堆的应用：堆排序和TOP-K问题-编程知识

堆的应用：堆排序和TOP-K问题

上次才讲完堆的相关问题：二叉树顺序结构与堆的概念及性质（c语言实现堆
那今天就接着来进行堆的主要两方面的应用：堆排序和TOP-K问题

文章目录

1.堆排序
- 1.1概念、思路及代码
- 1.2改良代码（最初建立大堆用AdjustDow）
2. TOP-K问题

1.堆排序

1.1概念、思路及代码

堆排序即利用堆的思想来进行排序，总共分为两个步骤：

建立堆

升序：建立大堆
降序：建立小堆

利用堆删除思想来进行排序：堆顶元素是当前堆中的最大值（大堆）或最小值（小堆），将堆顶元素与堆中最后一个元素交换，然后将剩余元素重新调整成堆，再取出堆顶元素。重复上述步骤，直到所有元素都被取出，即完成了排序

#define _CRT_SECURE_NO_WARNINGS 1
#include"Heap.h"void Swap(HPDataType* p1, HPDataType* p2)
{HPDataType tmp = *p1;*p1 = *p2;*p2 = tmp;
}void AdjustUp(HPDataType* a, int child)
{int father = (child - 1) / 2;while (child > 0){if (a[child] > a[father]){Swap(&a[child], &a[father]);//更新下标child = father;father = (father - 1) / 2;}else{break;//一旦符合小堆了，就直接退出}}
}void AdjustDown(HPDataType* a, int n, int father)
{int child = father * 2 + 1;//假设左孩子大while (child < n){if (child + 1 < n && a[child] < a[child + 1]){child++;}if (a[child] > a[father]){Swap(&a[child], &a[father]);father = child;child = father * 2 + 1;}else{break;}}
}void HeapSort(int* arr, int n)//升序
{//先建大堆for (int i = 0; i < n; i++){AdjustUp(arr, i);}int a = n - 1;while (a > 0){//此时最大的是堆顶，堆顶跟最后一个交换Swap(&arr[0], &arr[a]);//现在最大的已经在最后了，不考虑它，把新塔顶降下来，重新编程大堆AdjustDown(arr, a, 0);a--;}}int main()
{int arr[]= { 4,6,2,1,5,8,2,9 };for (int i = 0; i < sizeof(arr) / sizeof(int); i++){printf("%d ", arr[i]);}printf("\n");HeapSort(arr, sizeof(arr) / sizeof(int));for (int i = 0; i < sizeof(arr) / sizeof(int); i++){printf("%d ", arr[i]);}
}

结果：

请添加图片描述

1.2改良代码（最初建立大堆用AdjustDow）

仅仅该那一部分：

void HeapSort(int* arr, int n)//升序
{//先建大堆//for (int i = 0; i < n; i++)//{//	AdjustUp(arr, i);//}for (int i = (n - 1 - 1) / 2; i >= 0; i--){AdjustDown(arr, n, i);}int a = n - 1;while (a > 0){//此时最大的是堆顶，堆顶跟最后一个交换Swap(&arr[0], &arr[a]);//现在最大的已经在最后了，不考虑它，把新塔顶降下来，重新编程大堆AdjustDown(arr, a, 0);a--;}}

对于一个具有n个节点的完全二叉树来说，最后一个非叶子节点的下标是(n-1-1)/2，也就是说，从最后一个非叶子节点开始，依次向上调整每个节点，就可以建立一个大堆

相比于向上调整，向下调整的好处：时间复杂度低

向下调整的时间复杂度是O(n)，而向上调整的时间复杂度是O(nlogn)

建堆的时间复杂度为 O(n)，排序过程的时间复杂度为 O(n log n)（建堆的时间复杂度为 O(n)，而对堆进行排序的过程中，需要进行 n-1 次堆调整操作，每次堆调整的时间复杂度为 O(log n)。因此，排序过程的时间复杂度为 O(n log n)）

2. TOP-K问题

TOP-K问题:求数据结合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大

对于Top-K问题，能想到的最简单直接的方式就是排序，然后直接取。 但是：如果数据量非常大，排序就不 太可取了，最佳的方式就是用堆来解决，基本思路如下：

用数据集合中前K个元素来建堆

要找前k个最大的元素，则建小堆
要找前k个最小的元素，则建大堆

用剩余的元素依次与堆顶元素来比较，不满足则替换堆顶元素：

要找前k个最大的元素：但凡剩余的有比小堆堆顶大的就进入到堆里面，然后向下沉；如果建立大堆有可能一个都进不来。
找前k个最小的也同理

void CreateData()//用来创建有随机数的文件的进行检测
{int N = 1000;srand(time(0));FILE* f = fopen("data.txt", "w");for (int i = 0; i < N; i++){int a = (rand()) % 10000;fprintf(f,"%d\n", a);}fclose(f);}void PrintTopK(int k)//前k个大的
{//先读文件FILE* fout = fopen("data.txt", "r");if (fout == NULL){perror("fopen file");return -1;}int* a = (int*)malloc(sizeof(int) * k);for (int i = 0; i < k; i++)//建立元素k的小堆{fscanf(fout, "%d", &a[i]);//把文件里的前k个数字写入数组里AdjustUp(a, k);}//如果有比堆顶大的，就进来int n = 0;while (fscanf(fout, "%d", &n) != EOF)//读到文件读完就停止{if (n > a[0]){a[0] = n;AdjustDown(a, k, 0);}}for (int i = 0; i < k; i++){printf("%d ", a[i]);}printf("\n");fclose(fout);
}int main()
{PrintTopK(5);return 0;
}