[CLRS][CH 19]斐波那契堆

标签：style   blog   http   io   ar   color   使用   sp   for   

斐波那契堆简介

斐波那契堆(Fibnacci Heap)有两种用途：第一，支持一系列操作，这些操作构成了所谓的可合并堆。第二，其一些操作可以在常数时间内完成，这使得这种数据结构非常适合于需要频繁调用这些操作的应用。

可合并堆(Mergeable Heap)支持如下五种操作：Make-Heap(), Insert(H, x), Minmun(H), Extract-Min(H), Union(H₁, H₂)。事实上，就是具备了快速合并操作的堆(Heap)。

斐波那契堆还支持额外两种操作：Decrease-Key(H, x, k), Delete(H, x)。

斐波那契堆结构

一个斐波那契堆是一系列具有最小堆序的有根树集合，每棵树都遵循最小堆性质。如图：

堆属性：

每个结点 x 包含一个指向其父节点的指针 x.parent 和一个指向其某一个孩子的指针 x.child，x 的所有构成了一个双向环形链表，称之为 x 的孩子链表。每个孩子节点 y 包含指针 y.left 和 y.right 指向兄弟节点。孩子链表中各兄弟出现的次序是任意的。

每个结点还有两个属性。把结点 x 的孩子链表中的孩子数目存储在 x.degree 中，布尔值属性 x.mark 指示结点 x 自上一次成为另一个结点的孩子后，是否是去过孩子。新节点是未被标记的，当结点 x 成为另一个结点的孩子时，便成为未被标记结点。

通过指针 H.min 来访问一个给定的斐波那契堆 H，指向该堆的最小根节点。如果堆为空，则 H.min 指向 NULL。因为根节点也构成了双向环形链表，所以根节点的次序是任意的。

根节点还有一个属性 H.n 表示当前节点数目。

势函数：

通过势函数来分析斐波那契堆性能。对于给定堆 H， 用 t(H) 表示 H 中根链表中树的树木，用 m(H) 来表示 H 中已标记结点的树木。定义斐波那契堆 H 的势函数 Φ(H) = t(H) + 2m(H)。

最大度数：

在一个 n 个结点的斐波那契堆中任何结点的最大度数都有上界 D(n)。如果仅仅支持可合并堆操作，那么 D(n) ≤ floor(lgn)，当支持斐波那契堆操作时，也要求 D(n) = O(lgn)。

可合并堆操作

斐波那契堆上的一些可合并操作应尽可能延后执行。不同的操作可以进行性能平衡。例如，当执行 Extract-Min 操作后，不得不遍历根链表剩下的结点找出新的最小结点。这里便存在性能平衡问题。只要我们在执行 Extract-Min 操作后便利整个根链表，并把结点合并到最小堆序树中以减小根链表的规模。后面将讨论到，不论执行 Extract-Min 之前是什么样子，执行之后，根链表中每个节点要求有一个唯一的度数，使得根链表规模最大为 D(n)+1。

创建新的斐波那契堆：

创建一个新堆，Make-FibHeap 过程分配并返回一个斐波那契堆对象 H，其中 H.n = 0 和 H.min = NULL，H 中没有树，因为 t(H) = 0 且 m(H) = 0，所以其势 Φ(H) = 0。因此其摊还代价等于其实际代价 O(1)。

插入一个节点：

下面过程将结点 x 插入至 H 中，其中 x.key 已被赋值。

 FibHeap-Insert(List *H, Node *x) {
     x.degree = 0
     x.parent = NULL
     x.child = NULL
     x.mark = False
     if (H.min == NULL)
         create a root list for H containing just x
         H.min = x
    else
        insert x into H‘s root list
        if (x.key < H.min.key)
            H.min = x
    H.n++
}

势的增加量为 1，实际代价为 O(1)，所以摊还代价为 O(1) + 1 = O(1)。

寻找最小节点：

可以通过指针 H.min 直接得到，摊还代价等于实际代价为 O(1)。

两个斐波那契堆合并：

该过程简单地将 H1 和 H2 的根链表链接，然后确定新的 H.min。

FibHeap-Union(List *H1, List *H2) {
    H = Make-FibHeap()
    H.min = H1.min
    concatenate the root list of H2 with that of H1
    if ((H1.min == NULL) || (H2.min != NULL && H2.min.key < H1.min.key))
        H.min = H2.min
    H.n = H1.n + H2.n
    return H
}

第1~3行将 H1 和 H2 的根链表链接成为 H 的新根链表。第2~5行设定 H 的最小根节点。第6行设置合并后的节点数目。

势的变化为 0，所以摊还代价等于实际代价 O(1)。

抽取最小结点：

该过程首先将最小节点 H.min 的每个孩子变成根节点，并从根链表中删除该结点。然后合并相同度数结点，优化根链表（这一步操作一直延迟到 Extract-Min 后才执行）。

