有元素中最大的了

1.42 调整复杂度证明

可以这么想,因为满二叉树最后一层的结点个数占总结点个数的一半,因此可以只看最后一层
T ( N ) = 2 ( h − 1 ) × ( h − 1 ) = N l o g N T(N) = 2^(h-1) × (h-1) = NlogN T(N)=2(h1)×(h1)=NlogN

1.5 完整代码 + 整体时间复杂度

//堆排序
#include <stdio.h>void Swap(int* p1, int* p2)
{int tmp = *p1;*p1 = *p2;*p2 = tmp;
}void AdjustDown(int* a, int n, int parent)
{//假设左孩子一开始最大int child = parent * 2 + 1;//当child走到叶子节点循环结束,也就是说它不能超过数组的大小while (child < n){//判断右孩子是否真的比左孩子大//注意还要防止数组越界if (child + 1 < n && a[child + 1] > a[child]){child++;}if (a[child] > a[parent]){Swap(&a[child], &a[parent]);//迭代parent = child;child = parent * 2 + 1;}else{break;}}
}void HeapSort(int* a, int n)
{//1. 建堆//法二:向下调整建堆(大堆)for (int i = (n - 1 - 1) / 2; i >= 0; i--){AdjustDown(a, n, i);}//2. 调整int end = n - 1;//最后一个元素while (end > 0){//首尾交换Swap(&a[0], &a[end]);//向下调整AdjustDown(a, end, 0);end--;}
}int main()
{int a[] = { 4,7,10,8,1,5,2,3 };//数组元素个数Asizeint Asize = sizeof(a) / sizeof(a[0]); //堆排序HeapSort(a, Asize);//打印for (int i = 0; i < Asize; i++)printf("%d ", a[i]);printf("\n");return 0;
}

【结果展示】

在这里插入图片描述

.🎈总结
向上建堆的时间复杂度是O(N),调整的时间复杂度是O(NlogN)。因此,堆排序的时间复杂度为O(Nlog(N)

二、TOP-K问题

2.1 什么是TOP-K问题

  • TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。
  • TOP-K在生活中的应用:在班级取成绩前10名、游戏中给段位高的前100的玩家排名等。

2.2 TOP-K问题的基本思路

对于Top-K问题,能想到的最简单直接的方式就是排序。但是,如果数据量非常大,排序就不太可取了(因为数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决。基本思路如下:

  1. 用数据集合中前K个元素来建堆
  • 取前k个最大的元素,则建小堆
  • 取前k个最小的元素,则建大堆
  1. 用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素

2.3 取最大的前TOP-K

假设我们要取最大的前k个(取最小的前k个也是如此),就要建小堆,然后随机放入K个数据。为什么呢?因为小堆的特点是根结点是整个数据中最小的,然后剩余的N - K个元素依次与堆顶元素来比较,如果大于堆顶元素则交换,然后再进行向下调整。最后,重复以上操作,堆中小的数据都已经被替换了,剩下的就是最大的前K

2.4 代码实现

  • 建小堆
#include <stdio.h>
#include <stdlib.h>void Swap(int* p1, int* p2)
{int tmp = *p1;*p1 = *p2;*p2 = tmp;
}void AdjustDown(int* a, int n, int parent)
{//假设左孩子一开始最大int child = parent * 2 + 1;//当child走到叶子节点循环结束,也就是说它不能超过数组的大小while (child < n){//判断右孩子是否真的比左孩子大//注意还要防止数组越界if (child + 1 < n && a[child + 1] < a[child]){child++;}//小堆if (a[child] < a[parent]){Swap(&a[child], &a[parent]);//迭代parent = child;child = parent * 2 + 1;}else{break;}}
}void GetTopK(int* a, int n, int k)
{//1. 建堆int* SmallHeap = (int*)malloc(sizeof(int) * k);if (SmallHeap == NULL)return;//2. 随机放入k个数据for (int i = 0; i < k; i++){SmallHeap[i] = a[i];}//3. 建小堆for (int i = (k - 1 - 1) / 2; i >= 0; i--){AdjustDown(SmallHeap, k, i);}
}
  • 用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
//4. 将剩下的n - k个元素依次和堆顶元素比较for (int i = k; i < n; i++){//如果n-k个元素中有大于堆顶则交换if (a[i] > SmallHeap[0]){SmallHeap[0] = a[i];//交换完后再调整堆AdjustDown(SmallHeap, k, 0);}}//5.打印for (int i = 0; i < k; i++){printf("%d ", SmallHeap[i]);}printf("\n");

