博客
关于我
【python刷题】二叉堆-优先级队列
阅读量:470 次
发布时间:2019-03-06

本文共 886 字,大约阅读时间需要 2 分钟。

二叉堆是一种常用的数据结构,通常用于实现优先级队列(Priority Queue)。二叉堆可以分为大顶堆和小顶堆两种形式。在大顶堆中,队列中最大的元素总是可以快速从队列中删除,这使得它非常适合处理需要频繁获取最大值操作的场景。

下面,我们来看具体的代码实现。MaxPQ类的核心功能包括:

  • 父节点查找:通过传入节点的索引,可以找到其父节点的索引。
  • 左孩子查找:通过传入节点的索引,可以找到其左孩子节点的索引。
  • 右孩子查找:通过传入节点的索引,可以找到其右孩子节点的索引。
  • 插入元素:将一个新的元素插入到优先级队列中,并通过上浮操作(Up)维护队列的堆性质。
  • 删除最大元素:删除当前队列中的最大值,并通过下浮操作(Down)维护队列的堆性质。
  • 交换元素:用于堆性质维护时交换两个元素的位置。
  • 构建堆:将一个数组转换为堆结构,确保队列满足堆的性质。
  • 以下是通过MaxPQ类对数组[78, 83, 82, 80, 79, 65, 84]构建堆后的初始状态:

    初始的pq: [0, 84, 83, 82, 80, 79, 65, 78]

    执行第一次删除最大值操作后,队列变为:

    84[0, 83, 80, 82, 78, 79, 65]

    继续执行删除最大值操作后,队列变为:

    83[0, 82, 80, 65, 78, 79]

    再次删除最大值操作后,队列变为:

    82[0, 80, 79, 65, 78]

    继续删除最大值操作后,队列变为:

    80[0, 79, 78, 65]

    再次删除最大值操作后,队列变为:

    79[0, 78, 65]

    继续删除最大值操作后,队列变为:

    78[0, 65]

    插入67后,队列状态变为:

    插入67之后的pq: [0, 78, 65, 67]

    再次删除最大值操作后,队列变为:

    78[0, 67, 65]

    插入66后,队列状态变为:

    插入66之后的pq: [0, 67, 65, 66]

    最后一次删除最大值操作后,队列变为:

    67[0, 66, 65]

    通过上述操作可以看出,MaxPQ类能够高效地维护优先级队列的堆性质,支持快速插入和删除最大值操作。

    转载地址:http://xypbz.baihongyu.com/

    你可能感兴趣的文章
    Postman被低估的功能 — 自动化接口测试
    查看>>
    Postman轻松签名,让SHA256withRSA保驾护航
    查看>>
    Postman还能做Mock?又学了一招!
    查看>>
    Postman还能做Mock?又学了一招!
    查看>>
    postman进行http接口测试
    查看>>
    Postman高阶技能:Collection集合批量运行!
    查看>>
    postMessage跨标签页共享数据
    查看>>
    QImage对一般图像的处理
    查看>>
    post为什么会发送两次请求?
    查看>>
    Post表单提交TextArea的值出现转译乱码问题 - Spring MVC处理表单提交
    查看>>
    Power BI 中的 Python 可视化需要什么设置?任何特定的 matplotlib 包版本或系统设置?
    查看>>
    Power BI:如何在 Power Query 编辑器中将 Python 与多个表一起使用?
    查看>>
    power english (3) main text -emotion mastery - focus
    查看>>
    POWER ENGLISH (6) - MODEL
    查看>>
    power english (1) —— passion
    查看>>
    Power English (1) 原文
    查看>>
    power English (3)原文
    查看>>
    POWER ENGLISH(7)- repetition
    查看>>
    SpringBoot中集成SpringBatch详细解析与实战示例(CSV文件读取十万条数据进行业务处理后写入Mysql数据库)
    查看>>
    powerbi 一张表在另外一张表中出现的数量_PowerBi之初步学习笔记
    查看>>