优先级队列

问题模式


功能接口

template <typename T> struct PQ{

virtual void insert(T) = 0; //按照优先级次序插入词条

virtual T getMax() = 0; //取出优先级最高的词条

virtual T delMax() = 0; //删除优先级最高的词条

}; //与其说PQ是数据结构,不如说是ADT(Abstract Data Type);其不同的实现方式,效率及适用场合也各不相同

Stack和Queue,都是PQ的特例——优先级完全取决于元素的插入次序


基本实现——向量


有序向量


BBST

AVL、Splay、Red-black:三个接口均只需O(logn)时间

但是,BBST的功能远远超过了PQ的需求

PQ = 1 * insert() + 0.5 * search() + 0.5 * remove() = 2/3 * BBST

若只需查找极值元,则不必维护所有元素之间的全序关系,偏序足矣

因此存在某种更为简单、维护成本更低的实现方式,使得各功能接口时间复杂度依然为O(logn),而且实际效率更高


完全二叉树Complete Binary Tree

平衡因子处处非负的AVL



结构性

逻辑上,等同于完全二叉树

物理上,直接借助向量实现

逻辑节点与物理元素依层次遍历次序彼此对应

#define Parent(i) ((i-1)>>1)

#define LChild(i) (1+((i)<<1)) //奇数

#define RChild(i) ((1+(i)) <<1) //偶数

PQ_ComplHead = PQ + Vector

template <typename T> class PQ_ComplHeap : public PQ<T>, public Vector<T>{

protected: Rank percolateDown(Rank n, Rank i); //下滤

                 Rank percolateUp(Rank i); //上滤

                 void heapify(Rank n); //Floyd建堆算法

public: PQ_ComplHead(T* A, Rank n); //批次构造

                { copyFrom(A,0,n); heapify(n);}

            void insert(T); //按照比较器确定的优先级次序,插入词条

            T getMax() { return _elem[0];} //读取优先级最高的词条

            T delMax(); //删除优先级最高的词条

};

堆序性

数值上,只要0<i,必满足H[i] <= H[Parent(i)]

故H[0]即是全局最大元素

template <typename T> T PQ_ComplHeap<T>::getMax(){ return _elem[0];}


插入与上滤

为插入词条e,只需将e作为末元素接入向量 //结构性自然保持,若堆序性也亦未破坏,则完成

否则,e与其父节点换位 //只能是e与其父节点违反堆序性,若堆序性因此恢复,则完成

否则,e再与父节点换位 //依然只可能是e与其(新的)父节点...

不断重复,直到e与其父亲满足堆序性,或者e到达堆顶


实现

template <typename T> void PQ_ComplHeap<T>::insert(T e)

{ Vector<T>::insert(e); percolateUp(_size - 1);}

template <typename T> Rank PQ_ComplHeap<T>::percolateUp(Rank i){

while(ParentValid(i)){

    Rank j = Parent(i);

    if( lt( _elem[i], _elem[j] )) break; //一旦父子不再逆序,上滤旋即完成

    swap( _elem[i], _elem[j] ); i = j;

}

return i;

}


删除与下滤

最大元素始终在堆顶,故为删除之,只需

摘除向量首元素,代之以末元素e //结构性保持;若堆序性依然保持则完成

否则e与孩子中的大者换位 

否则e再次与孩子中的大者换位

实现

template <typename T> T PQ_ComplHeap<T>::delMax(){

    T maxElem = _elem[0]; _elem[0] = _elem[--_size];

    percolateDown(_size,0);

    return maxElem;

}

template <typename T> Rank PQ_ComplHeap<T>::percolateDown(Rank n, Rank i){

    Rank j; //i及其(至多两个)孩子中,堪为父者

    while( i != ( j = ProperParent(_elem, n, i))) //只要i非j,则

        { swap(_elem[i], _elem[j]); i = j; } //换位,并继续考察i

    return i; //返回下滤抵达的位置

}

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,366评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,521评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,689评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,925评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,942评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,727评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,447评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,349评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,820评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,990评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,127评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,812评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,471评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,017评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,142评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,388评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,066评论 2 355

推荐阅读更多精彩内容