【自制演示代码】Basic Operations on a Binary Min-Heap

最新推荐文章于 2025-06-23 10:35:21 发布

Draba_Chen

最新推荐文章于 2025-06-23 10:35:21 发布

阅读量380

点赞数 4

CC 4.0 BY-SA版权

文章标签：堆 C

本文链接：https://blog.youkuaiyun.com/Commander_WingT/article/details/138037763

Properties of a Binary Min-Heap

1. Structure Property

A binary min-heap has to be a complete binary tree.

2. Heap Order Property

The value of any node in a binary min-heap has to be no greater than its two children's values(if exists).

Operations Included in the Code

In the following code, you will see the operations below:

- BuildHeap

- PercolateDown

- PercolateUp

- Insert

- DeleteMin

- PrintHeap

Also, you will see the simple typedef of:

- Heap

Notes and Declarations

The code will sort the input sequence with a heap.

The language used is C.

The purpose of posting this code online is to make a quick note of my studying progress.

For students at school, DO NOT copy this code into your homework or projects. Otherwise, I will not be responsible for any pu

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Draba_Chen

关注关注

4
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

14、 Node-Based Data Structures: Exploring Linked Lists

weixin_34268462的博客

06-01

This blog post delves into the world of node-based data structures, starting with linked lists and progressing to more advanced structures like binary search trees and heaps. It provides a comprehensive overview of their implementation in Python, key opera

数据结构与算法基础知识 Data structure is the foundation of algorithm design and efficient problem solving

AI天才研究院

07-29

1286

作者：禅与计算机程序设计艺术Data structure is the foundation of algorithm design and efficient problem solving in computer science. Almost all programming languages provide various built-in data structures like arrays, lists, stacks, queues, trees, graphs etc. Each data

参与评论您还未登录，请先登录后发表或查看评论

Byte Buffers and Non-Heap Memory

Stroller

06-08

1450

kdgregory.com Blog Food Programming Travel Byte Buffers and Non-Heap Memory Most Java programs spend their time working with objects on the JVM heap, using getter and setter metho

Binomial Heap(English Version)

weixin_30389003的博客

08-29

111

Just like leftist or skew heaps, a binomial heap is also a mergeable heap data structure. But unlike those 'lopsided' heaps that are composed of only single binary tree, a binomial heap consists o...

2.Binary Heap[数据结构]

医学影像学习笔记

11-30

746

A Binary Heap is a Binary Tree with following properties. 1) It’s a complete tree (All levels are completely filled except possibly the last level and the last level has all keys as left as possible).

on-java-8 知识总结（低频部分）

weixin_42100211的博客

08-16

316

on java 8一书中相对没那么重要的低频内容

二叉堆介绍 Introduction to Heap (C implementation)

Negative12的博客

03-15

381

Introuduction to Heap 本文介绍了二叉堆的基本概念以及相关操作，完全为无基础准备，内含丰富的图文解释和代码实现。若有任何问题请随时联系。

CTF-PWN-kernel-堆（UAF heap_overflow freelist劫持 offbynull arbitary_heap_free unlink page_level ）

llovewuzhengzi的博客

08-26

497

文章目录参考Use After Free绑核cred_jar 可合并expcred_jar 不可合并利用 tty_struct 劫持程序控制流提权expHeap Overflow排布溢出修改 credexp堆溢出 + 堆喷射覆写 seq_operations 控制内核执行流expArbitrary Address Allocation（freelist 劫持）modprobe_path提权利用expOff By Null调试漏洞利用poll初始化喷poll_list和user_key_payload喷seq

Fibonacci Heap

w112348的博客

01-22

266

Prerequisite: Binomial Heap Binomial tree of degree k Definition: two k-1 binomial tree merge into a k binomial tree Property: the root has k children the tree has 2k2^k2k elements the tree has height k the children of binomial tree are binomial trees of

docker-compose(mysql5.6、mysql8、neo4j3.5、redis、Elasticsearch、Kibana、Nginx、Jre)

等等等等等再等

03-21

1247

docker-compose一键部署常用软件

49、Priority Queues: Principles, Implementations, and Applications

热门推荐

Edison's 小宇宙

02-25

2万+

史上最强借书方案问题讲解（代码详解+思路分析+动图演示+特性总结）

CS5261与CS5265功能应用|CS5261替代RTD2171|CS5265替代RTD2172

qq1659747718的博客

02-25

1498

CS5261可以完全替代兼容停产RTD2171,CS5265可以完全替代兼容RTD2172，芯片单价低，整体方案设计简单，整体BOM成本较RTD2171、RTD2172低。

Hello Kafka（八）——Confluent Kafka简介

天山老妖

02-24

9470

一、Confluent Kafka简介 1、Confluent Kafka简介 2014年，Kafka的创始人Jay Kreps、NahaNarkhede和饶军离开LinkedIn创立Confluent公司，专注于提供基于Kafka的企业级流处理解决方案，并发布了Confluent Kafka。Confluent Kafka分为开源版和企业版，企业版收费。 2、Confluent Kafka特性 Confluent Kafka开源版特性如下：（1）Confluent Kafka Connecto

