索引堆
之前建立堆的过程中所存在的问题
将一个数组进行 heapify 之后, 数组元素的位置发生了变化, 有两个缺点:
- 移动元素位置可能会造成大量的性能消耗.
- 在有些情况下, 元素位置有其他意义, 不能随意改变元素位置.
建立索引堆
image针对每一个元素, 添加一个 index
结构, 用来完成堆的建立. 建立完成后, 原数组元素位置不变, index
的值表示在堆中对应位置的元素位置. 例如: 位置为 1 的 index
值为 10, arr[10]
位于堆的根节点, 其左孩子 index
值为 9, 表示 arr[9]
为根节点的左孩子.
在元素比较时, 比较的是 data
数据, 在做元素交换时交换的是 index
.
索引数组的含义, 是从堆的角度, 正向的理解, 即 indexes[i]
表示, 堆中第 i
个元素对应的数据为 data[indexes[i]]
(其索引为 indexes[i]
).
代码实现
相比较于之前最大堆的实现, 改造为索引堆是很容易的, 需要做的是以下几件事:
- 添加索引数组, 其大小与数据大小相同.
- 在用户插入元素时, 需要给定该元素的索引, 该元素在数组的位置.
- 在比较元素大小时, 我们获取到的索引为堆中的索引
k
, 需要通过indexes[k]
的方式转换为数据的索引. - 在交换元素时, 只需要交换其在
indexes
数组中的位置swap(indexes[k], indexes[k / 2])
.
完整的索引堆实现如下:
template<typename Item>
class IndexMaxHeap {
private:
Item *data;
int *indexes;
int count;
int capacity{};
// 将 k 这个元素向上移动, 以满足大根堆定义
void shiftUp(int k) {
while (k > 1 && data[indexes[k / 2]] < data[indexes[k]]) {
swap(indexes[k], indexes[k / 2]);
k /= 2;
}
}
void shiftDown(int k) {
while (2 * k <= count) {
int j = 2 * k;
if (j + 1 <= count && data[indexes[j + 1]] > data[indexes[j]]) {
j += 1;
}
if (data[indexes[k]] >= data[indexes[j]]) {
break;
}
swap(indexes[k], indexes[j]);
k = j;
}
}
public:
IndexMaxHeap(int capacity) {
data = new Item[capacity + 1];
indexes = new int[capacity + 1];
this->capacity = capacity;
count = 0;
}
IndexMaxHeap(Item arr[], int n) {
data = new Item[n + 1];
indexes = new int[capacity + 1];
this->capacity = n;
count = n;
for (int i = 0; i < n; i++) {
data[i + 1] = arr[i];
}
for (int i = count / 2; i >= 1; i--) {
shiftDown(i);
}
}
~IndexMaxHeap() {
delete[] data;
delete[] indexes;
}
int size() {
return count;
}
bool isEmpty() {
return count == 0;
}
// 传入的 i 对于用户来说, 是从 0 开始索引的
void insert(int i, Item item) {
assert(count + 1 <= capacity);
assert(i + 1 >= 1 && i + 1 <= capacity);
i += 1;
data[++count] = item;
indexes[++count] = i;
shiftUp(count);
}
Item extractMax() {
assert(count > 0);
Item ret = data[indexes[1]];
indexes[1] = indexes[count--];
shiftDown(1);
return ret;
}
// 返回最大元素的的索引
int extractMaxIndex() {
assert(count > 0);
// 对于外部用户来说, 索引减一
int ret = indexes[1] - 1;
indexes[1] = indexes[count--];
shiftDown(1);
return ret;
}
Item getItem(int i) {
return data[i + 1];
}
void change(int i, Item newItem) {
i += 1;
data[i] = newItem;
// 找到 indexes[j] = i, j 表示 data[i] 在堆中的位置.
for (int j = 1; j <= count; j++) {
if (indexes[j] == i) {
shiftUp(j);
shiftDown(j);
return;
}
}
}
};
change 操作
在上面的实现中, 添加了一个新的操作 create()
, 用于修改指定数据位置的数据内容. 在实现中, 我们需要找到该数据对应于堆中的位置, 即找到一个 j
, 使得 indexes[j] = i
.
void change(int i, Item newItem) {
i += 1;
data[i] = newItem;
// 找到 indexes[j] = i, j 表示 data[i] 在堆中的位置.
for (int j = 1; j <= count; j++) {
if (indexes[j] == i) {
shiftUp(j);
shiftDown(j);
return;
}
}
}
在上面的实现中, 我们通过遍历整个 indexes
数组, 找到和 i
相匹配的元素. 这一步操作的时间复杂度是 , 因为后续 shiftUp()
和 shiftDown()
操作复杂度都为 , 因此总体的时间复杂度可以看做 . 如果同时对 n 个堆进行操作, 时间复杂度就达到了 .
