佛山营销网站建设公司,专业网络优化,搜索引擎推广一般包括( ),拓者吧室内设计堆的应用 1、堆排序2、TopK问题3、堆的相关习题总结 1、堆排序
要学习堆排序#xff0c;首先要学习堆的向下调整算法#xff0c;因为要用堆排序#xff0c;你首先得建堆#xff0c;而建堆需要执行多次堆的向下调整算法。 但是#xff0c;使用向下调整算法需要满足一个前提… 堆的应用 1、堆排序2、TopK问题3、堆的相关习题总结 1、堆排序
要学习堆排序首先要学习堆的向下调整算法因为要用堆排序你首先得建堆而建堆需要执行多次堆的向下调整算法。 但是使用向下调整算法需要满足一个前提 若想将其调整为小堆那么根结点的左右子树必须都为小堆。 若想将其调整为大堆那么根结点的左右子树必须都为大堆。 向下调整算法的基本思想大堆 1.从根结点处开始选出左右孩子中值较大的孩子。 2.让大的孩子与其父亲进行比较。 若大的孩子比父亲还大则该孩子与其父亲的位置进行交换。并将原来大的孩子的位置当成父亲继续向下进行调整直到调整到叶子结点为止。 若大的孩子比父亲小则不需处理了调整完成整个树已经是大堆了。 使用堆的向下调整算法需要满足其根结点的左右子树均为大堆或是小堆才行那么如何才能将一个任意树调整为堆呢 答案很简单我们只需要从倒数第一个非叶子结点开始从后往前按下标依次作为根去向下调整即可。 建堆代码
//建堆for (int i (n - 1 - 1) / 2; i 0; i--){AdjustDown(php-a, php-size, i);}根据上一弹堆的向下调整算法时间复杂度计算可知建堆的时间复杂度为O(N)。 那么堆建好后如何进行堆排序呢 步骤如下 1、将堆顶数据与堆的最后一个数据交换然后对根位置进行一次堆的向下调整但是调整时被交换到最后的那个最大的数不参与向下调整。 2、完成步骤1后这棵树除最后一个数之外其余数又成一个大堆然后又将堆顶数据与堆的最后一个数据交换这样一来第二大的数就被放到了倒数第二个位置上然后该数又不参与堆的向下调整…反复执行下去直到堆中只有一个数据时便结束。此时该序列就是一个升序。 为什么升序用到的是大堆呢 大堆的堆顶是最大的数可以将其放在数组尾然后再通过向下调整算法找到次大的数。而小堆的堆顶是最小的数需要放在第一个位置如果用原来的堆找不到次小的数而重新建堆则会更加繁琐。 堆排序实现
//升序 大堆
void HeapSort(int arr[], int size)
{assert(arr);//1.建堆 向上调整 O(N*logN)//for (int i 1; i size; i)//{// AdjustUp(arr, i);//}//1.向下调整建堆 O(N)//从第一个非叶子结点开始向下调整一直到根for (int i (size - 1 - 1) / 2; i 0; i--){AdjustDown(arr, size, i);}//2.向下调整 O(N*logN)int end size - 1;//记录堆的最后一个数据的下标while (end 0){Swap(arr[0], arr[end]);//将堆顶的数据和堆的最后一个数据交换AdjustDown(arr, end, 0);//对根进行一次向下调整end--;//堆的最后一个数据的下标减一}
}2、TopK问题
TOP-K问题即求数据结合中前K个最大的元素或者最小的元素一般情况下数据量都比较大。 比如专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。 对于Top-K问题能想到的最简单直接的方式就是排序但是如果数据量非常大排序就不太可取了(可能 数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决基本思路如下 1. 用数据集合中前K个元素来建堆 前k个最大的元素则建小堆 前k个最小的元素则建大堆 2. 用剩余的N-K个元素依次与堆顶元素来比较不满足则替换堆顶元素 将剩余N-K个元素依次与堆顶元素比完之后堆中剩余的K个元素就是所求的前K个最小或者最大的元素。
假设我们要找出10亿个随机数中的前k个最大的数。 假设数据类型为int那么占用的内存是多少 1GB1024MB 1MB1024Kb 1KB1024Byte 10亿个数则是10亿字节40亿Byte3,906,250KB3,814.697MB3.725GB 因为内存的空间是有限的所以在处理这么大内存的数据时我们需要用到文件处理。
为了让速度较快一些我们就假设在一千万个随机数中求前K个数。 1、我们需要创建一个有一万个数的文件。 此处我们需要用到两个文件处理函数和文件打开关闭函数。
//文件打开
