堆与堆排序（一）

爱被打了一巴掌 2022-05-25 01:54 279阅读 0赞

# 堆与堆排序（一） #

上一篇博文 [浅谈优先队列][Link 1] 介绍了什么是优先队列，文末提到了一种数据结构——“堆”，基于“堆”实现的优先队列，出队和入队的时间复杂度都为 `O(logN)`.

这篇博文我们就走进“堆”，看看它到底是什么结构。

## 此堆非彼堆 ##

值得注意的是，这里的“堆”不是内存管理中提到的“堆栈”的“堆”。前者的“堆”——准确地说是二叉堆，是一种类似于完全二叉树的数据结构；后者的“堆”是一种类似于链表的数据结构。

## 堆的结构性质 ##

二叉堆在逻辑结构上是一棵**完全二叉树**。什么是完全二叉树呢？即树的每一层都是满的，除了最后一层最右边的元素**有可能**缺位。

如下图所示，打错号的两个不是完全二叉树，其他都是。

![这里写图片描述][70]

对于一个有 N 个节点的完全二叉树，我们可以为它的每个节点指定一个索引，方法是从上至下，从左到右，从1开始连续编号，如下图黑色数字所示。了解二叉树的朋友一定看出来了，这就是二叉树的层序遍历。

可以看出，对于一个有 N 个节点的完全二叉树，索引值和元素是一一对应的。所以完全二叉树可以用一个数组来表示而不需要指针：索引值就是数组的下标，元素的值就是节点的关键字。

如下图，是一个完全二叉树和数组的相互关系。

![这里写图片描述][70 1]

如果你继续观察，就会发现另一个规律：对于数组任一位置 `i` 上的元素，其左儿子在位置 `2i` 上，右儿子在`2i+1`上，它的父亲则在位置 ⌊i/2⌋  ⌊ i / 2 ⌋ 上。

以节点 D 为例，D 的下标是 4.

*  `B`是它的父节点，`B`的下标是2（=4/2），如图中黑色的线；
 *  `H`是它的左孩子，`H`的下标是8（=4\*2），如图中蓝色的线；
 *  `I`是它的右孩子，`I`的下标是9（=4\*2+1），如图中红色的线；

## 堆序性质 ##

二叉堆一般分为两种：最大堆和最小堆。

最大堆：也叫做大根堆。每一个节点的值（或者说关键字）都要大于或等于它孩子的值（对于任何叶子我们认为这个条件都是自动满足的）。下图就是一个最大堆。

![这里写图片描述][70 2]

最小堆：也叫做小根堆。每一个节点的值（或者说关键字）都要小于或等于它孩子的值（对于任何叶子我们认为这个条件都是自动满足的）。下图就是一个最小堆。

![这里写图片描述][70 3]

**值得注意的是**：以大根堆为例，在任何从根到某个叶子的路径上，键值的序列是递减的（如果允许相等的键存在，则是非递增的）。然而，键值之间并不存在从左到右的次序。也就是说，**在树的同一层节点之间，不存在任何关系，更一般地来说，在同一节点的左右子树之间也没有任何关系。**

## 堆的重要特性 ##

以**大根堆**为例，把堆的重要特性总结如下。

![这里写图片描述][70 4]

1.  只存在一棵 n 个节点的完全二叉树。它的高度等于⌊log2n⌋  ⌊ log 2 ⁡ n ⌋ 
2.  堆的根总是包含了堆的最大元素
3.  堆的一个节点以及该节点的子孙也是一个堆
4.  可以用数组来实现堆，方法是用从上到下、从左到右的方式来记录堆的元素。为了方便起见，可以在这种数组从 1 到 n 的位置上存放堆的元素，留下`H[0]`，要么让它空着，要么在其中放一个限位器，**它的值大于堆中任何一个元素**。
5.  在 4 的表示法中：
    
