资深光能
不是二叉堆！
资深光能
二项树的定义
二项堆是二项树的集合。在了解二项堆之前，先对二项树进行介绍。
二项树是一种递归定义的有序树。它的递归定义如下：
(01) 二项树B0只有一个结点；
(02) 二项树Bk由两棵二项树B(k-1)组成的，其中一棵树是另一棵树根的最左孩子。
如下图所示：
上图的B0、B1、B2、B3、B4都是二项树。对比前面提到的二项树的定义：B0只有一个节点，B1由两个B0所组成，B2由两个B1所组成，B3由两个B2所组成，B4由两个B3所组成；而且，当两颗相同的二项树组成另一棵树时，其中一棵树是另一棵树的最左孩子。
二项树的性质
二项树有以下性质：
[性质一] Bk共有2k个节点。
如上图所示，B0有20=1节点，B1有21=2个节点，B2有22=4个节点，...
[性质二] Bk的高度为k。
如上图所示，B0的高度为0，B1的高度为1，B2的高度为2，...
[性质三] Bk在深度i处恰好有C(k,i)个节点，其中i=0,1,2,...,k。
C(k,i)是高中数学中阶乘元素，例如，C(10,3)=(10*9*8) / (3*2*1)=240
B4中深度为0的节点C(4,0)=1
B4中深度为1的节点C(4,1)= 4 / 1 = 4
B4中深度为2的节点C(4,2)= (4*3) / (2*1) = 6
B4中深度为3的节点C(4,3)= (4*3*2) / (3*2*1) = 4
B4中深度为4的节点C(4,4)= (4*3*2*1) / (4*3*2*1) = 1
合计得到B4的节点分布是(1,4,6,4,1)。
[性质四] 根的度数为k，它大于任何其它节点的度数。
节点的度数是该结点拥有的子树的数目。
注意：树的高度和深度是相同的。关于树的高度的概念，《算法导论》中只有一个节点的树的高度是0，而"维基百科"中只有一个节点的树的高度是1。本文使用了《算法导论中》"树的高度和深度"的概念。
二项堆的介绍
二项堆和之前所讲的堆(二叉堆、左倾堆、斜堆)一样，通常都被用于实现优先队列。二项堆是指满足以下性质的二项树的集合：
(01) 每棵二项树都满足最小堆性质。即，父节点的关键字 <= 它的孩子的关键字。
(02) 不能有两棵或以上的二项树具有相同的度数(包括度数为0)。换句话说，具有度数k的二项树有0个或1个。
上图就是一棵二项堆。它由二项树B0、B2和B3组成。对比二项堆的定义：(01)二项树B0、B2、B3都是最小堆；(02)二项堆不包含相同度数的二项树。
二项堆的第(01)个性质保证了二项堆的最小节点是某一可二项树的根结点，第(02)个性质则说明结点数为n的二项堆最多只有log{n} + 1棵二项树。实际上，将包含n个节点的二项堆，表示成若干个2的指数和(或者转换成二进制)，则每一个2个指数都对应一棵二项树。例如，13(二进制是1101)的2个指数和为13=23 + 22+ 20, 因此具有13个节点的二项堆由度数为3, 2, 0的三棵二项树(即B0、B2和B3)组成。
二项堆的基本操作
二项堆是可合并堆，它的合并操作的复杂度是O(log n)。
1. 基本定义
template <class T>
class BinomialNode {
public:
T key; // 关键字(键值)
int degree; // 度数
BinomialNode<T> *child; // 左孩子
BinomialNode<T> *parent; // 父节点
BinomialNode<T> *next; // 兄弟节点
BinomialNode(T value):key(value), degree(0),
child(NULL),parent(NULL),next(NULL) {}
};
BinomialNode是二项堆的节点。它包括了关键字(key)，用于比较节点大小；度数(degree)，用来表示当前节点的度数；左孩子(child)、父节点(parent)以及兄弟节点(next)。
template <class T>
class BinomialHeap {
private:
BinomialNode<T> *mRoot; // 根结点
public:
BinomialHeap();
~BinomialHeap();
// 新建key对应的节点，并将其插入到二项堆中
void insert(T key);
// 将二项堆中键值oldkey更新为newkey
void update(T oldkey, T newkey);
// 删除键值为key的节点
void remove(T key);
// 移除二项堆中的最小节点
void extractMinimum();
// 将other的二项堆合并到当前二项堆中
void combine(BinomialHeap<T>* other);
// 获取二项堆中的最小节点的键值
T minimum();
// 二项堆中是否包含键值key
bool contains(T key);
// 打印二项堆
void print();
private:
// 合并两个二项堆：将child合并到root中
void link(BinomialNode<T>* child, BinomialNode<T>* root);
// 将h1, h2中的根表合并成一个按度数递增的链表，返回合并后的根节点
BinomialNode<T>* merge(BinomialNode<T>* h1, BinomialNode<T>* h2);
// 合并二项堆：将h1, h2合并成一个堆，并返回合并后的堆
BinomialNode<T>* combine(BinomialNode<T>* h1, BinomialNode<T>* h2);
// 反转二项堆root，并返回反转后的根节点
BinomialNode<T>* reverse(BinomialNode<T>* root);
// 移除二项堆root中的最小节点，并返回删除节点后的二项树
BinomialNode<T>* extractMinimum(BinomialNode<T>* root);
// 删除节点：删除键值为key的节点，并返回删除节点后的二项树
