博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
《算法导论》第6章 堆排序 (3)K路归并
阅读量:5270 次
发布时间:2019-06-14

本文共 2612 字,大约阅读时间需要 8 分钟。

问题描述:
问题来自习题6.5-8 给出一个时间为O(nlgk),用来将k个已排序链表合并为一个排序链表的算法。
此处n为所有输入链表中元素的总数。(提示:用一个最小堆来做k路合并)。
在K路归并问题中,取出最小堆的根元素(最小元素)后,如果此元素没有后继元素(next为空),
则有两种方案:
一、从K路中的另一个链表取出一个元素放到根位置。
二、将堆底部最后一个元素挪到根位置,并将堆大小减一。
此处采用方案二。堆大小每减一,说明K路中某一个链表已处理完。
当堆大小为零时,处理结束。
源码与注释:
// 链表结点类
class Node {
       
int
 
value
;
       Node 
next
;
}
public 
class 
KMerge {
       
public 
static 
void 
main(String[] args) {
              // 创建五路链表
              LinkedList<Node> list1 = createList(2, 5, 8, 10);
              LinkedList<Node> list2 = createList(3, 4, 14);
              LinkedList<Node> list3 = createList(9, 11, 13, 15, 18);
              LinkedList<Node> list4 = createList(7, 12, 17, 22, 25);
              LinkedList<Node> list5 = createList(6, 16, 19, 21);
              
              LinkedList<LinkedList<Node>> kLists = 
new 
LinkedList<LinkedList<Node>>();
              kLists.add(list1);
              kLists.add(list2);
              kLists.add(list3);
              kLists.add(list4);
              kLists.add(list5);
              
              // 开始归并
              LinkedList<Node> resultList = kMerge(kLists);
              
              
for 
(Node node : resultList) {
                     System.
out
.print(node.
value 
+ 
", "
);
              }
              System.
out
.println();
       }
       
       
public 
static 
LinkedList<Node> kMerge(LinkedList<LinkedList<Node>> kLists) {
              
int 
heapSize = kLists.size();
              Node[] heap = 
new 
Node[heapSize + 1];
              
              // 取出K路中每个链表的第一个元素,用来建堆。
              
for 
(
int 
i = 1; i <= heapSize; i++)
                     heap[i] = kLists.get(i - 1).getFirst();
              
              buildMaxHeap(heap, heapSize);
              
              LinkedList<Node> resultList = 
new 
LinkedList<Node>();
              
while 
(heapSize > 0) {
                     // 将根位置的最小元素取出到结果中。
                     Node minNode = heap[1];
                     resultList.add(minNode);
                     // 后继为空,则将堆尾元素挪到根位置。
                     // 否则将后继元素添加到堆中。
                     
if 
(minNode.
next 
== 
null
) {
                           heap[1] = heap[heapSize];
                           heapSize -= 1;
                     }
                     
else 
{
                           heap[1] = minNode.
next
;
                     }
                     // 根位置的堆性质被破坏,重新恢复。
                     minHeapify(heap, heapSize, 1);
              }
              
return 
resultList;
       }
       
public 
static 
void 
buildMaxHeap(Node[] heap, 
int 
heapSize) {
              
for 
(
int 
i = heapSize / 2; i >= 1; i--)
                     minHeapify(heap, heapSize, i);
       }
       
       
public 
static 
void 
minHeapify(Node[] heap, 
int 
heapSize, 
int 
i) {
              
int 
left = 2 * i;
              
int 
right = 2 * i + 1;
              
int 
min = i;
              
              
if 
(left <= heapSize && heap[left].
value 
< heap[i].
value
)
                     min = left;
              
if 
(right <= heapSize && heap[right].
value 
< heap[min].
value
)
                     min = right;
              
              
if 
(min != i) {
                     Node tmp = heap[i];
                     heap[i] = heap[min];
                     heap[min] = tmp;
                     minHeapify(heap, heapSize, min);
              }
       }
       
       
public 
static 
LinkedList<Node> createList(
int
... values) {
              LinkedList<Node> list = 
new 
LinkedList<Node>();
              Node preNode = 
null
;
              
for 
(
int 
value : values) {
                     Node node = 
new 
Node();
                     node.
value 
= value;
                     
if 
(preNode != 
null
)
                           preNode.
next 
= node;
                     list.add(node);
                     preNode = node;
              }
              
return 
list;
       }
       
}
效率分析:
堆的大小为K,调用buildMaxHeap()建堆花费KlgK。剩余元素为N - K个。
每次取出根元素,放入后继元素后,调用maxHeapify()保持堆性质花费lgK。
所以总的时间为KlgK + (N - K)lgK = NlgK。

转载于:https://www.cnblogs.com/xiaomaohai/archive/2012/02/15/6157866.html

你可能感兴趣的文章
FineReport----日期处理
查看>>
IOS开发---菜鸟学习之路--(十二)-利用ASIHTTPRequest进行异步获取数据
查看>>
项目中遇到angular时间插件datetinepicker汉化问题
查看>>
设备管理
查看>>
CSS字体代码
查看>>
机器学习(周志华)——学习笔记1
查看>>
Spring Cloud 统一配置
查看>>
OO第二单元总结
查看>>
不成功的RMAN恢复到其他机器的例子
查看>>
oracle sql合计结果信息使用分组的小问题
查看>>
ES6中Set 和 Map用法
查看>>
购物车全屏移动
查看>>
洛谷P3847 [TJOI2007]调整队形
查看>>
loj #6029. 「雅礼集训 2017 Day1」市场
查看>>
hihocoder #1341 Constraint Checker
查看>>
HDU 5925 Coconuts
查看>>
S2SH整合步骤
查看>>
简单的端口扫描器(TCP connect)
查看>>
mysql面试
查看>>
使用 ThreeSixty 创建可拖动的 360 度全景图片预览效果
查看>>