美文网首页
数据结构:左偏堆

数据结构:左偏堆

作者: QiShare | 来源:发表于2021-12-21 14:18 被阅读0次

    左偏堆简介

    又称左偏树、左倾堆,这么多名字都带个左,那就是因为它向左倾斜,和二叉堆一样都是一种优先队列实现方式。

    左偏堆的一些定义

    零距离(Null Path Length):从一个节点到空节点的距离,简称NPL(这个理解看下图就立刻明白了)

    image

    左偏堆的性质

    • [性质1] 节点的键值小于或等于它的左右子节点的键值。
    • [性质2] 节点的左孩子的NPL >= 右孩子的NPL。
    • [性质3] 节点的NPL = 它的右孩子的NPL + 1。

    所有的操作就围绕着这三个性质,这是左偏树的所有操作的依据

    合并

    合并操作步骤

    1. 如果两个空左倾堆合并,返回为空

    2. 一个空左倾堆和非空左倾堆合并,返回非空左倾堆

    3. 两个非空左倾堆合并

      第一步:比较两个堆的根节点,取较小根作为新的根节点,将较小堆的右孩子和较大的堆合并作为新根节点的右孩子

      第二部:如果新堆的右孩子的NPL>左孩子的NPL,交换左右孩子,更新新堆的根节点的NPL

    图文讲解

    合并是左偏树的精髓,插入,删除都要用到合并,这一节咱们用图来展示合并的过程


    image

    <center>比较两个堆的根元素大小(20,42),选择小的作为主堆</center>

    image

    <center>选择小堆的右子树(以72为根的子树)和以42为根的树进行比较</center>

    image

    <center>42<72,交换以42为根的树和以72为根的树的位置</center>

    image

    <center>继续选择右子树,重复上面的动作</center>

    image

    <center>比较86和72</center>

    image

    <center>交换位置</center>

    image

    <center>比较79和86</center>

    image

    <center>将86作为79的右子树</center>

    image

    <center>更新86的npl</center>

    image

    <center>继续更新,64的右子树的npl大于左子树的npl</center>

    image

    <center>更新npl,交换64的左右子树</center>

    image

    <center>更新npl,20的右子树npl大于左子树的npl</center>

    image

    <center>交换20的左右子树,20是整个堆的根节点到此结束</center>

    合并代码实现

     public  Node merge(Node xHeap,Node yHeap){
            //任何一个堆为空,都将另一个堆作为主堆
            if(xHeap == null){
                return yHeap;
            }
            if(yHeap == null){
                return  xHeap;
            }
            //xheap作为主树,选择key小的作为主堆
            if(xHeap.getValue()>yHeap.getValue()){
                Node tem =xHeap;
                xHeap = yHeap;
                yHeap =tem;
    
            }
            //主堆的右子树是是主堆的右子树和yHeap合并的结果
            xHeap.setRight(merge(xHeap.getRight(),yHeap));
            if(xHeap.getLeft()==null||xHeap.getLeft().getNpl()<xHeap.getRight().getNpl()) {
                Node left = xHeap.getLeft();
                Node right =xHeap.getRight();
                xHeap.setRight(left);
                xHeap.setLeft(right);
            }
            xHeap.updateNpl();
            return xHeap;
    
        }
     public  void updateNpl(){
            if(left ==null||right ==null){
                npl = 0;
            }
            npl = right.getNpl()+1;
    
      }
    

    删除

    这里的删除是指的是删除最小值(最大值),也就是根节点。我们只需将根节点的左右节点合并就可以了

     //删除,删除的是最小值,也就是根节点
        public  boolean  remove(){
            if(root == null){
                return  false;
            }
            if(root.getLeft()!=null){
                root.getLeft().setParent(null);
            }
            if(root.getRight()!=null){
                root.getRight().setParent(null);
            }
          root=   merge(root.getLeft(),root.getRight());
            return  true;
    
        }    
    

    插入

    插入操作可以看做一个只有一个节点的左偏树和另一棵树合并

     public  void inserNode(int key){
           Node node = createNode(key);
           root = merge(root,node);
       }
    

    一个拓展延伸 —— 斜堆

    斜堆是左偏树的一个变种,差异就是斜堆没有零距离的概念,合并后不用判断NPL,直接交换左右孩子,也就是去掉NPL判断。个人感觉斜堆和左偏堆是一个东西,只是在保持相对平衡上的策略有所差异,没什么实质的区别。

     public  Node merge(Node xHeap,Node yHeap){
            if(xHeap == null){
                return yHeap;
            }
            if(yHeap == null){
                return  xHeap;
            }
            //xheap作为主树
            if(xHeap.getValue()>yHeap.getValue()){
                Node tem =xHeap;
                xHeap = yHeap;
                yHeap =tem;
    
            }
            xHeap.setRight(merge(xHeap.getRight(),yHeap));
            if(xHeap.getLeft()==null) {//差异就在这一行
                Node left = xHeap.getLeft();
                Node right =xHeap.getRight();
                xHeap.setRight(left);
                xHeap.setLeft(right);
            }
            xHeap.updateNpl();
            return xHeap;
    
        }
    

    总结

    左偏堆是可合并堆的一种堆,是实现优先队列的一种方式,左偏树的灵魂就是合并。如果不牵扯到合并,使用二叉堆就很方便,效率很高,如果会有合并的操作,左偏树是一种不错的选择。

    相关文章

      网友评论

          本文标题:数据结构:左偏堆

          本文链接:https://www.haomeiwen.com/subject/jwdxqrtx.html