标签：des style blog http color 使用 io 数据
二叉堆（binary heap）
二叉堆数据结构是一种数组对象，它可以被视为一棵完全二叉树。同二叉查找树一样，堆也有两个性质，即结构性和堆序性。对于数组中任意位置i上的元素，其左儿子在位置2i上，右儿子在左儿子后的单元2i+1中，它的父亲在[i/2]（向下取整）中。
因此，一个数据结构将由一个数组、一个代表最大值的整数、以及当前的堆的大小组成。一个典型的优先队列（priority queue）如下：
1 #ifndef _BinHeap_H
2 struct HeapStruct;
3 typedef struct HeapStruct *PriorityQueue;
4 PriorityQueue Initialize(int MaxElements);
5 void Destroy(PriorityQueue H);
6 void MakeEmpty(PriorityQueue H);
7 void Insert(ElementType X,PriorityQueue H);
8 ElementType DeleteMin(PriorityQueue H):
9 ElementType FinMin(PriorityQueue H);
10 int IsEmpty(PriorityQueue H);
11 int IsFull(PriorityQueue H);
12 #endif
13
14 struct HeapSrtuct
15 {
16 int Capacity;
17 int Size;
18 ElementType *Elements;
19 };
创建一个空堆：
1 PriorityQueue Initialize(int MaxElements)
2 {
3 PriorityQueue H;
4 if(MaxElements<MinPQSize)
5 Error("Priority queue size is too small");
6 H=malloc(sizeof(struct HeapStruct));
7 if(H==NULL)
8 FatalError("Out of space!");
9 /*分配数组时多分配一个单位给哨兵*/
10 H->Elements=malloc((MaxElements+1)*sizeof(ElementType));
11 if(H->Elements==NULL)
12 FatalError("Out of space!");
13 H->Capacity=MaxElements;
14 H->Size=0;
15 H->Element[0]=MinData;
16 return H;
17 }
基本的堆操作：
Insert（插入）
为将一个元素X插入到堆中，我们在下一个空闲位置创建一个空穴，否则该堆将不是完全二叉树。如果X可以放在该空穴中而并不破坏堆的序，那么插入完成。否则，我们把空穴的父节点上的元素移入该空穴中，这样，空穴就朝着根的方向上行一步。继续该过程直到X能被放入空穴中为止。这种策略叫做上滤（percolate up）；
1 /* H->Element[0] is a sentinel */
2 void Insert(ElementType X,PriorityQueue H)
3 {
4 int i;
5 if(IsFull(H))
6 {
7 Error("priority queue is full");
8 return;
9 }
10 for(i=++H->Size;H->Elements[i/2]>X;i/=2)
11 H->Elements[i]=H->Elements[i/2];
12 H->Elements[i]=X;
13 }
程序并没有通过“反复交换直至建立正确的序”这种方法实现上滤过程，因为一次交换需要三条赋值语句，如果一个元素上滤d层，那么由于交换而产生的赋值语句就到达3d，这里的方法只用d+1次赋值。
如果要插入的元素是新的最小值，那么它将一直被推向顶端。这样在某一时刻，i将是1，我们就需要令程序跳出while循环。当然我们可以使用明确的测试做到这一点，不过，我们采用的是把一个很小的值放到位置0处以使while循环得以终止。这个值必须小于堆中的任何值，我们称之为标记（sentinel）。这种想法类似于链表头结点的使用。通过添加一条哑信息（dummy piece of information），我们避免了每个循环都要执行一次的测试，从而节省了一些时间。
D&F学数据结构系列——二叉堆,布布扣,bubuko.com
标签：des style blog http color 使用 io 数据
原文地址：http://www.cnblogs.com/sage-blog/p/3888155.html
