跳转至

堆⚓︎

如何手写堆？

堆的介绍⚓︎

堆是一个完全二叉树：除了最后一层节点外，上面所有层节点都是满的，最后一层节点从左到右依次排布。

关于二叉树的概念详见此文 (原始内容存档于此页面)。

堆的类型：

  • 小根堆(这里讨论)：每个点的值都小于等于左右儿子的值，则根节点是最小值所在的点；
  • 大根堆：父节点的值大于等于其子节点的值。

堆的存储方式：用 一维数组 存储。1号点是根节点，采用左右孩子编号法，每个下标为x的节点的左儿子(若存在)下标为2 * x，右儿子(若存在)下标为2 * x + 1；下标为i节点的父节点(若存在)下标是i / 2。

堆的基本操作⚓︎

基本函数：

  • down(x)：把一个节点 往下调整；
  • up(x)：把一个节点 往上调整。

小根堆的操作(下标从1开始)：

  • 插入一个数：在整个堆的最后一个位置插入x，也就是需要先把新元素从堆尾插入，再逐层上浮到合适位置 (heap[++size] = x; up(size);)；
  • 求集合当中的最小值：对于小根堆就是取出根节点heap[1]的值；
  • 删除最小值：(删除堆的顶点)因为这里删除位于尾部的节点较为简单，所以可以用整个堆的最后一个元素覆盖掉堆顶元素，也就是先把尾元素移到根上，再逐层下沉到合适位置 (heap[1] = heap[size]; size--; down(1);)；
  • (STL的堆无内置实现) 删除任意一个元素：删除第k个点(heap[k] = heap[size]; size--; down(k); up(k);)，注意这里down和up只会执行一个；
  • (STL的堆无内置实现) 修改任意一个元素：修改第k个点(heap[k] = x; down(k); up(k);)。

模板与例题⚓︎

堆的插入⚓︎

一次操作时间复杂度为 \(O(\log n)\)。

模板：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
int h[1000010], size_h;

void up(int u) {  //上浮
    if (u / 2 && h[u / 2] > h[u]) {
        swap(h[u], h[u / 2]);
        up(u / 2);
    }
}

void push(int x) {  //压入
    h[++size_h] = x;
    up(size_h);
}

堆的删除⚓︎

一次操作时间复杂度为 \(O(\log n)\)。

模板：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
void down(int u) {  //下沉
    int v = u;
    if (u * 2 <= size_h && h[u * 2] < h[v]) v = u * 2;
    if (u * 2 + 1 <= size_h && h[u * 2 + 1] < h[v]) v = 2 * u + 1;
    if (u != v) {
        swap(h[u], h[v]);
        down(v);
    }
}

void pop() {  //删除
    h[1] = h[size_h--];
    down(1);
}

例题：堆排序

堆排序和快速排序都是不稳定的排序，而归并排序是稳定的。

综合⚓︎

堆的插入与删除的STL代码⚓︎

时间复杂度为 \(O(n \log n)\)。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
#include <iostream>
#include <cstring>
#include <algorithm>
#include <queue>
using namespace std;

priority_queue<int, vector<int>, greater<int>> q;

int main() {
    int n;
    scanf("%d", &n);  //操作次数
    while (n--) {
        int op, x;
        scanf("%d", &op);
        if (op == 1) scanf("%d", &x), q.push(x);
        else if (op == 2) printf("%d\n", q.top());
        else q.pop();
    }
    return 0;
}

模拟堆⚓︎

例题：模拟堆

堆中的每次插入都是在堆尾，但是堆中经常有up和down操作，所以节点与节点的关系并不是用类似Trie的ne[idx][2]就可以很好地维护的。但是好在堆是个完全二叉树，子父节点的关系可以通过下标来联系(左儿子2*n，右儿子2*n + 1)。就数组模拟来说，知道数组的下标就知道结点在堆中的位置。所以核心就在于即使有down和up操作也能维护堆数组的下标k和节点idx的映射关系。比如：h[k] = x，h数组存的是节点的值，按理来说应该用h[idx]来存，但是节点位置总是在变的，因此可以维护k和idx的映射关系，比如说用ph数组来表示ph[idx] = k，那么结点值为h[ph[idx]]，儿子下标为ph[idx] * 2和ph[idx] * 2 + 1，这样值和儿子节点可以通过idx联系在一起了。

可见ph数组主要用于帮助从idx映射到下标k，似乎有了ph数组就可以完成所有操作了，但为什么还要有一个hp数组呢？原因就在于在swap操作中我们输入是堆数组的下标，无法知道每个堆数组的k下标对应的idx(第idx个插入)，所以需要hp数组方便查找idx。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
// h[N]存储堆中的值, h[1]是堆顶，x的左儿子是2x, 右儿子是2x + 1
// ph[k]存储第k个插入的点在堆中的位置
// hp[k]存储堆中下标是k的点是第几个插入的
int h[N], ph[N], hp[N], size_h;

// 交换两个点，及其映射关系
void heap_swap(int a, int b) {
    swap(ph[hp[a]], ph[hp[b]]);
    swap(hp[a], hp[b]);
    swap(h[a], h[b]);
}

void down(int u) {
    int t = u;
    if (u * 2 <= size_h && h[u * 2] < h[t]) t = u * 2;
    if (u * 2 + 1 <= size_h && h[u * 2 + 1] < h[t]) t = u * 2 + 1;
    if (u != t) {
        heap_swap(u, t);
        down(t);
    }
}

void up(int u) {
    while (u / 2 && h[u] < h[u / 2]) {
        heap_swap(u, u / 2);
        u >>= 1;
    }
}

// O(n)建堆
for (int i = n / 2; i; i--) down(i);