I den här handledningen lär du dig vad heapdatastrukturen är. Du hittar också arbetsexempel på heap-operationer i C, C ++, Java och Python.
Heap-datastruktur är ett komplett binärt träd som uppfyller heap-egenskapen . Det kallas också som en binär hög .
Ett komplett binärt träd är ett speciellt binärt träd där
- varje nivå, utom möjligen den sista, fylls
- alla noder är så långt till vänster som möjligt
Heap Property är egenskapen för en nod där
- (för max heap) nyckeln för varje nod är alltid större än dess undernod / er och nyckeln för rotnoden är den största bland alla andra noder;
- (för min hög) nyckeln för varje nod är alltid mindre än undernoden / -erna och nyckeln till rotnoden är den minsta bland alla andra noder.
Heap-operationer
Några av de viktiga operationerna som utförs på en hög beskrivs nedan tillsammans med deras algoritmer.
Heapify
Heapify är processen att skapa en heap-datastruktur från ett binärt träd. Den används för att skapa en Min-Heap eller en Max-Heap.
- Låt inmatningsmatrisen vara
- Skapa ett komplett binärt träd från matrisen
- Börja från det första indexet för icke-bladnod vars index ges av
n/2 - 1
. - Ställ in aktuellt element
i
somlargest
. - Indexet för vänster barn ges av
2i + 1
och det högra barnet ges av2i + 2
.
OmleftChild
är större äncurrentElement
(dvs element vidith
index), ställ inleftChildIndex
som störst.
OmrightChild
är större än elementet ilargest
, ställ inrightChildIndex
somlargest
. - Byt
largest
medcurrentElement
- Upprepa steg 3-7 tills underträdet också heapifieras.
Algoritm
Heapify(array, size, i) set i as largest leftChild = 2i + 1 rightChild = 2i + 2 if leftChild > array(largest) set leftChildIndex as largest if rightChild > array(largest) set rightChildIndex as largest swap array(i) and array(largest)
Så här skapar du en Max-Heap:
MaxHeap(array, size) loop from the first index of non-leaf node down to zero call heapify
För Min-Heap, både leftChild
och rightChild
måste vara mindre än den överordnade för alla noder.
Infoga Element i Heap
Algoritm för infogning i Max Heap
If there is no node, create a newNode. else (a node is already present) insert the newNode at the end (last node from left to right.) heapify the array
- Sätt in det nya elementet i slutet av trädet.
- Heapify trädet.
För Min Heap modifieras ovanstående algoritm så att den parentNode
alltid är mindre än newNode
.
Ta bort Element från Heap
Algoritm för radering i Max Heap
If nodeToBeDeleted is the leafNode remove the node Else swap nodeToBeDeleted with the lastLeafNode remove noteToBeDeleted heapify the array
- Välj det element som ska raderas.
- Byt det med det sista elementet.
- Ta bort det sista elementet.
- Heapify trädet.
För Min Heap ändras ovanstående algoritm så att båda childNodes
är större än currentNode
.
Titta (hitta max / min)
Peek-operationen returnerar det maximala elementet från Max Heap eller minimi-elementet från Min Heap utan att noden raderas.
För både Max heap och Min Heap
returnera rootNode
Extract-Max / Min
Extract-Max returnerar noden med maximalt värde efter att ha tagit bort den från en Max Heap medan Extract-Min returnerar noden med minimum efter att ha tagit bort den från Min Heap.
