温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

堆、二叉树的应用

发布时间:2020-06-30 07:19:27 来源:网络 阅读:1053 作者:calilyly 栏目:开发技术

一、本次实验环境:

腾讯云虚拟主机centos7.2上配置pyenv多版本python管理器,并安装交互式web编辑器jupyter,python版本为3.5.2,利用xshell远程ssh连接腾讯云主机,操作简易、方便。

 

二、对堆的简单认识:

1、堆是局部有序,且是一棵高度为O(lgN)的完全二叉树,其基本操作至多与树的高度成正比
  
2、堆排序:非稳定排序,最好和平均时间复杂度和快速排序相当,但是最坏情况下的时间复杂度要优于快速排序,由于他对元素的操作通常在N和N之间进行,所以对于大的序列来说,两个操作数之间间隔比较远,对CPU缓存利用不太好,故速度没有快速排序快
  
3、堆排序最显著的优点是:他是就地排序,并且其最坏情况下时间复杂度为NlogN(堆排序这里不做介绍,有兴趣的欢迎评论粘码)

 

4、堆可分为大根堆、小根堆:

大根堆,小根堆的原理、实现请自己查阅资料,这里不做详细介绍
堆与list(数组)的之间的关系:
data[i].left=data[2i+1]
data[i].right=data[2i+2]
data[i].parent=data[(i-1)/2]
 
大根堆:
   data[i]>data[i].left=data[2i+1]
   data[i]>data[i].right=data[2i+2]
小根堆:
   data[i]<data[i].left=data[2i+1]
   data[i]<data[i].right=data[2i+2]

 

5、堆的应用:
 
在很多应用中,我们通常需要按照优先级情况对待处理对象进行处理,比如首先处理优先级最高的对象,然后处理次高的对象,在这种情况下,我们的数据结构应该提供两个最基本的操作,一个是返回最高优先级对象,一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)

top K,优先队列,nice,进程调度。

 

三、代码示例:

#1、模拟一个数据源(监控数据)不断产生数值,求一段时间内,最大的K个元素
(1)、list.sort() 
#以da为数据源,在time=3内取得数据到lst中
#并且通过lst.sort()排序
#在有序的lst中截取前k个元素到ret中
#函数line(k,n),产生n行,每行k个元素
 
import random
import time
import datetime
 
def data_source():
    while True:
        yield random.randint(0,10000)
        time.sleep(0.1)
        
da = data_source()
 
def top_k1(k,time=3):
    start = datetime.datetime.now()
    lst = []
    while True:
        lst.append(next(da))
        current = datetime.datetime.now()
        if (current-start).total_seconds() >= time:
            start = current
            lst.sort()
            ret = []
            for _ in range(k):
                ret.append(lst.pop())
            yield ret

def line(k,n):
    g = top_k1(k)
    for _ in range(n):
        print(next(g)) 

line(5,3) 
out:
    [9445, 9274, 9064, 8732, 8711]
    [9990, 9161, 7938, 7824, 7824]
    [9464, 8897, 8851, 8176, 8083]
(2)、插入排序
#同上,这里效率更高,原因是:
#在我们获取每个数据的同时就对lst进行排序(插入排序)
#而上面的是把所有获得的数据进行排序
 
import random
import time
import datetime
 
def data_source():
    while True:
        yield random.randint(0,10000)
        time.sleep(0.1)
        
da = data_source()
 
def top_k2(k,time=3):
    start = datetime.datetime.now()
    lst = []
    while True:
        e = next(da)
        for i,v in enumerate(lst):
            if e < v:
                lst.insert(i,e)
                break
        else:
            lst.append(e)
        current = datetime.datetime.now()
        if (current-start).total_seconds() >= time:
            start = current
            #lst.sort()
            ret = []
            for _ in range(k):
                ret.append(lst.pop())
            yield ret

def line(k,n):
    g = top_k2(k)
    for _ in range(n):
        print(next(g)) 

line(5,3)  
out:
    [9619, 9431, 9165, 9047, 9041]
    [9697, 9661, 9498, 9043, 8547]
    [9896, 9892, 9539, 8763, 8441]
(3)、堆的实现(适合于产生大量数据的场景) 

#堆与list的之间的关系:
#data[i].left=data[2i+1]
#data[i].right=data[2i+2]
#data[i].parent=data[(i-1)/2]
 
#大根堆:
#  data[i]>data[i].left=data[2i+1]
#  data[i]>data[i].right=data[2i+2]
 
#小根堆:
#  data[i]<data[i].left=data[2i+1]
#  data[i]<data[i].right=data[2i+2]
 
