常见二叉树区别:

满二叉树一定是完全二叉树,完全二叉树不一定是满二叉树。


满二叉树的层k与结点个数的关系:

//第一层2^0
//第二层2^1
//第三层2^2
//第k层2^(k-1)

根据等比数列求和公式求得前k层所有节点的个数sum

sum=1+2^1+2^2+2^3+...+2^(k-1)=2^k-1

假设用数组存储满二叉树,从下标为0的位值开始存第一个根节点然后依次是它的左右子树,如此循环,那么第k层的最后一个节点下标为:2^k-2

ba50746d1fe588a3baddb063c748702e.png

公式描述:

公式中a1为首项,an为数列第n项,q为等比数列公比,Sn为前n项和

//总结一下:共2^k-1个节点,每层有2^(k-1)个节点

上面说了满二叉树现在来说完全二叉树

完全二叉树子节点下标与父结点下标关系证明:

假设父节点为第K层的第m个节点,则其子节点为k+1层的第2m-1个 和 第2*m个(自己可以画图试试

//证明也很简单:
//设父节点为F,F有两个子节点S1和S2
//节点F为第k层的第m个,所以F前肯定有m-1个节点(在第k层
//因为是完全二叉树所以S1前肯定有2(m-1)个节点所以S1是第2m-1个
//S2肯定是第2m个了

则父节点下标为2^(k)-2+m,子节点下标为2^(k+1)+2m-3 和2^(k+1)+2m-2(不要忘了上面的证明,第k层最后一个节点的下标为2^k-2)

//很明显父节点坐标与子节点坐标关系:
//son_index1=2×father_index+1
//son_index2=2×father_index+2
//father_index=son_index/2(前提 father_index和on_index都是int类型

建议:以后记住这个关系就行,不要每次遇到就强迫症似的非得在大脑证明一遍,浪费时间


建堆的时候总是从倒数第二排最后一个节点开始建,说的比较高级些就是从最后一个非叶节点开始建,然后就比较容易看到for(i=size/2-1;i>0;i--)

//size/2-1其实是倒数第二排的最后一个节点的下标
//假设数组的大小为size,堆的高度为k
//画图就会发现,非叶节点的个数永远是size/2(前提size是int
//所以这个循环的意思是遍历所有非叶子节点

发现一篇好文,自认为写不出这么好的,所以转载一下

感谢作者:https://www.cnblogs.com/chengxiao/p/6129630.html

  • 堆排序

  堆排序是利用堆这种数据结构而设计的一种排序算法,堆排序是一种选择排序,它的最坏,最好,平均时间复杂度均为O(nlogn),它也是不稳定排序。首先简单了解下堆结构。

 堆是具有以下性质的完全二叉树:每个结点的值都大于或等于其左右孩子结点的值,称为大顶堆;或者每个结点的值都小于或等于其左右孩子结点的值,称为小顶堆。如下图:

ddfcd70ff2458d9e7130c3389bfe4510.png

同时,我们对堆中的结点按层进行编号,将这种逻辑结构映射到数组中就是下面这个样子

313ee738f5df8d842d64363a50da9f09.png

该数组从逻辑上讲就是一个堆结构,我们用简单的公式来描述一下堆的定义就是:

//大顶堆:arr[i] >= arr[2i+1] && arr[i] >= arr[2i+2]  
//小顶堆:arr[i] <= arr[2i+1] && arr[i] <= arr[2i+2]  

ok,了解了这些定义。接下来,我们来看看堆排序的基本思想及基本步骤:

  • 堆排序基本思想及步骤

堆排序的基本思想是:将待排序序列构造成一个大顶堆,此时,整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换,此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆,这样会得到n个元素的次小值。如此反复执行,便能得到一个有序序列了

步骤一 构造初始堆。将给定无序序列构造成一个大顶堆(一般升序采用大顶堆,降序采用小顶堆)。

  a.假设给定无序序列结构如下

e452cb5aa20980d5e082cb902e643de6.png

2.此时我们从最后一个非叶子结点开始(叶结点自然不用调整,第一个非叶子结点 arr.length/2-1=5/2-1=1,也就是下面的6结点),从下至上进行调整。

f8daff589f416eb2dbf60d9ccf421fe2.png

4.找到第二个非叶节点4,由于[4,9,8]中9元素最大,4和9交换。

cb421859af66e7d1c5916a42e8dedee8.png

这时,交换导致了子根[4,5,6]结构混乱,继续调整,[4,5,6]中6最大,交换4和6。

c565c61064d1ded388c1a07d821560b0.png

此时,我们就将一个无需序列构造成了一个大顶堆。

步骤二 将堆顶元素与末尾元素进行交换,使末尾元素最大。然后继续调整堆,再将堆顶元素与末尾元素交换,得到第二大元素。如此反复进行交换、重建、交换。

a.将堆顶元素9和末尾元素4进行交换

895f9ca29f7c6090ee5ab0a20f354997.png

b.重新调整结构,使其继续满足堆定义

0579c6ed34d3cdd46f1e74a3420496fc.png

c.再将堆顶元素8与末尾元素5进行交换,得到第二大元素8.