FILE * fopen ( const char * filename, const char * mode );//前面参数为文件名 后面参数为文件打开方式
//文件关闭
int fclose ( FILE * stream );
int fprintf ( FILE * stream, const char * format, ... );//将后面函数写入的信息写入stream
int fscanf ( FILE * stream, const char * format, ... );//将stream的信息写入后面的函数创建随机值需要用到srand()但是随机数的范围为0-32767。最多只有32768个远小于一千万为了减少随机输的重复我们需要将随机数加上一个数。单纯的使用srand不是真正的随机时这些我们需要用到时间这个参数使它为真正的随机数。srand的头文件是#includestdlib.h。time的头文件是#includetime.h。
srand((unsigned int)time(NULL));代码实现
//1.创造随机数到文件中
void CreateNDate()
{int n 10000000;srand((unsigned int)time(NULL));FILE* pf fopen(data.txt, w);//以写的方式打开文件if (pf NULL){perror(fopen fail);return;}for (int i 0; i n; i){//rand随机数有限制 只有几万个 所以iint x (rand() i) % 10000000;fprintf(pf, %d\n, x);//将数据写入文件中}fclose(pf);//关闭文件pf NULL;//手动置空
}测试 2、 用数据集合中前K个元素来建堆用剩余的N-K个元素依次与堆顶元素来比较不满足则替换堆顶元素 此处找最大的前k个建小堆。 建小堆大的数据才能进来最后留下的也是大的数据。 建大堆则只能进来小的数据不符合题意。 2.1、打开文件 //打开文件
FILE* pf fopen(data.txt, r);
if (pf NULL)
{perror(fopen error);return;
} 2.2、读取文件并将前k个数据创建小堆 int* minheap (int*)malloc(sizeof(int) * k);
if (minheap NULL)
{perror(malloc fail);return;
}
//1.读取文件前k个建小堆
for (int i 0; i k; i)
{fscanf(pf, %d, minheap[i]);AdjustUp(minheap, i);
}2.3、用剩余的N-K个元素依次与堆顶元素来比较 //2.读取文件的数据与堆顶数据进行比较 如果大则 向下调整
int x 0;
while (fscanf(pf, %d, x) ! EOF)
{if (x minheap[0]){minheap[0] x;AdjustDown(minheap, k, 0);}
}2.4、将前k个数据打印出来并关闭文件 for (int i 0; i k; i)
{printf(%d , minheap[i]);
}
free(minheap);
fclose(pf);
pf NULL;测试 虽然我们打印出了前k大值那我们怎么知道这个算法就是对的呢 此处博主的解决办法是修改文件中的k个值改为都是超过一千万的值如果打印出来的K个值是修改的值那么此算法就是正确的。 经过修改打印出来的就是修改的值说明算法没有问题。此处如果需要升序或者降序打印进行一个排序算法即可。
3、堆的相关习题 1.下列关键字序列为堆的是 A 100,60,70,50,32,65 B 60,70,65,50,32,100 C 65,100,70,32,50,60 D 70,65,100,32,50,60 E 32,50,100,70,65,60 F 50,100,70,65,60,32 2.已知小根堆为8,15,10,21,34,16,12删除关键字 8 之后需重建堆在此过程中关键字之间的比较次 数是。 A 1 B 2 C 3 D 4 3.一组记录排序码为(5 11 7 2 3 17),则利用堆排序方法建立的初始堆为 A(11 5 7 2 3 17) B(11 5 7 2 17 3) C(17 11 7 2 3 5) D(17 11 7 5 3 2) E(17 7 11 3 5 2) F(17 7 11 3 2 5) 4.最小堆[0,3,2,5,7,4,6,8],在删除堆顶元素0之后其结果是 A[3257468] B[2357468] C[2345786] D[2345678] 总结
本篇博客就结束啦谢谢大家的观看如果公主少年们有好的建议可以留言喔谢谢大家啦
