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
    python 到大数据开发工程师_如何成为一个大数据开发工程师?
    查看>>
    python 加密解密(base64, AES)
    查看>>
    Python 包管理器和 Node.js
    查看>>
    Python 单词字母顺序不变且所有倒排
    查看>>
    python 反射机制
    查看>>
    python 启动提示IDLE's subprocess didn't make conne...
    查看>>
    python 命令接口_实现“[命令][操作][参数]”样式的命令行接口?
    查看>>
    Python 和 OpenCV.如何检测图像中的所有(填充)圆形/圆形对象?
    查看>>
    Python 和 RabbitMQ - 聆听来自多个渠道的消费事件的最佳方式?
    查看>>
    python编辑器打不开_关于命令ride.py打不开RF,而是打开pycharm编辑器问题解决思路...
    查看>>
    python编译exe同时支持32位_第三周:同时管理64位和32位版本的Python,并用Pyinstaller打包成exe...
    查看>>
    Python 和Java 哪个更适合做自动化测试?
    查看>>
    Python编程:掌握高级语言程序设计。从零基础到精通,收藏这篇就够了!
    查看>>
    python 图片转ico
    查看>>
    python 图片转文字、语音转文字、文字转语音保存音频并朗读
    查看>>
    python 在包含类似字符\x16、\x12、\x某某的数组中将以\x开头的字符找出来的方法
    查看>>
    Python 在并行进程之间共享字典
    查看>>
    Python 垃圾收集器文档
    查看>>
    python 基于 wordcloud + jieba + matplotlib 生成词云
    查看>>
    python 基于detectron或mask_rcnn的mask遮罩区域进行图片截取
    查看>>