# 由堆排序引出的最小堆
## 堆排序
~~~
/**
* 堆化
*/
void heapify(vector<int>& data, int i, int n) {
int max = i;
int left = i * 2 + 1;
int right = i * 2 + 2;
if (left < n && data[max] < data[left]) {
max = left;
}
if (right < n && data[max] < data[right]) {
max = right;
}
if (max != i) {
swap(data[i], data[max]);
heapify(data, max, n);
}
}
/**
* 构建堆
*/
void build_heap(vector<int>& data) {
int n = data.size();
int last_node = n - 1;
for (int i = (last_node - 1) / 2; i >= 0; i--) {
heapify(data, i, n);
}
}
/**
* 堆排序
* parent = (i - 1) / 2
* left = i * 2 + 1
* right = i * 2 + 2
*/
void heap_sort(vector<int>& data) {
build_heap(data);
for (int i = data.size() - 1; i > 0; i--) {
swap(data[0], data[i]);
heapify(data, 0, i);
}
}
~~~
## 最小堆
~~~
class minHeap {
public:
minHeap(size_t capacity)
: capacity_(capacity),
count_(0),
data_(capacity)
{}
bool emepty() const { return count_ == 0; }
void insert(int value) {
if (count_ < capacity_) {
data_[count_++] = value;
heapify_up(data_, count_ - 1);
} else {
// 最大堆主要保存所有数据容量内最大的数据
if (value > data_[0]) {
data_[0] = value;
heapify_down(data_, 0);
}
}
}
int pop() {
assert(count_ > 0);
int result = data_[0];
data_[0] = data_[--count_];
heapify_down(data_, 0);
return result;
}
private:
void heapify_down(vector<int>& data, size_t index) {
int min = index;
int left = index * 2 + 1;
int right = index * 2 + 2;
if (left < count_ && data[left] < data[min]) {
min = left;
}
if (right < count_ && data[right] < data[min]) {
min = right;
}
if (min != index) {
swap(data[index], data[min]);
heapify_down(data, min);
}
}
void heapify_up(vector<int>& data, size_t index) {
if (index == 0)
return;
int parent = (index - 1) / 2;
if (data[parent] > data[index]) {
swap(data[parent], data[index]);
heapify_up(data, parent);
}
}
private:
vector<int> data_;
size_t capacity_;
size_t count_;
};
~~~
- 空白目录
- 算法
- 排序
- 冒泡排序
- 选择排序
- 插入排序
- 归并排序
- 快速排序
- 计数排序
- 桶排序
- 基数排序
- 希尔排序
- 堆排序
- 二分查找
- 最小堆
- 最小索引堆
- 平衡二叉树(AVL tree)
- bitmap位图
- 布隆过滤器
- hashmap
- topK
- 跳表
- LRU Cache
- kmp
- 最小堆和堆排序
- 最短路径
- C++
- 运行时类型判断RTTI
- C++反射
- 手动实现智能指针
- 序列化实现
- rpc实现
- std::forward
- 函数指针的妙用
- C/C++
- std::function
- 同步队列
- 线程池实现
- std::promise
- 深入理解虚函数
- extern "C" 关键字讲解
- 大端小端的区别
- 简历
- 简历1
- redis
- 数据结构和对象
- sds
- list
- zskiplist
- 腾讯云redis面试题总结
- redis集群部署
- LeetCode
- 目标
- go基础
- 算法快速入门
- 数据结构篇
- 二叉树
- 链表
- 栈和队列
- 二进制
- 基础算法篇
- 二分搜索
- 排序算法
- 动态规划
- 算法思维
- 递归思维
- 滑动窗口思想
- 二叉搜索树
- 回溯法
- 其他
- 剑指offer
- 笔记
- git代理加速
- Linux
- vim大法
- vscode远程不能跳转
- cmake
- 设计模式
- 单例模式
- 简单工厂模式
- 外观模式
- 适配器模式
- 工厂方法模式
- 抽象工厂模式
- 生成器模式
- 原型模式
- 中介者模式
- 观察者模式
- 访问者模式
- 命令模式
- 网络编程
- epoll reactor模式
- linux timerfd系列函数总结
- IO
- mapreduce
- 反射器
- leo通信库
- Mutex
- Condition
- thread
- raft
- 协程
- hook
- 定时器
- 别人的面试经验
- 面试题
- vector崩溃问题
- JAVA
- Linux java环境配置
- ucore
- lab1
- FreeNOS
- leveldb
- 刷题笔记
- 回文串
- 前缀树
- 字符串查找
- 查找两个字符串a,b中的最长公共子串
- 动态规划
- golang
- 顺序循环打印实现
- 数据结构
- rpc运用
- python
- 单例
- 深拷贝浅拷贝
- 链表
- python基础题
- mysql
- 事务
- Linux
- 共享内存
- 刷题记录
- 贪心算法
- 动态规划
- 面试
- 腾讯C++面试
- 微众面试JD
- 迅雷网络面试
- 学习网址
- rabbitMq