FibHeap-Extract-Min(List *H) {
    z = H.min
    if (z != NULL)
        for each child x of z
            add x to the root list of H
            x.parent = NULL
        remove z from the root list of H
        if (z == z.right)
            H.min = NULL
        else 
            H.min = z.right
            Consolidate(H)
        H.n--
    return z
}

下一步要合并 H 的根链表，通过调用 Consolidate(H) 来减少根链表树的树木。合并过程重复下列过程，直到每个根都具有不同的度数：
　　1. 在根链表中找到两个相同度数的根 x 和 y，假定 x.key ≤ y.key；
　　2. 把 y 链接到 x：从根链表移除 y，调用 FibHeap-Link 过程，使 y 成为 x 的孩子。该过程将 x.degree 增加1，并清除 y 上的标记。

过程 Consolidate(H) 使用一个辅助数组 A[0..D(H.n)] 来记录根节点对应度数的轨迹。如果 A[i]=y，那么当前的 y 是一个具有 y.degree=1 的根。计算 D(H.n) 的过程留到后面讲解。

Consolidate(List *H) {
    create array A[0..D(H,n)]
    for i = (0 to D(H,n))
        A[i] = NULL
    for each node w in the root list of H
        x = w
        d = x.degree
        while (A[d] != NULL)
            y = A[d]
            if (x.key > y.key)
                exchange x with y
            FibHeap-Link(H, y, x)
            A[d] = NULL
            d++
    H.min = NULL
    for i = (0 to D(H,n))
        if A[i] != NULL
            if H.min == NULL
            create a root list for H containing just A[i]
        else
            insert A[i] into H‘s root list
            if A[i].key < H.min.key
                H.min = A[i]
}

FibHeap-Link(List *H, Node *y, Node *x) {
    remove y from the root list of H
    make y a child of x, incrementing x.degree
    y.mark = False
}

抽取最小节点的摊还代价为 O(lgn)。

斐波那契堆操作-降权和删除

关键字降权：

关键字降权的时候，如果被降权的结点是一个根节点的子节点，则需要判断降权后是否违反最小堆性质。如果子节点比根节点小，则直接将子结点树剪切至斐波那契堆根链表中。如果被剪切子节点的父节点没有标记，则打上标记。如果有标记，则将其父节点也剪切至根链表中，这称之为级联剪切。级联剪切一直向上回溯，直至遇到一个未被标记结点或者根节点。

FibHeap-Decrease-Key(List *H, Node *x, int key) {
    if (key > x.key)
        error "New key is greater than current one."
    x.key = key
    y = x.parent
    if (y != NULL && x.key < y.key)
        Cut(H, x, y)
        Cacsading-Cut(H, y)
    if (x.key < H.min.key)
        H.min = x.key
}
Cut(List *H, Node *x, Node *y) {
    remove x from the child list of y, y.degree--
    add x to the root list of H
    x.parent = NULL
    x.mark = False
}
Cascading-Cut(List *H, Node *y) {
    z = y.parent
    if (z != NULL)
        if (y.mark == False)
            y.mark = True
        else
            Cut(H, y, z)
            Cascading-Cut(H, z)
}

关键字降权的摊还代价至多为 O(1)。之所以之前有2倍于节点数目的势，一个单位的势支付切断和标记位的清除，另一个单位补偿了被剪切结点成为根节点后多出来的势。

删除节点：

非常简单，降权至-∞后直接 Extract 出去。

FibHeap-Delete(List *H, Node *x) {
    FibHeap-Decrease-Key(H, x, -∞)
    FibHeap-Extract-Min(H)
}

斐波那契堆理论分析

对于斐波那契堆中的每个结点 x，定义 size(x) 为以 x 为根的子树中包括 x 本身在内的结点个数。我们将证明 size(x) 是 x.degree 的幂。

引理1：设 x 是斐波那契堆中的任意结点，假定 x.degree = k。设 y₁, y₂, ..., y_k 表示 x 的孩子，并以他们链入 x 的先后顺序排列，则 y₁.degree ≥ 0，且对于 i = 2, 3, ..., k，有 y_i.degree ≥ i-2。

引理2：对于所有整数 k ≥ 0，Fib_k+2 = 1 + sigma(i = 0, k)Fib_i。

引理3：对于所有整数 k ≥ 0，斐波那契数的第 k+2 个数满足 Fib_k+2 ≥ φ^k，其中 φ = (1 + 根号5)/2。

引理4：设 x 是斐波那契堆中的任意结点，并设 k = x.degree，则有 size(x) ≥ Fib_k+2 ≥ φ^k。

引理5：一个 n 个节点的斐波那契堆中任意结点的最大度数 D(n) = O(lgn)。

[CLRS][CH 19]斐波那契堆

标签：style   blog   http   io   ar   color   使用   sp   for   

原文地址：http://www.cnblogs.com/rancher/p/4159570.html