    1) 父母节点的键将会位于数组的前⌊n/2⌋  ⌊ n / 2 ⌋ 个位置中，而叶子节点的键将会占据后⌈n/2⌉  ⌈ n / 2 ⌉ 个位置。
    
    2) 在数组中，对于一个位于父母位置 `i` 的键来说，它的子女将会位于`2i`和`2i+1`. 相应地，对于一个位于`i`的键来说，它的父母将会位于⌊i/2⌋  ⌊ i / 2 ⌋

对于上面提到的**父母节点的键将会位于数组的前⌊n/2⌋  ⌊ n / 2 ⌋ 个位置中，而叶子节点的键将会占据后⌈n/2⌉  ⌈ n / 2 ⌉ 个位置。**这一点我觉得很有意思，咱们不严格证明，仅简单分析一下为什么会这样。

设一个堆共有N个元素。判断一个索引为 `i` 的节点是不是父母节点，可以看它有没有孩子。如果它有孩子，那么`2i`一定小于等于`N`，换句话说，如果`2i`大于`N`，则可以断定它是叶子节点，在它位置之后的节点（如果有的话）也一定是叶子节点，因为从 `2i > N` 可以推出 `2(i+1) > N`，`2(i+2) > N，`…

所以，只要求解不等式 `2i > N`， 取`i`的最小值，就得到第一个叶子节点的位置。

经过演算，`i` 的最小值是 i=⌊N/2⌋\+1  i = ⌊ N / 2 ⌋ + 1 ，所以，最后一个父母节点的位置是 ⌊n/2⌋  ⌊ n / 2 ⌋

## 如何构造一个堆 ##

针对给定的一列键值，如何构造一个堆呢？

### 方法一：自底向上堆构造 ###

假设要构造一个大根堆，步骤如下：

1.  在初始化一棵包含 n 个节点的完全二叉树时，按照给定的顺序来放置键；
2.  按照下面的方法，对树进行“堆化”
3.  从最后一个父母节点开始，到根为止，该算法检查这些节点的键是否满足父母优势的要求。如果该节点不满足，就把该节点的键 K 和它子女的最大键进行交换，然后再检查在新的位置上，K 是否满足父母优势要求。这个过程一直继续到对 K 的父母优势要求满足为止（最终它必须满足，因为对每个叶子中的键来说，这条件是自动满足的）。
4.  对于以当前父母节点为根的子树，在完成它的“堆化”以后，对该节点的直接前趋（数组中此节点的前一个节点）进行同样的操作。在对树的根完成这种操作以后，该算法就停止了。

**如果该节点不满足父母优势，就把该节点的键 K 和它子女的最大键进行交换，然后再检查在新的位置上，K 是否满足父母优势要求。这个过程一直继续到对 K 的父母优势要求满足为止**——这种策略叫做**下滤**（percolate down）。

假设有一列键（共10个）：`4,1,3,2,16,9,10,14,8,7`

那么，按照上面给定的键值顺序，对应的完全二叉树如下图。

![这里写图片描述][70 5]

最后一个父母节点是5（=10/2），我们从5号节点开始对这个二叉树进行堆化。

![这里写图片描述][70 6]  
![这里写图片描述][70 7]

![这里写图片描述][70 8]

![这里写图片描述][70 9]

![这里写图片描述][70 10]

![这里写图片描述][70 11]

看完这些图，相信你已经知道如何构建大根堆了。下面就用C语言来实现。

#### 递归解法 ####

根据上文的算法描述，很容易想到用递归来实现。我们先设计一个函数——下滤函数。

先写几个宏。给定一个位置为 `i` 的节点，很容易算出它的左右孩子的位置和父母的位置。

#define LEFT(i) (2*i) // i 的左孩子
    #define RIGHT(i) (2*i+1) // i 的右孩子
    #define PARENT(i) (i/2) // i 的父节点