BinomialNode<T>* remove(BinomialNode<T> *root, T key);
// 在二项树root中查找键值为key的节点
BinomialNode<T>* search(BinomialNode<T>* root, T key);
// 增加关键字的值：将二项堆中的节点node的键值增加为key。
void increaseKey(BinomialNode<T>* node, T key);
// 减少关键字的值：将二项堆中的节点node的键值减小为key
void decreaseKey(BinomialNode<T>* node, T key);
// 更新关键字的值：更新二项堆的节点node的键值为key
void updateKey(BinomialNode<T>* node, T key);
// 获取二项堆中的最小根节点
void minimum(BinomialNode<T>* root, BinomialNode<T> *&prev_y, BinomialNode<T> *&y);
// 打印二项堆
void print(BinomialNode<T>* node, BinomialNode<T>* prev, int direction);
};
BinomialHeap是二项堆对应的类，它包括了二项堆的根节点mRoot以及二项堆的基本操作的定义。
下面是一棵二项堆的树形图和它对应的内存结构关系图。
2. 合并操作
合并操作是二项堆的重点，它的添加操作也是基于合并操作来实现的。合并两个二项堆，需要的步骤概括起来如下：
(01) 将两个二项堆的根链表合并成一个链表。合并后的新链表按照"节点的度数"单调递增排列。
(02) 将新链表中"根节点度数相同的二项树"连接起来，直到所有根节点度数都不相同。
下面，先看看合并操作的代码；然后再通过示意图对合并操作进行说明。
merge()代码(C++)
View Code
link()代码(C++)
View Code
合并操作代码(C++)
/*
* 合并二项堆：将h1, h2合并成一个堆，并返回合并后的堆
*/
template <class T>
BinomialNode<T>* BinomialHeap<T>::combine(BinomialNode<T>* h1, BinomialNode<T>* h2)
{
BinomialNode<T> *root;
BinomialNode<T> *prev_x, *x, *next_x;
// 将h1, h2中的根表合并成一个按度数递增的链表root
root = merge(h1, h2);
if (root == NULL)
return NULL;
prev_x = NULL;
x = root;
next_x = x->next;
while (next_x != NULL)
{
if ( (x->degree != next_x->degree)
|| ((next_x->next != NULL) && (next_x->degree == next_x->next->degree)))
{
// Case 1: x->degree != next_x->degree
// Case 2: x->degree == next_x->degree == next_x->next->degree
prev_x = x;
x = next_x;
}
else if (x->key <= next_x->key)
{
// Case 3: x->degree == next_x->degree != next_x->next->degree
// && x->key <= next_x->key
x->next = next_x->next;
link(next_x, x);
}
else
{
// Case 4: x->degree == next_x->degree != next_x->next->degree
// && x->key > next_x->key
if (prev_x == NULL)
{
root = next_x;
}
else
{
prev_x->next = next_x;
}
link(x, next_x);
x = next_x;
}
next_x = x->next;
}
return root;
}
/*
* 将二项堆other合并到当前堆中
*/
template <class T>
void BinomialHeap<T>::combine(BinomialHeap<T> *other)
{
if (other!=NULL && other->mRoot!=NULL)
mRoot = combine(mRoot, other->mRoot);
}
合并函数combine(h1, h2)的作用是将h1和h2合并，并返回合并后的二项堆。在combine(h1, h2)中，涉及到了两个函数merge(h1, h2)和link(child, root)。
merge(h1, h2)就是我们前面所说的"两个二项堆的根链表合并成一个链表，合并后的新链表按照'节点的度数'单调递增排序"。
link(child, root)则是为了合并操作的辅助函数，它的作用是将"二项堆child的根节点"设为"二项堆root的左孩子"，从而将child整合到root中去。
在combine(h1, h2)中对h1和h2进行合并时；首先通过 merge(h1, h2) 将h1和h2的根链表合并成一个"按节点的度数单调递增"的链表；然后进入while循环，对合并得到的新链表进行遍历，将新链表中"根节点度数相同的二项树"连接起来，直到所有根节点度数都不相同为止。在将新联表中"根节点度数相同的二项树"连接起来时，可以将被连接的情况概括为4种。
x是根链表的当前节点，next_x是x的下一个(兄弟)节点。
Case 1: x->degree != next_x->degree
即，"当前节点的度数"与"下一个节点的度数"相等时。此时，不需要执行任何操作，继续查看后面的节点。