【完整代码】

// TopK问题:以找出N个数里面最大为例#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
void Swap(int* a1, int* a2)
{int tmp = *a1;*a1 = *a2;*a2 = tmp;
}//小堆:父亲比孩子小
void AdjustDown(int* a, int n, int parent)
{//child一开始最小int child = parent * 2 + 1;while (child < n){if (child + 1 < n && a[child + 1] < a[child]){child++;}//小堆if (a[child] < a[parent]){Swap(&a[child], &a[parent]);parent = child;child = parent * 2 + 1;}else{break;}}
}void PrintTopK(int* a, int n, int k)
{//1.建堆int* SmallHeap = (int*)malloc(sizeof(int) * k);assert(SmallHeap);//2. 随机向堆丢入k个数据for (int i = 0; i < k; i++){SmallHeap[i] = a[i];}//3.建小堆for (int i = (k - 1 - 1) / 2; i >= 0; i--){AdjustDown(SmallHeap, k, i);}//4. 将剩下的n - k个元素依次和堆顶元素比较for (int i = k; i < n; i++){//如果n-k个元素中有大于堆顶则交换if (a[i] > SmallHeap[0]){SmallHeap[0] = a[i];//交换完后再调整堆AdjustDown(SmallHeap, k, 0);}}//5.打印for (int i = 0; i < k; i++){printf("%d ", SmallHeap[i]);}printf("\n");
}int main()
{int a[] = { 20, 100, 4, 2, 87, 9, 8, 5, 46, 26 };int k = 3;int n = sizeof(a) / sizeof(a[0]);PrintTopK(a, n, k);return 0;
}

http://www.ppmy.cn/news/47662.html

相关文章

Flink Table API 和 Flink-SQL使用详解

Flink Table API 和 Flink-SQL使用详解 1.Table API & Flink SQL-核心概念 ​ Apache Flink 有两种关系型 API 来做流批统一处理&#xff1a; Table API Table API 是用于 Scala 和 Java 语言的查询API&#xff0c;它可以用一种非常直观的方式来组合使用选取、过滤、join…

RK3568平台开发系列讲解(调试篇)IS_ERR函数的使用

🚀返回专栏总目录 文章目录 一、IS_ERR函数用法二、IS_ERR函数三、内核错误码沉淀、分享、成长,让自己和他人都能有所收获!😄 📢本篇将介绍 IS_ERR 函数的使用。 一、IS_ERR函数用法 先看下用法: 二、IS_ERR函数 对于任何一个指针来说,必然存在三种情况: 一种是合…

电源常识-PCB材质防火等级焊锡工艺

1、目前主流的PCB材质分类主要有以下几种,如图1&#xff0c;图2&#xff0c;图3。FR-4材质比CEM-1好&#xff0c;CEM-1比FR-1好。 按结构分为单面板&#xff0c;双面板&#xff0c;多层板。单面板就是单面铺铜走线&#xff0c;双面板就是上下两面都可以铺铜走线&#xff0c;多层…

Guns社区医疗项目

又是一年毕业季&#xff0c;计算机专业大四的同学们要接受毕业设计的考验啦。又有多少同学为了毕业设计而愁眉苦脸&#xff0c;心力憔悴。考虑到这些&#xff0c;这里为同学们分享一个适合你们毕业设计的作品以及详细介绍&#xff0c;让正在焦头烂额的同学们有所启发&#xff0…

asp.net+C#房地产销售系统文献综述和开题报告+Lw

本系统使用了B/S模式&#xff0c;使用ASP.NET语言和SQL Server来设计开发的。首先把所有人分为了用户和管理员2个部分&#xff0c;一般的用户可以对系统的前台进行访问&#xff0c;对一般的信息进行查看&#xff0c;而注册用户就可以通过登录来完成对房屋信息的查看和对房屋的…

开发插件JFormDesigner(可视化GUI编程)的使用与注册-简单几步即可完成

开发插件JFormDesigner&#xff08;可视化GUI编程&#xff09;的使用与注册 获取链接&#xff1a;1.JFormDesigner获取2.记录插件下载路径3.使用zcj注册4.生成license5.打开idea进行注册 获取链接&#xff1a; https://pan.baidu.com/s/1N9ua2p3BpiMIARCEewRxIw?pwd4e9a 提取…

浅说情绪控制被杏仁体劫持

2023年4月16号&#xff0c;没想到被杏仁体劫持那么严重&#xff0c;触发手抖和口干的症状&#xff0c;这个还真是自己完全没有意识到的【这就是焦虑固化的记忆会持续化】。 【修行】人生要修炼两条线&#xff1a;一条明线是做的事情&#xff0c;那是自己要做的具体事情。 一条…

天梯赛 L2-034 口罩发放

原题链接&#xff1a; PTA | 程序设计类实验辅助教学平台 题目描述&#xff1a; 为了抗击来势汹汹的 COVID19 新型冠状病毒&#xff0c;全国各地均启动了各项措施控制疫情发展&#xff0c;其中一个重要的环节是口罩的发放。 某市出于给市民发放口罩的需要&#xff0c;推出了…