#堆的应用:
#top K
#优先队列,进程调度,nice
#完全依靠以上关系来实现堆
 
#add方法:
#当我们每次add一个data时,拿data和parent比较
#使得在每次加入data后,生成新的大根堆
 
#pop方法:
#当我们pop出去一个元素时,把最后一个元素与之交换后
#判断根、左、右,使得堆再次成为大根堆
 
import random
import time
import datetime
 
def data_source():
    while True:
        yield random.randint(0,10000)
        time.sleep(0.1)
        
da = data_source()
 
def heap():
    data = []#我们的数据
    def add(e):
        idx = len(data)#最后一个元素de索引
        data.append(e)
        parent_idx = (idx - 1) // 2
        while parent_idx >= 0:#必须>=0
            if data[idx] > data[parent_idx]:
                data[parent_idx],data[idx] = data[idx],data[parent_idx]
                idx = parent_idx#交换之后data的索引
                parent_idx = (idx - 1) // 2#交换之后data的parent_idx
            else:
                break
        
    def pop(idx=0):
        if not data:
            return None
        if len(data) == 1:#只有一个元素的时候
            return data.pop()
        ret = data[idx]
        data[idx] = data.pop()
        left_idx = 2 * idx + 1
        right_idx = left_idx + 1
        while left_idx < len(data):#他还不是叶子节点的时候
            child_idx = left_idx#child_idx记录的是left和right较大的索引值
            if right_idx < len(data) and data[right_idx] > data[left_idx]:#存在右子节点
                child_idx = right_idx#两if分支产生的原因
            if data[idx] < data[child_idx]:#拿data和较大的比较
                data[idx],data[child_idx] = data[child_idx],data[idx]
                idx = child_idx#交换后的data的idx
                left_idx = 2 * idx + 1#重新计算data.left,data.right
                right_idx = left_idx + 1
            else:#else则她已然是大根堆
                break
        return ret
    return add,pop
 
add,pop = heap()
 
def top_k3(k,time=3):
    start = datetime.datetime.now()
    while True:
        add(next(da))
        current = datetime.datetime.now()
        if (current-start).total_seconds() >= time:
            start = current
            ret = []
            for _ in range(k):
                ret.append(pop())
            yield ret

def line_3(k,n):
    g = top_k3(k)
    for _ in range(n):
        print(next(g)) 

line_3(5,3)  
out:
    [9702, 9635, 9528, 9510, 9254]
    [9782, 9360, 9054, 9040, 8792]
    [9075, 8652, 8602, 8536, 8356]
# 功能代码后续实现
//2、HuffmanCode (二叉树的应用,后续会示例python代码)
//以下代码非递归实现,注释较少,读者只看功能原理即可,多担待
#include<iostream>
#include<stdio.h>
#include<stdlib.h>
using namespace std;
typedef struct
{
 char word;//叶子结点字符
 int weight;//权值
 int left,right,parent;//左右子女以及双亲结点
 int * code;//码字 
}Hufftree;
//创建HuffmanTree 
void CreateHuffmanTree(Hufftree * F,int n)
{
 //明白最优二叉树的原理
 int k1,k2;
 int j;
 for(int i=0;i<n-1;i++)//n个叶子,n-1个双亲 
 {
  //找到两个双亲为-1的结点 
  for(k1=0;k1<n+i&&F[k1].parent!=-1;k1++);
  for(k2=k1+1;k2<n+i&&F[k2].parent!=-1;k2++);
  //找到最小和次小且双亲都为-1的结点 
  for(j=k2;j<n+i;++j)
  {
   if(F[j].parent=-1)
   {
    if(F[j].weight<F[k1].weight)
    {
     k2=k1;
     k1=j;
    }
    else if(F[j].weight<F[k2].weight)
     k2=j;
   }
  } 
  F[n+i].word='X';
  F[n+i].weight=F[k1].weight+F[k2].weight;
  F[n+i].right=k1;
  F[n+i].left=k2;
  F[n+i].parent=-1;
  F[k1].parent=F[k2].parent=n+i;
 } 
}
//创建HuffmanCode 
void CreateHuffmanCode(Hufftree * F,int n)
{
 int i,c,p;
 for(i=0;i<n;i++)
 {
  F[i].code=(int *)malloc(n*sizeof(int));
  c=i;
  F[c].code[n-1]=0;
  while(F[c].parent!=-1)
  {
   p=F[c].parent;
   if(c==F[p].right)
    F[i].code[F[i].code[n-1]++]=1;
   else 
    F[i].code[F[i].code[n-1]++]=0;
   c=p;
  }
  printf("%5d",F[i].code[n-1]);
 
 } 
} 
//输出HuffmanCode
void PrintHuffmanCode(Hufftree * F,int n)
{
 int i,j;
 for(i=0;i<n;i++)
 {
  cout<<F[i].word<<endl;
  for(j=F[i].code[n-1]-1;j>-1;j--)
   cout<<F[i].code[j];
  cout<<endl;
 }
} 
int main(void)
{
 Hufftree * F;//指向最优二叉树
 char ch;
 int w;
 int n;//叶子总数 
 //初始化
 printf("请输入叶子总数:");
 scanf("%d",&n);
 F=(Hufftree * )malloc((2*n-1)*sizeof(Hufftree));
 for(int i=0;i<n;i++)
 {
  cout<<"请输入word:"; 
  cin>>ch;
  //fflush(stdin);
  cout<<"请输入weight:";
  cin>>w;
  F[i].word=ch;
  F[i].weight=w;
  F[i].left=F[i].right=F[i].parent=-1;
 }
 //创建HuffmanTree 
 CreateHuffmanTree(F,n);
 //创建HuffmanCode 
 CreateHuffmanCode(F,n); 
 //输出HuffmanCode
 PrintHuffmanCode(F,n);
 return 0;
}

 望各位读者多加斧正!!!

 

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI