news 2026/5/25 17:59:22

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 2026/5/25 3:03:09

IDEA插件下载慢?2步提速起飞

最近更新了IDEA为最新版&#xff0c;虽然保存了&#xff0c;但还是一部分插件失效了&#xff0c;需要重新下载&#xff0c;下载插件时不是安装慢就是超时&#xff0c;总之就是安装不上&#xff0c;还是记录一下&#xff0c;说不定以后哪天还能用到&#xff0c; 1.查找 国内插件…

作者头像 李华
网站建设 2026/5/24 4:55:43

学Simulink——移动机器人基础驱动场景实例:基于Simulink的PMSM轮毂电机 id​=0 矢量控制(FOC)入门仿真

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PMSM轮毂电机 id​=0 矢量控制(FOC)入门仿真 一、引言:为什么移动机器人要用 FOC?——从“能转”到“精准控转矩” 二、FOC 原理简述:让交流电机像直流电机一样控制 FOC 控制流程(五步法):…

作者头像 李华
网站建设 2026/5/24 13:50:35

基于Simulink的PMSM轮毂电机Pure Pursuit路径跟踪控制仿真

目录 手把手教你学Simulink——移动机器人导航场景实例:基于Simulink的PMSM轮毂电机Pure Pursuit路径跟踪控制仿真 一、引言:从“能走”到“走准”——路径跟踪是自主导航的核心 二、系统架构总览 三、Pure Pursuit 算法原理(简明版) 四、应用场景:差速驱动AGV路径跟踪…

作者头像 李华
网站建设 2026/5/24 22:00:26

5个promptfoo实战技巧:告别手动测试的黑暗时代

还在为提示词测试而头疼吗&#xff1f;每次修改提示词都要手动运行几十个测试用例&#xff0c;结果还不尽相同&#xff1f;让我告诉你一个秘密&#xff1a;promptfoo自动化测试框架能帮你解决这些问题。今天&#xff0c;我将分享5个实用技巧&#xff0c;让你从手动测试的苦海中…

作者头像 李华
网站建设 2026/5/25 6:32:34

Nacos 2.4.2命名空间管理终极解决方案:实战指南

Nacos 2.4.2命名空间管理终极解决方案&#xff1a;实战指南 【免费下载链接】nacos Nacos是由阿里巴巴开源的服务治理中间件&#xff0c;集成了动态服务发现、配置管理和服务元数据管理功能&#xff0c;广泛应用于微服务架构中&#xff0c;简化服务治理过程。 项目地址: http…

作者头像 李华
网站建设 2026/5/25 15:15:36

CubiFS分布式存储系统全面贡献指南:从入门到核心开发

CubiFS分布式存储系统全面贡献指南&#xff1a;从入门到核心开发 【免费下载链接】cubefs CubiFS 是一个开源的分布式文件系统&#xff0c;用于数据存储和管理&#xff0c;支持多种数据存储模型和云原生环境。 * 分布式文件系统、数据存储和管理 * 有什么特点&#xff1a;支持多…

作者头像 李华