Case 2: x->degree == next_x->degree == next_x->next->degree
即，"当前节点的度数"、"下一个节点的度数"和"下下一个节点的度数"都相等时。此时，暂时不执行任何操作，还是继续查看后面的节点。实际上，这里是将"下一个节点"和"下下一个节点"等到后面再进行整合连接。
Case 3: x->degree == next_x->degree != next_x->next->degree
&& x->key <= next_x->key
即，"当前节点的度数"与"下一个节点的度数"相等，并且"当前节点的键值"<="下一个节点的度数"。此时，将"下一个节点(对应的二项树)"作为"当前节点(对应的二项树)的左孩子"。
Case 4: x->degree == next_x->degree != next_x->next->degree
&& x->key > next_x->key
即，"当前节点的度数"与"下一个节点的度数"相等，并且"当前节点的键值">"下一个节点的度数"。此时，将"当前节点(对应的二项树)"作为"下一个节点(对应的二项树)的左孩子"。
下面通过示意图来对合并操作进行说明。
第1步：将两个二项堆的根链表合并成一个链表
执行完第1步之后，得到的新链表中有许多度数相同的二项树。实际上，此时得到的是对应"Case 4"的情况，"树41"(根节点为41的二项树)和"树13"的度数相同，且"树41"的键值 > "树13"的键值。此时，将"树41"作为"树13"的左孩子。
第2步：合并"树41"和"树13"
执行完第2步之后，得到的是对应"Case 3"的情况，"树13"和"树28"的度数相同，且"树13"的键值 < "树28"的键值。此时，将"树28"作为"树13"的左孩子。
第3步：合并"树13"和"树28"
执行完第3步之后，得到的是对应"Case 2"的情况，"树13"、"树28"和"树7"这3棵树的度数都相同。此时，将x设为下一个节点。
第4步：将x和next_x往后移
执行完第4步之后，得到的是对应"Case 3"的情况，"树7"和"树11"的度数相同，且"树7"的键值 < "树11"的键值。此时，将"树11"作为"树7"的左孩子。
第5步：合并"树7"和"树11"
执行完第5步之后，得到的是对应"Case 4"的情况，"树7"和"树6"的度数相同，且"树7"的键值 > "树6"的键值。此时，将"树7"作为"树6"的左孩子。
第6步：合并"树7"和"树6"
此时，合并操作完成！
PS. 合并操作的图文解析过程与"二项堆的测试程序(Main.cpp)中的testUnion()函数"是对应的！
3. 插入操作
理解了"合并"操作之后，插入操作就相当简单了。插入操作可以看作是将"要插入的节点"和当前已有的堆进行合并。
插入操作代码(C++)
1 /*
2 * 新建key对应的节点，并将其插入到二项堆中。
3 */
4 template <class T>
5 void BinomialHeap<T>::insert(T key)
6 {
7 BinomialNode<T>* node;
8
9 // 禁止插入相同的键值
10 if (contains(key))
11 {
12 cout << "Insert Error: the key (" << key << ") is existed already!" << endl;
13 return ;
14 }
15
16 node = new BinomialNode<T>(key);
17 if (node==NULL)
18 return ;
19
20 mRoot = combine(mRoot, node);
21 }
在插入时，首先通过contains(key)查找键值为key的节点。存在的话，则直接返回；不存在的话，则新建BinomialNode对象node，然后将node和heap进行合并。
注意：我这里实现的二项堆是"进制插入相同节点的"！若你想允许插入相同键值的节点，则屏蔽掉插入操作中的contains(key)部分代码即可。
4. 删除操作
删除二项堆中的某个节点，需要的步骤概括起来如下：
(01) 将"该节点"交换到"它所在二项树"的根节点位置。方法是，从"该节点"不断向上(即向树根方向)"遍历，不断交换父节点和子节点的数据，直到被删除的键值到达树根位置。
(02) 将"该节点所在的二项树"从二项堆中移除；将该二项堆记为heap。
(03) 将"该节点所在的二项树"进行反转。反转的意思，就是将根的所有孩子独立出来，并将这些孩子整合成二项堆，将该二项堆记为child。
(04) 将child和heap进行合并操作。
下面，先看看删除操作的代码；再进行图文说明。
reverse()代码(C++)
View Code
删除操作代码(C++)
1 /*
2 * 删除节点：删除键值为key的节点
3 */
4 template <class T>
5 BinomialNode<T>* BinomialHeap<T>::remove(BinomialNode<T>* root, T key)
6 {
7 BinomialNode<T> *node;
8 BinomialNode<T> *parent, *prev, *pos;
9
10 if (root==NULL)
11 return root;
12
13 // 查找键值为key的节点
14 if ((node = search(root, key)) == NULL)
15 return root;
16
17 // 将被删除的节点的数据数据上移到它所在的二项树的根节点
18 parent = node->parent;
19 while (parent != NULL)
20 {
21 // 交换数据
22 swap(node->key, parent->key);
23 // 下一个父节点
24 node = parent;
25 parent = node->parent;
26 }
27
28 // 找到node的前一个根节点(prev)
