data-structures
Binaire Hoop
Zoeken…
Invoering
Een binaire heap is een complete binaire boom die voldoet aan de heap-ordenende eigenschap. De volgorde kan twee typen zijn: de eigenschap min-heap: de waarde van elke knoop is groter dan of gelijk aan de waarde van het bovenliggende element, met het element met de minimale waarde in de hoofdmap.
Voorbeeld
Min-Hoop
1
/ \
2 3
/ \ / \
4 5 6 7
De bovenstaande boom is een Min-Heap, omdat de wortel het minimum is van alle knooppunten in de boom. Dezelfde eigenschap wordt gevolgd door alle knooppunten in de boom.
Max-Heap
7
/ \
6 5
/ \ / \
4 3 2 1
De bovenstaande boom is een Max-Heap, omdat de wortel het maximum is van alle knooppunten in de boom. Dezelfde eigenschap wordt gevolgd door alle knooppunten in de boom.
Operaties ondersteund door Min-Heap
getMin () - Het retourneert het root-element. Aangezien het het eerste element in een array is, kunnen we het minimale element in
O(1)
ophalenextractMin () - Het verwijdert het minimale element uit de heap. Nadat het element is verwijderd, moet de boom voldoen aan de eigenschap Min-Heap, zodat een bewerking ( heapifying ) wordt uitgevoerd om de eigenschap tree te behouden. Dit duurt
O(logn)
dereaseKey () - Het verlaagt de waarde van de sleutel. Tijdcomplexiteit voor deze bewerking is
O(logn)
insert () - De sleutel wordt altijd ingevoegd aan het einde van de boom. Als de toegevoegde sleutel niet de heap-eigenschap volgt, moeten we omhoog percoleren zodat de boom voldoet aan de heap-eigenschap. Deze stap neemt
O(logn)
tijd.delete () - Deze stap kost
O(logn)
Voor het verwijderen van een sleutel moeten we eerst de sleutelwaarde verlagen tot een minimumwaarde en vervolgens deze minimumwaarde extraheren.
Toepassing van Heap
- Heap Sort
- Prioriteits-rij
Heap wordt gebruikt in veel van de grafische algoritmen, zoals Dijkstra's Shortest Path
en Prim's Minimum Spanning Tree
.
Implementatie in Java
public class MinHeap {
int hArr[];
int capacity;
int heapSize;
public MinHeap(int capacity){
this.heapSize = 0;
this.capacity = capacity;
hArr = new int[capacity];
}
public int getparent(int i){
return (i-1)/2;
}
public int getLeftChild(int i){
return 2*i+1;
}
public int getRightChild(int i){
return 2*i+2;
}
public void insertKey(int k){
if(heapSize==capacity)
return;
heapSize++;
int i = heapSize-1;
hArr[i] = k;
while(i!=0 && hArr[getparent(i)]>hArr[i]){
swap(hArr[i],hArr[getparent(i)]);
i = getparent(i);
}
}
public int extractMin(){
if(heapSize==0)
return Integer.MAX_VALUE;
if(heapSize==1){
heapSize--;
return hArr[0];
}
int root = hArr[0];
hArr[0] = hArr[heapSize-1];
heapSize--;
MinHeapify(0);
return root;
}
public void decreaseKey(int i , int newVal){
hArr[i] = newVal;
while(i!=0 && hArr[getparent(i)]>hArr[i]){
swap(hArr[i],hArr[getparent(i)]);
i = getparent(i);
}
}
public void deleteKey(int i){
decreaseKey(i, Integer.MIN_VALUE);
extractMin();
}
public void MinHeapify(int i){
int l = getLeftChild(i);
int r = getRightChild(i);
int smallest = i;
if(l<heapSize && hArr[l] < hArr[i])
smallest = l;
if(l<heapSize && hArr[r] < hArr[smallest])
smallest = r;
if(smallest!=i){
swap(hArr[i], hArr[smallest]);
MinHeapify(smallest);
}
}
public void swap(int x, int y){
int temp = hArr[x];
hArr[x] = hArr[y];
hArr[y] = temp;
}
}