基于System Verilog的同步FIFO实现(一)

qq_40268672的博客

02-22

3344

FIFO，全称First In First Out，它是数字电路设计中一个重要的基本单元，它分为同步FIFO和异步FIFO，所谓同步FIFO，是指读写都是在同一个时钟的驱动下进行的，而异步FIFO读写操作的时钟是分离的，本文主要讲述同步FIFO的实现。如图，是同步FIFO的一个示意图，它由clk,rst,wr_en,rd_en,full,empty,rdata,wdata等信号构成，其中，full,empty用于指示fifo的状态(空或满)，wr_en,rd_en分别为写使能和读使能信号，在FIFO的设

binary min-heap.

03-31

<think>好的，我现在需要回答用户关于二叉最小堆的实现和属性的问题。首先，我要回忆一下二叉堆的基本概念。二叉堆是一种完全二叉树，最小堆的特点是每个节点的值都小于或等于其子节点的值。这意味着根节点是整个堆中的最小值。接下来，用户提到了实现方法。我需要考虑如何用数组来表示二叉堆，因为完全二叉树可以用数组高效地存储。例如，父节点和子节点的索引可以通过公式计算出来。比如父节点的索引是$(i-1)/2$，左子节点是$2i+1$，右子节点是$2i+2$。这些公式在代码中会经常用到，比如在插入或删除元素时调整堆的结构。然后，我需要介绍最小堆的基本操作，如插入和提取最小值。插入操作通常是将新元素放在数组末尾，然后通过上浮（percolate up）操作调整位置，直到满足堆的性质。提取最小值则是取出根节点，然后将最后一个元素移到根的位置，再进行下沉（percolate down）操作，确保堆的性质不被破坏。属性方面，二叉堆的时间复杂度是关键点。插入和提取操作的时间复杂度都是$O(\log n)$，而获取最小值是$O(1)$，因为可以直接访问根节点。另外，堆的构建可以通过Floyd算法在$O(n)$时间内完成，这可能也是用户感兴趣的内容。用户提供的引用中提到了父节点和子节点的函数实现，这部分代码可以作为示例展示。同时，引用[2]提到属性可能来自其他jar文件，但这里可能是指堆的属性，比如结构特性和操作复杂度，需要明确区分。还需要注意用户可能对堆的应用场景感兴趣，比如优先队列、堆排序等。不过用户的问题主要集中在实现和属性上，可能需要简要提及应用以增强理解。最后，要确保回答结构清晰，分点说明实现步骤和属性，并给出代码示例。同时，按照要求生成相关问题，帮助用户进一步学习。</think>### 二叉最小堆的实现与特性 #### 1. 基本概念二叉最小堆是一种**完全二叉树**，满足每个节点的值均小于或等于其子节点的值。这一性质称为**最小堆性质**，保证了根节点是全局最小值。 #### 2. 核心实现方法 **(1) 存储结构** 使用数组表示完全二叉树，索引关系如下： - 父节点索引：$ \text{parent}(i) = \lfloor (i-1)/2 \rfloor $ - 左子节点索引：$ \text{left\_child}(i) = 2i + 1 $ - 右子节点索引：$ \text{right\_child}(i) = 2i + 2 $ **(2) 关键操作** ```python class MinHeap: def __init__(self): self.heap = [] def parent(self, i): return (i - 1) // 2 def insert(self, key): self.heap.append(key) i = len(self.heap) - 1 # 上浮操作维护堆性质 while i > 0 and self.heap[i] < self.heap[self.parent(i)]: self.heap[i], self.heap[self.parent(i)] = self.heap[self.parent(i)], self.heap[i] i = self.parent(i) def extract_min(self): if not self.heap: return None min_val = self.heap[0] self.heap[0] = self.heap[-1] self.heap.pop() # 下沉操作维护堆性质 self._heapify(0) return min_val def _heapify(self, i): left = 2 * i + 1 right = 2 * i + 2 smallest = i if left < len(self.heap) and self.heap[left] < self.heap[smallest]: smallest = left if right < len(self.heap) and self.heap[right] < self.heap[smallest]: smallest = right if smallest != i: self.heap[i], self.heap[smallest] = self.heap[smallest], self.heap[i] self._heapify(smallest) ``` #### 3. 重要属性 1. **结构特性** 完全二叉树结构保证高度为$ \lfloor \log n \rfloor $，支持高效操作[^1]。 2. **时间复杂度** - 插入元素（`insert`）: $O(\log n)$ - 提取最小值（`extract_min`）: $O(\log n)$ - 获取最小值（`get_min`）: $O(1)$ [^1] 3. **构建优化** 可通过Floyd算法在$O(n)$时间内将无序数组构建为堆：从最后一个非叶子节点开始反向执行`_heapify`。 #### 4. 应用场景 - 优先队列实现 - 堆排序算法 - 图算法（如Dijkstra最短路径）