进一步改进
为了降低时间复杂度, 这里一个通用的方法就是建立反向索引数组, 如下图所示:
image数组 rev
表示反向索引, 其含义为, 站在数据的角度来看, 这个数据所对应于堆中的位置是多少. 例如, 位于 10 处的数据, 对应于堆中的位置为 1, 即其位于根节点.
-
reverse[i]
表示索引i
在indexes
(堆) 中的位置
根据其定义, 有下面两个等式成立
indexes[reverse[i]] = i
reverse[indexes[i]] = i
在进行位置变更时, 需要同时变更:
indexes[i] = j
reverse[j] = i
完整的实现如下:
template<typename Item>
class IndexMaxHeap {
private:
Item *data;
int *indexes;
int *reverse;
int count;
int capacity{};
// 将 k 这个元素向上移动, 以满足大根堆定义
void shiftUp(int k) {
while (k > 1 && data[indexes[k / 2]] < data[indexes[k]]) {
swap(indexes[k], indexes[k / 2]);
reverse[indexes[k / 2]] = k / 2;
reverse[indexes[k]] = k;
k /= 2;
}
}
void shiftDown(int k) {
while (2 * k <= count) {
int j = 2 * k;
if (j + 1 <= count && data[indexes[j + 1]] > data[indexes[j]]) {
j += 1;
}
if (data[indexes[k]] >= data[indexes[j]]) {
break;
}
swap(indexes[k], indexes[j]);
reverse[indexes[k]] = k;
reverse[indexes[j]] = j;
k = j;
}
}
public:
IndexMaxHeap(int capacity) {
data = new Item[capacity + 1];
indexes = new int[capacity + 1];
reverse = new int[capacity + 1];
for (int i = 0; i <= capacity; i++) {
// reverse[i] = 0 表示数据 i 在堆中不存在.
reverse[i] = 0;
}
this->capacity = capacity;
count = 0;
}
IndexMaxHeap(Item arr[], int n) {
data = new Item[n + 1];
indexes = new int[capacity + 1];
reverse = new int[capacity + 1];
reverse = new int[capacity + 1];
for (int i = 0; i <= capacity; i++) {
// reverse[i] = 0 表示数据 i 在堆中不存在.
reverse[i] = 0;
}
this->capacity = n;
count = n;
for (int i = 0; i < n; i++) {
data[i + 1] = arr[i];
}
for (int i = count / 2; i >= 1; i--) {
shiftDown(i);
}
}
~IndexMaxHeap() {
delete[] data;
delete[] indexes;
}
int size() {
return count;
}
bool isEmpty() {
return count == 0;
}
// 传入的 i 对于用户来说, 是从 0 开始索引的
void insert(int i, Item item) {
assert(count + 1 <= capacity);
assert(i + 1 >= 1 && i + 1 <= capacity);
i += 1;
data[++count] = item;
indexes[++count] = i;
reverse[i] = count;
shiftUp(count);
}
Item extractMax() {
assert(count > 0);
Item ret = data[indexes[1]];
indexes[1] = indexes[count];
reverse[indexes[1]] = 1;
reverse[indexes[count]] = 0;
count--;
shiftDown(1);
return ret;
}
// 返回最大元素的的索引
int extractMaxIndex() {
assert(count > 0);
// 对于外部用户来说, 索引减一
int ret = indexes[1] - 1;
indexes[1] = indexes[count];
reverse[indexes[1]] = 1;
reverse[indexes[count]] = 0;
shiftDown(1);
return ret;
}
// 判断数组下标为 i 的元素, 是否存在于堆中
bool contain(int i) {
assert(i + 1 >= 1 && i + 1 <= capacity);
return reverse[i + 1] != 0;
}
Item getItem(int i) {
assert(contain(i));
return data[i + 1];
}
void change(int i, Item newItem) {
assert(contain(i));
i += 1;
data[i] = newItem;
// 找到 indexes[j] = i, j 表示 data[i] 在堆中的位置.
int j = reverse[i];
shiftUp(j);
shiftDown(j);
return;
}
};
网友评论