二叉堆应用二：优先队列

作者: wayyyy | 来源:发表于2017-09-19 15:16 被阅读0次

看图说话数据结构之二项队列(优先队列)——原理解析
python数据结构教程 Day13
PriorityQueue源码解析
动画 | 什么是二叉堆？
什么是优先队列？
二叉堆应用二：优先队列
目录
d-堆
[数据结构与算法-iOS 实现]优先级队列
堆

优先队列

普通的队列是一种先进先出的数据结构，元素在队列尾追加，而从队列头删除。
在优先队列中，元素被赋予优先级。删除元素时，具有最高优先级的元素最先删除。具有最高级先出队（first in, largest out）的行为特征。

而堆是优先队列的一种很好实现。假设我们维护一个堆，而每次都把最高优先级的元素保持在堆顶，每次删除元素直接取堆顶元素。而在插入元素和删除元素之后，我们再重新调整，维护堆的特性。

插入元素

现在假设我们已经有个优先队列（值越大，优先级越高）。

优先队列.jpg

percolate up（上溯算法）
现在插入50

插入元素.jpg

如图所示：先直接把元素插在最末尾处，然后再执行一个percolate up（上溯）算法：将新结点拿来与父结点比较，如果其键值比父结点大，就与父结点对换位置。如此一直上溯，直到不需要对换或上溯到根节点为止。

删除最高优先级元素

percolate down（下溯算法）

删除最高优先级元素.jpg

如图所示：为了删除元素，先将堆顶结点和最后一个结点交换，然后删除最后一个元素(原堆顶元素)。此时堆的特性已经不满足，再从堆顶元素开始，执行一个下溯算法：找出当前结点的儿子结点中优先级较高的儿子结点，和当前结点优先级进行比较，如果当前结点优先级较低，与优先级较高的儿子结点交换，否则，则已经满足堆的特性，调整结束。按照此过程持续下放，直到调整到最后一棵子树。

代码

#define PARENT(index)   ((index - 1) / 2)
#define LEFTCHILD(index)   (index * 2 + 1)
#define RIGHTCHILD(index)  (index * 2 + 2)


template<typename Key>
class PriorityQueue
{
    public:
        PriorityQueue() = default;
        size_t size() const { return keys.size(); }
        bool empty() const {  return keys.size() == 0; }

        void push(const Key &key);
        void pop();
        Key top()
        {
            assert(keys.size() != 0);
            return keys[0];
        }
    private:
        void percolateUp(int index);        /* 上溯算法 */
        void percolateDown(int index);      /* 下溯算法 */
    private:
        std::vector<Key> keys;
};


template <typename Key>
void PriorityQueue<Key>::push(const Key &key)
{
    keys.push_back(key);
    percolateUp(keys.size()-1);
}


template <typename Key>
void PriorityQueue<Key>::pop()
{
    if (keys.size() != 0)
    {
        std::swap(keys[0], keys[keys.size() - 1]);
        keys.pop_back();
        if (keys.size() > 0)
            percolateDown(0);
    }
}


/*
 * 上溯算法：
 *     将新结点拿来与父结点比较，如果其优先级比父结点高，就与父结点对换位置。
 *     如此一直上溯，直到不需要对换或上溯到根节点为止。
 */
template<typename Key>
void PriorityQueue<Key>::percolateUp(int index)
{
    assert((index >= 0 && index < keys.size()));

    /* 当尚未到达顶端,且当前结点优先级比父结点高,就与父结点交换. */
    int parentIndex = PARENT(index); // 找出父结点:(index - 1) / 2;
    while (index > 0 && keys[index] > keys[parentIndex])
    {
        std::swap(keys[index], keys[parentIndex]);
        percolateUp(parentIndex);
    }
}


/* 下溯算法 */
template<typename Key>
void PriorityQueue<Key>::percolateDown(int index)
{
    assert((index >= 0 && index < keys.size()));

    if (keys.size() <= 1)    // 没有结点和1个结点不需调整
        return;

    int lastNotLeave = static_cast<int>((keys.size()-1) -1) / 2; // 最后一个非叶子结点
    int left = LEFTCHILD(index);                               // 当前结点的左儿子
    int right = RIGHTCHILD(index);                             // 当前结点的右儿子

    if (index <= lastNotLeave)
    {
        /* 找出当前结点的左右儿子结点中优先级较高的结点 */
        int maxKeyIndex;
        if (right <= keys.size() - 1)
            maxKeyIndex = keys[left] >= keys[right] ? left : right;
        else
            maxKeyIndex = left;

        if (keys[maxKeyIndex] > keys[index])
        {
            std::swap(keys[maxKeyIndex], keys[index]);
            if (maxKeyIndex <= lastNotLeave)
                percolateDown(maxKeyIndex);
        }
    }
}