6f6e567d5f3a890aafec2a1f39de580c.png

后续过程,继续进行调整,交换,如此反复进行,最终使得整个序列有序

275c430520b6af5d9f9b20eee9321d83.png

再简单总结下堆排序的基本思路:

a.将无需序列构建成一个堆,根据升序降序需求选择大顶堆或小顶堆;

b.将堆顶元素与末尾元素交换,将最大元素"沉"到数组末端;

c.重新调整结构,使其满足堆定义,然后继续交换堆顶元素与当前末尾元素,反复执行调整+交换步骤,直到整个序列有序。

  • C++实现(有错误或者不足的地方还请好不保留的指出,我们一起讨论)(原文是java实现):
#include <iostream>
#include <vector>

using namespace std;

void Swap(vector<int> &array, int lIndex, int rIndex);
void adjustHeap(vector<int> &array, std::size_t father, std::size_t size);
void HeapSort(vector<int> &array);
void Display(const std::vector<int> &vector);

int main()
{
    vector<int> array={9,8,7,6,5,4,3,-6};
    cout<<"before:"<<endl;
    Display(array);

    cout<<"after:"<<endl;
    HeapSort(array);
    Display(array);
}

void Swap(vector<int> &array, int lIndex, int rIndex)
{
    int temp;
    temp=array[lIndex];
    array[lIndex]=array[rIndex];
    array[rIndex]=temp;
}

//son_index1=2×father_index+1
//son_index2=2×father_index+2
void adjustHeap(vector<int> &array, std::size_t father, std::size_t size)
{
    std::size_t child;
    int temp= array[father];
    for(child= 2 * father + 1; child < size; child= 2 * child + 1)
    {
        if(child+1 < size && array[child] < array[child+1])
        {
            child++;
        }
        if(array[child] > temp)    // 如果子节点大于父节点,将子节点值赋给父节点
        {
            array[father]= array[child];
            father=child;
        } else{
            break;
        }
    }//end for
    array[father]=temp;
}

void HeapSort(vector<int> &array)
{
    int i;//i不可为size_t类型 因为当i--的时候i可能会有<0的情况 如果出现这种情况 i的值是未知的
    std::size_t size=array.size();
    // 构建大顶堆
    // 叶子节点没子节点肯定满足堆特性所以从最后一个非叶节点开始 i是下标所以-1
    for (i= (int)size/2-1;i >= 0;i--)
    {
        adjustHeap(array, i,size);
    }

    //交换堆顶元素与末尾元素+堆化
    for(i= (int)size-1;i > 0;i--)
    {
        Swap(array,0,i);    // 将堆顶元素与末尾元素进行交换
        adjustHeap(array,0,i);  // 重新对堆进行调整
    }
}

void Display(const std::vector<int> &vector)
{
    for(auto item : vector)
        printf("%d ",item);
    printf("n");
}

  • 插入

往堆中插入一个元素需要继续满足堆的两个特性,即:

(1)堆是一颗完全二叉树

(2)堆中某个节点的值总是不大于(或不小于)其父节点的值

为了满足条件(1)把元素插入到最后一层最后一个节点往后一位的位置,但是插入之后可能不再满足条件(2)了,这时候我们需要堆化

堆化:

在完全二叉树中,插入的节点如果比父节点小,就交换它们的位置,再往上和父节点相比,如果还比父节点小,再交换位置,直到比父节点大或到根节点为止(小顶堆

数组体现:插入的节点位值为d,让它与d/2位置(father)的节点相比,如果比d/2位置的节点小,就交换它们的位置

插入元素的时间复杂度为O(log n)

  • 堆顶元素的删除

后面堆排序会用到

删除了堆顶元素后,还要满足堆的两个特性(上面的

就像插入,首先把最后一个元素移到根节点的位置,这时候就满足条件(1),之后要使它满足条件(2),就需要堆化

堆化:

在完全二叉树中,把最后一个节点放到堆顶,然后与左右子节点中小的交换位置(因为是小顶堆),依次往下,直到其比左右子节点都小为止。

数组体现:把最后一个元素移到下标为1的位置,先看它是不是小于它的孩子,小于的话不用堆化,否则让其孩子进行比较(第一次也就是2和3位值),与较小的孩子互换位值,然后重复以上

删除元素的时间复杂度为O(log n)

2020/10/14 午

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