假定以 `LEFT(t)` 和 `RIGHT(t)` 为根的子树都已经是大根堆，下面的函数调整以 `t` 为根的子树，使之成为大根堆。

// 下滤函数（递归解法）
    // 假定以 LEFT(t) 和 RIGHT(t) 为根的子树都已经是大根堆
    // 调整以 t 为根的子树，使之成为大根堆。
    // 节点位置为 1~n，a[0]不使用
    void percolate_down_recursive(int a[], int n, int t) 
    {
    #ifdef PRINT_PROCEDURE
        printf("check %d\n", t);
    #endif
        int left = LEFT(t);
        int right = RIGHT(t);   
        int max = t; //假设当前节点的键值最大
    
        if(left <= n)  // 说明t有左孩子 
        {
            max = a[left] > a[max] ? left : max;
        }
    
        if(right <= n)  // 说明t有右孩子 
        {
            max = a[right] > a[max] ? right : max;
        }
    
        if(max != t)
        {   
            swap(a + max, a + t); // 交换t和它的某个孩子，即t下移一层
    #ifdef PRINT_PROCEDURE
            printf("%d NOT satisfied, swap it and %d \n",t, max);
    #endif
            percolate_down_recursive(a, n, max); // 递归，继续考察t
        }
    }
    
    
    //交换*a和*b, 内部函数
    static void swap(int* a, int* b) 
    {
        int temp = *a;
        *a = *b;
        *b = temp;
    }

有了上面的函数，我们就可以从最后一个父母节点开始，到根为止，逐个进行“下滤”。

#### 非递归解法 ####

以上代码是用“交换法”（第26行）对节点进行下滤。一次交换需要3条赋值语句，有没有更好的写法呢？有，就是“空穴法”（我自己起的名字）。我们先说明空穴法的原理，然后附上代码。

以上图中“检查1号节点，不满足”这个地方开始，对1号节点进行下滤。

![这里写图片描述][70 12]

![这里写图片描述][70 13]

![这里写图片描述][70 14]

![这里写图片描述][70 15]

![这里写图片描述][70 16]

// 非递归且不用交换
    void percolate_down_no_swap(int a[], int n, int t) 
    {
        int key = a[t];  // 用key记录键值
        int max_idx;
        int heap_ok = 0;  // 初始条件是父母优势不满足
    #ifdef PRINT_PROCEDURE 
        printf("check %d\n", t);
    #endif 
        // LEFT(t) <= n 成立则说明 t 有孩子
        while(!heap_ok && (LEFT(t) <= n))
        {           
            max_idx = LEFT(t); // 假设左右孩子中，左孩子键值较大
            if(LEFT(t) < n)    // 条件成立则说明有2个孩子
            {
                if(a[LEFT(t)] < a[RIGHT(t)])
                    max_idx = RIGHT(t); //说明右孩子的键值比左孩子大
    
            }//此时max_idx指向键值较大的孩子
    
            if(key >= a[max_idx])
            {
                heap_ok = 1; //为 key 找到了合适的位置，跳出循环
            }
            else
            {   
                a[t] =  a[max_idx]; //孩子上移一层，max_idx 被空出来，成为空穴 
    
    #ifdef PRINT_PROCEDURE 
                printf("use %d fill %d \n", max_idx, t);
                printf("%d is empty\n", max_idx);
    #endif 
                t = max_idx; //令 t 指向空穴 
            }               
        }
    
        a[t] = key; // 把 key 填入空穴
    #ifdef PRINT_PROCEDURE 
        printf("use value %d fill %d \n", key, t);
    