29 prev = NULL;
30 pos = root;
31 while (pos != node)
32 {
33 prev = pos;
34 pos = pos->next;
35 }
36 // 移除node节点
37 if (prev)
38 prev->next = node->next;
39 else
40 root = node->next;
41
42 root = combine(root, reverse(node->child));
43
44 delete node;
45
46 return root;
47 }
48
49 template <class T>
50 void BinomialHeap<T>::remove(T key)
51 {
52 mRoot = remove(mRoot, key);
53 }
remove(key)的作用是删除二项堆中键值为key的节点，并返回删除节点后的二项堆。
reverse(root)的作用是反转二项堆root，并返回反转之后的根节点。
下面通过示意图来对删除操作进行说明(删除二项堆中的节点20)。
总的思想，就是将被"删除节点"从它所在的二项树中孤立出来，然后再对二项树进行相应的处理。
PS. 删除操作的图文解析过程与"二项堆的测试程序(Main.cpp)中的testDelete()函数"是对应的！
5. 更新操作
更新二项堆中的某个节点，就是修改节点的值，它包括两部分分："减少节点的值" 和 "增加节点的值" 。
更新操作代码(C++)
View Code
5.1 减少节点的值
减少节点值的操作很简单：该节点一定位于一棵二项树中，减小"二项树"中某个节点的值后要保证"该二项树仍然是一个最小堆"；因此，就需要我们不断的将该节点上调。
减少操作代码(C++)
1 /*
2 * 减少关键字的值：将二项堆中的节点node的键值减小为key。
3 */
4 template <class T>
5 void BinomialHeap<T>::decreaseKey(BinomialNode<T>* node, T key)
6 {
7 if(key>=node->key || contains(key))
8 {
9 cout << "decrease failed: the new key(" << key <<") is existed already, "
10 << "or is no smaller than current key(" << node->key <<")" << endl;
11 return ;
12 }
13 node->key = key;
14
15 BinomialNode<T> *child, *parent;
16 child = node;
17 parent = node->parent;
18 while(parent != NULL && child->key < parent->key)
19 {
20 swap(parent->key, child->key);
21 child = parent;
22 parent = child->parent;
23 }
24 }
下面是减少操作的示意图(20->2)
减少操作的思想很简单，就是"保持被减节点所在二项树的最小堆性质"。
PS. 减少操作的图文解析过程与"测试程序(Main.cpp)中的testDecrease()函数"是对应的！
5.2 增加节点的值
增加节点值的操作也很简单。上面说过减少要将被减少的节点不断上调，从而保证"被减少节点所在的二项树"的最小堆性质；而增加操作则是将被增加节点不断的下调，从而保证"被增加节点所在的二项树"的最小堆性质。
增加操作代码(C++)
1 /*
2 * 增加关键字的值：将二项堆中的节点node的键值增加为key。
3 */
4 template <class T>
5 void BinomialHeap<T>::increaseKey(BinomialNode<T>* node, T key)
6 {
7 if(key<=node->key || contains(key))
8 {
9 cout << "decrease failed: the new key(" << key <<") is existed already, "
10 << "or is no greater than current key(" << node->key <<")" << endl;
11 return ;
12 }
13
14 node->key = key;
15
16 BinomialNode<T> *cur, *child, *least;
17 cur = node;
18 child = cur->child;
19 while (child != NULL)
20 {
21 if(cur->key > child->key)
22 {
23 // 如果"当前节点" < "它的左孩子"，
24 // 则在"它的孩子中(左孩子 和 左孩子的兄弟)"中，找出最小的节点；
25 // 然后将"最小节点的值" 和 "当前节点的值"进行互换
26 least = child;
27 while(child->next != NULL)
28 {
29 if (least->key > child->next->key)
30 {
31 least = child->next;
32 }
33 child = child->next;
34 }
35 // 交换最小节点和当前节点的值
36 swap(least->key, cur->key);
37
38 // 交换数据之后，再对"原最小节点"进行调整，使它满足最小堆的性质：父节点 <= 子节点
39 cur = least;
40 child = cur->child;
41 }
42 else
43 {
44 child = child->next;
45 }
46 }
47 }
下面是增加操作的示意图(6->60)
资深光能
这两个有点像
缔造者之神
1
