当前位置：首页 > news >正文

网站备案中查询网站怎么做端口映射

news 2025/9/16 19:45:55

网站备案中查询,网站怎么做端口映射,招标网公告,网站站点层叠样式怎么做1.大顶堆和小顶堆原理什么是堆堆（Heap）是计算机科学中一类特殊的数据结构，通常是一个可以被看作一颗完全二叉树的数组对象。完全二叉树只有最下面两层节点的度可以小于2，并且最下层的叶节点集中在靠左连续的边界只允许最后…

1.大顶堆和小顶堆原理

什么是堆
- 堆（Heap）是计算机科学中一类特殊的数据结构，通常是一个可以被看作一颗完全二叉树的数组对象。
- 完全二叉树
  - 只有最下面两层节点的度可以小于2，并且最下层的叶节点集中在靠左连续的边界
  - 只允许最后一层有空缺结点且空缺在右边，完全二叉树需保证最后一个节点之前的节点都齐全；
  - 对任一结点，如果其右子树的深度为j，则其左子树的深度必为j或j+1

在这里插入图片描述

什么是大顶堆（最大堆）
- 大顶堆是一种完全二叉树，其每个父节点的值都大于或等于其子节点的值，即根节点的值最大。
- 每个节点的两个子节点顺序没做要求，和之前的二叉查找树不一样。

在这里插入图片描述

什么是小顶堆（最小堆）
- 小顶堆是一种完全二叉树，其每个父节点的值都小于或等于其子节点的值，即根节点的值最小。
- 每个节点的两个子节点顺序没做要求，和之前的二叉查找树不一样

在这里插入图片描述

存储原理
- 一般升序采用大顶堆，降序采用小顶堆。
- 堆是一种非线性结构，用数组来存储完全二叉树是非常节省空间的，把堆看作一个数组。
  - 方便操作，一般数组的下标0不存储，直接从1节点存储。
- 堆其实就是利用完全二叉树的结构来维护一个数组
- 数据下表为k的节点
  - 左子节点下标为2*k的节点。
  - 右子节点就是下表为2*k+1的节点。
  - 父节点就是下标为k/2取证的节点。
公式描述一下堆的定义
- 大顶堆：arr[k] >= arr[2k+1] && arr[k] >= arr[2k]
- 小顶堆：arr[k] <= arr[2k+1] && arr[k] <=arr[ak]
小顶堆动画效果演示
往堆中插入新元素，就是往数组中从索引0或1开始依次存放数据，但是顺序需要满足堆的特性

如何让堆满足：
- 不断比较新节点 arr[k]和对应父节点arr[k/2]的大小，根据情况交互元素位置
- 直到找到的父节点比当前新增节点大则结束

在这里插入图片描述

2.大顶堆构编码实现

大顶堆（最大堆）
- 大顶堆是一种完全二叉树，其每个父节点的值都大于或等于其子节点的值，即根节点的值最大

在这里插入图片描述

编码实现

public class Heap {//用数组存储堆中的元素private int[] items;//堆中元素的个数private int num;public Heap(int capacity) {//数组下标0不存储数据，所以容量+1this.items = new int[capacity + 1];this.num = 0;}/*** 判断堆中 items[left] 元素是否小于 items[right] 的元素*/private boolean rightBig(int left, int right) {return items[left] < items[right];}/*** 交换堆中的两个元素位置*/private void swap(int i, int j) {int temp = items[i];items[i] = items[j];items[j] = temp;}/*** 往堆中插入一个元素，默认是最后面，++num先执行，然后进行上浮判断操作*/public void insert(int value) {items[++num] = value;up(num);}/*** 使用上浮操作，新增元素后，重新堆化* 不断比较新节点 arr[k]和对应父节点arr[k/2]的大小，根据情况交互元素位置* 直到找到的父节点比当前新增节点大则结束* <p>* 数组中下标为 k 的节点* 左子节点下标为 2*k 的节点* 右子节点就是下标 为 2*k+1 的节点* 父节点就是下标为 k/2 取整的节点*/private void up(int k) {//父节点 在数组的下标是1，下标大于1都要比较while (k > 1) {//比较 父结点 和 当前结点 大小if (rightBig(k / 2, k)) {//当前节点大，则和父节点交互位置swap(k / 2, k);}// 往上一层比较，当前节点变为父节点k = k / 2;}}/*** 删除堆中最大的元素,返回这个最大元素*/public int delMax() {int max = items[1];//交换索引 堆顶的元素（数组索引1的）和 最大索引处的元素，放到完全二叉树中最右侧的元素，方便后续变为临时根结点// 为啥不能直接删除顶部元素，因为删除后会断裂，成为森林，所以需要先交互，再删除swap(1, num);//最大索引处的元素删除掉, num--是后执行，元素个数需要减少1items[num--] = 0;//通过下浮调整堆，重新堆化down(1);return max;}/*** 使用下沉操作，堆顶和最后一个元素交换后，重新堆化* 不断比较 节点 arr[k]和对应 左节点arr[2*k] 和 右节点arr[2*k+1]的大小，如果当前结点小，则需要交换位置* 直到找到 最后一个索引节点比较完成  则结束* 数组中下标为 k 的节点* 左子节点下标为 2*k 的节点* 右子节点就是下标 为 2*k+1 的节点* 父节点就是下标为 k/2 取整的节点*/private void down(int k) {//最后一个节点下标是numwhile (2 * k <= num) {//记录当前结点的左右子结点中，较大的结点int maxIndex;if (2 * k + 1 <= num) { //2 * k + 1 <= num 是判断 确保有右节点//比较当前结点下的左右子节点哪个大if (rightBig(2 * k, 2 * k + 1)) {maxIndex = 2 * k + 1;} else {maxIndex = 2 * k;}} else {maxIndex = 2 * k;}//比较当前结点 和 较大结点的值, 如果当前节点较大则结束if (items[k] > items[maxIndex]) {break;} else {//否则往下一层比较，当前节点k索引 变换为 子节点中较大的值swap(k, maxIndex);//变换k的值k = maxIndex;}}}public static void main(String[] args) {Heap heap = new Heap(20);heap.insert(42);heap.insert(48);heap.insert(93);heap.insert(21);heap.insert(90);heap.insert(9);heap.insert(3);heap.insert(40);heap.insert(32);int top;System.out.println("输出堆：");while ((top = heap.delMax()) != 0) {System.out.print(top + " ");}}
}