    #endif 
    
        return;
    }

如果在编译的时候定义宏`PRINT_PROCEDURE`，则可以看到堆化过程和上文的六张图相符。假设源文件名是 max\_heap.c，在编译的时候用`-D宏名称`可以定义宏。

gcc max_heap.c -DPRINT_PROCEDURE

### 方法二：自顶向下堆构造 ###

除了上面的算法，还有一种算法（效率较低）是通过把新的键连续插入预先构造好的堆，来构造一个新堆。有的人把它称作自顶向下堆构造。

1.  首先，把一个键值为 K 的新节点附加在当前堆的最后一个叶子后面；
2.  然后，拿 K 和它父母的键做比较。如果 K 小于等于它的父母，那么算法停止；否则交换这两个键，并把 K 和它的新父母做比较。
3.  重复2，一直持续到 K 不大于它的父母，或者 K 成为树根为止。

这种策略叫做**上滤（percolate up）**。

依然以`4,1,3,2,16,9,10,14,8,7`这列键为例，用图说明上滤的过程。

![这里写图片描述][70 17]

![这里写图片描述][70 18]

![这里写图片描述][70 19]

![这里写图片描述][70 20]

![这里写图片描述][70 21]

![这里写图片描述][70 22]

![这里写图片描述][70 23]

细心的读者应该已经看出来了：下滤法构造的堆，其对应的数组是

[16,14,10,8,7,9,3,2,4,1]

而上滤法构造的堆，其数组是

[16,14,10,8,7,3,9,1,4,2]

所以得出结论：对于同一列键，用下滤法和上滤法构造出来的堆，不一定完全相同。

囿于篇幅，“堆”就说到这里，上滤法的代码，咱们下次说。

## 参考资料 ##

[https://blog.csdn.net/guoweimelon/article/details/50904346][https_blog.csdn.net_guoweimelon_article_details_50904346]

[Link 1]: https://blog.csdn.net/longintchar/article/details/80140135
[70]: /images/20220525/90e97bfdc1f14b7283a6df1cfc26ef99.png
[70 1]: /images/20220525/cff31152a8334e27b6640a9333a5e5c6.png
[70 2]: /images/20220525/8afe63090efa47afa1f4586b21a51188.png
[70 3]: /images/20220525/7edf6a8d92854a738259bfca5214ef18.png
[70 4]: /images/20220525/870769c5e90e4eac97b803e500ced218.png
[70 5]: /images/20220525/91cd111f53954cd0aa9e70e782239f88.png
[70 6]: /images/20220525/6bc15ac5695a44a1847815c89d70e60c.png
[70 7]: /images/20220525/489468f773b941b0ad1de656195b3bcf.png
[70 8]: /images/20220525/d3f0a9418533423f90051923365c611a.png
[70 9]: /images/20220525/7672d8b5390646c595bc501e7896889a.png
[70 10]: /images/20220525/fb9ce65661074d87a909e0641251f5ff.png
[70 11]: /images/20220525/89f028f794d34169917d6bd96d8cb4fd.png
[70 12]: /images/20220525/5f8bb38a2d7b4b7791963b28cc03b2c6.png
[70 13]: /images/20220525/003ba72d0dc44e11838cb09aaf7466d4.png
[70 14]: /images/20220525/1dfb9a74ddcf423e99e611c7a4258109.png
[70 15]: /images/20220525/95bd5c1697fe4d38999f683c231e6360.png
[70 16]: /images/20220525/f494804729a3449baa4bb5975ee47768.png
[70 17]: /images/20220525/8e35f80ffa954981ab1487afd1fd460b.png
[70 18]: /images/20220525/465e8ae4688546febe97b310069329ce.png
[70 19]: /images/20220525/203b1cfe0ecd468aa164bd8e5836534e.png
[70 20]: /images/20220525/0c617b32fad744418f6b69f087751cb7.png
[70 21]: /images/20220525/39127c9b67464abeb0ff5ebfb64c5d38.png
[70 22]: /images/20220525/3a60aa1eb33f421e9818e16fcb312f4e.png
[70 23]: /images/20220525/b0f94266deab462c84413d28e963f3bf.png
[https_blog.csdn.net_guoweimelon_article_details_50904346]: https://blog.csdn.net/guoweimelon/article/details/50904346