Python, Java, C / C ++ exempel
Python Java C C ++ # Max-Heap data structure in Python def heapify(arr, n, i): largest = i l = 2 * i + 1 r = 2 * i + 2 if l < n and arr(i) < arr(l): largest = l if r < n and arr(largest) < arr(r): largest = r if largest != i: arr(i),arr(largest) = arr(largest),arr(i) heapify(arr, n, largest) def insert(array, newNum): size = len(array) if size == 0: array.append(newNum) else: array.append(newNum); for i in range((size//2)-1, -1, -1): heapify(array, size, i) def deleteNode(array, num): size = len(array) i = 0 for i in range(0, size): if num == array(i): break array(i), array(size-1) = array(size-1), array(i) array.remove(num) for i in range((len(array)//2)-1, -1, -1): heapify(array, len(array), i) arr = () insert(arr, 3) insert(arr, 4) insert(arr, 9) insert(arr, 5) insert(arr, 2) print ("Max-Heap array: " + str(arr)) deleteNode(arr, 4) print("After deleting an element: " + str(arr))
// Max-Heap data structure in Java import java.util.ArrayList; class Heap ( void heapify(ArrayList hT, int i) ( int size = hT.size(); int largest = i; int l = 2 * i + 1; int r = 2 * i + 2; if (l hT.get(largest)) largest = l; if (r hT.get(largest)) largest = r; if (largest != i) ( int temp = hT.get(largest); hT.set(largest, hT.get(i)); hT.set(i, temp); heapify(hT, largest); ) ) void insert(ArrayList hT, int newNum) ( int size = hT.size(); if (size == 0) ( hT.add(newNum); ) else ( hT.add(newNum); for (int i = size / 2 - 1; i>= 0; i--) ( heapify(hT, i); ) ) ) void deleteNode(ArrayList hT, int num) ( int size = hT.size(); int i; for (i = 0; i = 0; j--) ( heapify(hT, j); ) ) void printArray(ArrayList array, int size) ( for (Integer i : array) ( System.out.print(i + " "); ) System.out.println(); ) public static void main(String args()) ( ArrayList array = new ArrayList(); int size = array.size(); Heap h = new Heap(); h.insert(array, 3); h.insert(array, 4); h.insert(array, 9); h.insert(array, 5); h.insert(array, 2); System.out.println("Max-Heap array: "); h.printArray(array, size); h.deleteNode(array, 4); System.out.println("After deleting an element: "); h.printArray(array, size); ) )
// Max-Heap data structure in C #include int size = 0; void swap(int *a, int *b) ( int temp = *b; *b = *a; *a = temp; ) void heapify(int array(), int size, int i) ( if (size == 1) ( printf("Single element in the heap"); ) else ( int largest = i; int l = 2 * i + 1; int r = 2 * i + 2; if (l array(largest)) largest = l; if (r array(largest)) largest = r; if (largest != i) ( swap(&array(i), &array(largest)); heapify(array, size, largest); ) ) ) void insert(int array(), int newNum) ( if (size == 0) ( array(0) = newNum; size += 1; ) else ( array(size) = newNum; size += 1; for (int i = size / 2 - 1; i>= 0; i--) ( heapify(array, size, i); ) ) ) void deleteRoot(int array(), int num) ( int i; for (i = 0; i = 0; i--) ( heapify(array, size, i); ) ) void printArray(int array(), int size) ( for (int i = 0; i < size; ++i) printf("%d ", array(i)); printf(""); ) int main() ( int array(10); insert(array, 3); insert(array, 4); insert(array, 9); insert(array, 5); insert(array, 2); printf("Max-Heap array: "); printArray(array, size); deleteRoot(array, 4); printf("After deleting an element: "); printArray(array, size); )
// Max-Heap data structure in C++ #include #include using namespace std; void swap(int *a, int *b) ( int temp = *b; *b = *a; *a = temp; ) void heapify(vector &hT, int i) ( int size = hT.size(); int largest = i; int l = 2 * i + 1; int r = 2 * i + 2; if (l hT(largest)) largest = l; if (r hT(largest)) largest = r; if (largest != i) ( swap(&hT(i), &hT(largest)); heapify(hT, largest); ) ) void insert(vector &hT, int newNum) ( int size = hT.size(); if (size == 0) ( hT.push_back(newNum); ) else ( hT.push_back(newNum); for (int i = size / 2 - 1; i>= 0; i--) ( heapify(hT, i); ) ) ) void deleteNode(vector &hT, int num) ( int size = hT.size(); int i; for (i = 0; i = 0; i--) ( heapify(hT, i); ) ) void printArray(vector &hT) ( for (int i = 0; i < hT.size(); ++i) cout << hT(i) << " "; cout << ""; ) int main() ( vector heapTree; insert(heapTree, 3); insert(heapTree, 4); insert(heapTree, 9); insert(heapTree, 5); insert(heapTree, 2); cout << "Max-Heap array: "; printArray(heapTree); deleteNode(heapTree, 4); cout << "After deleting an element: "; printArray(heapTree); )
Heap Data Structure Applications
- Heap används när en prioritetskö implementeras.
- Dijkstras algoritm
- Heap Sort