I denne vejledning lærer du, hvad bunke datastruktur er. Du finder også arbejdseksempler på bunkeoperationer i C, C ++, Java og Python.
Heap-datastruktur er et komplet binært træ, der tilfredsstiller heap-ejendommen . Det kaldes også som en binær bunke .
Et komplet binært træ er et specielt binært træ, hvori
- hvert niveau, undtagen muligvis det sidste, er udfyldt
- alle knudepunkter er så langt tilbage som muligt
Heap Property er ejendommen til en node, hvor
- (for max heap) nøglen til hver node er altid større end dens underliggende node / r, og nøglen til rodnoden er den største blandt alle andre noder;
- (for min heap) nøglen til hver node er altid mindre end den underliggende node / r, og nøglen til rodnoden er den mindste blandt alle andre noder.
Bunkeoperationer
Nogle af de vigtige operationer, der udføres på en bunke, er beskrevet nedenfor sammen med deres algoritmer.
Heapify
Heapify er processen med at oprette en bunke-datastruktur fra et binært træ. Det bruges til at oprette en Min-Heap eller en Max-Heap.
- Lad input array være
- Opret et komplet binært træ fra arrayet
- Start fra det første indeks for ikke-bladknude, hvis indeks er givet af
n/2 - 1
. - Indstil det aktuelle element
i
somlargest
. - Indekset for venstre barn er givet af
2i + 1
og det højre barn er givet af2i + 2
.
HvisleftChild
er større endcurrentElement
(dvs. element vedith
indeks), indstillesleftChildIndex
som størst.
HvisrightChild
er større end element ilargest
, skal du indstillerightChildIndex
somlargest
. - Byt
largest
medcurrentElement
- Gentag trin 3-7, indtil undertrærne også heapificeres.
Algoritme
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)
Sådan oprettes en Max-Heap:
MaxHeap(array, size) loop from the first index of non-leaf node down to zero call heapify
Til Min-Heap, både leftChild
og rightChild
skal være mindre end den forælder for alle knuder.
Indsæt element i bunke
Algoritme til indsættelse 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
- Indsæt det nye element i slutningen af træet.
- Hæv træet.
For Min Heap ændres ovenstående algoritme, så den parentNode
altid er mindre end newNode
.
Slet element fra bunke
Algoritme til sletning i Max Heap
If nodeToBeDeleted is the leafNode remove the node Else swap nodeToBeDeleted with the lastLeafNode remove noteToBeDeleted heapify the array
- Vælg det element, der skal slettes.
- Skift det med det sidste element.
- Fjern det sidste element.
- Hæv træet.
For Min Heap ændres ovenstående algoritme, så begge childNodes
er større mindre end currentNode
.
Kig (Find maks / min)
Peek-operation returnerer det maksimale element fra Max Heap eller minimum element fra Min Heap uden at slette noden.
For både Max bunke og Min bunke
returner rootNode
Uddrag-maks / min
Extract-Max returnerer noden med maksimal værdi efter at have fjernet den fra en Max Heap, mens Extract-Min returnerer noden med minimum efter at have fjernet den fra Min Heap.
Python, Java, C / C ++ eksempler
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 Datastruktur applikationer
- Heap bruges under implementering af en prioritetskø.
- Dijkstras algoritme
- Heap Sort