
- 演算法設計與分析
- 主頁
- 演算法基礎
- 演算法設計與分析 - 演算法導論
- 演算法設計與分析 - 演算法分析
- 演算法設計與分析 - 分析方法
- 演算法設計與分析 - 漸近記號與先驗分析
- 演算法設計與分析 - 時間複雜度
- 演算法設計與分析 - 主定理
- 演算法設計與分析 - 空間複雜度
- 分治法
- 演算法設計與分析 - 分治演算法
- 演算法設計與分析 - 最大最小問題
- 演算法設計與分析 - 歸併排序演算法
- 演算法設計與分析 - Strassen矩陣乘法
- 演算法設計與分析 - Karatsuba演算法
- 演算法設計與分析 - 漢諾塔
- 貪心演算法
- 演算法設計與分析 - 貪心演算法
- 演算法設計與分析 - 旅行商問題
- 演算法設計與分析 - Prim最小生成樹
- 演算法設計與分析 - Kruskal最小生成樹
- 演算法設計與分析 - Dijkstra最短路徑演算法
- 演算法設計與分析 - 地圖著色演算法
- 演算法設計與分析 - 分數揹包問題
- 演算法設計與分析 - 帶截止日期的作業排程
- 演算法設計與分析 - 最優合併模式
- 動態規劃
- 演算法設計與分析 - 動態規劃
- 演算法設計與分析 - 矩陣鏈乘法
- 演算法設計與分析 - Floyd-Warshall演算法
- 演算法設計與分析 - 0-1揹包問題
- 演算法設計與分析 - 最長公共子序列演算法
- 演算法設計與分析 - 使用動態規劃的旅行商問題
- 隨機化演算法
- 演算法設計與分析 - 隨機化演算法
- 演算法設計與分析 - 隨機化快速排序演算法
- 演算法設計與分析 - Karger最小割演算法
- 演算法設計與分析 - Fisher-Yates洗牌演算法
- 近似演算法
- 演算法設計與分析 - 近似演算法
- 演算法設計與分析 - 頂點覆蓋問題
- 演算法設計與分析 - 集合覆蓋問題
- 演算法設計與分析 - 旅行商問題近似演算法
- 排序技術
- 演算法設計與分析 - 氣泡排序演算法
- 演算法設計與分析 - 插入排序演算法
- 演算法設計與分析 - 選擇排序演算法
- 演算法設計與分析 - 希爾排序演算法
- 演算法設計與分析 - 堆排序演算法
- 演算法設計與分析 - 桶排序演算法
- 演算法設計與分析 - 計數排序演算法
- 演算法設計與分析 - 基數排序演算法
- 演算法設計與分析 - 快速排序演算法
- 搜尋技術
- 演算法設計與分析 - 搜尋技術介紹
- 演算法設計與分析 - 線性搜尋
- 演算法設計與分析 - 二分搜尋
- 演算法設計與分析 - 插值搜尋
- 演算法設計與分析 - 跳躍搜尋
- 演算法設計與分析 - 指數搜尋
- 演算法設計與分析 - 斐波那契搜尋
- 演算法設計與分析 - 子列表搜尋
- 演算法設計與分析 - 雜湊表
- 圖論
- 演算法設計與分析 - 最短路徑
- 演算法設計與分析 - 多階段圖
- 演算法設計與分析 - 最優代價二叉搜尋樹
- 堆演算法
- 演算法設計與分析 - 二叉堆
- 演算法設計與分析 - 插入方法
- 演算法設計與分析 - 堆化方法
- 演算法設計與分析 - 刪除方法
- 複雜度理論
- 演算法設計與分析 - 確定性與非確定性計算
- 演算法設計與分析 - 最大團
- 演算法設計與分析 - 頂點覆蓋
- 演算法設計與分析 - P類和NP類
- 演算法設計與分析 - Cook定理
- 演算法設計與分析 - NP難和NP完全類
- 演算法設計與分析 - 爬山演算法
- 演算法設計與分析有用資源
- 演算法設計與分析 - 快速指南
- 演算法設計與分析 - 有用資源
- 演算法設計與分析 - 討論
堆排序中的插入操作
為了將一個元素插入堆中,新的元素首先被新增到堆的末尾,作為陣列的最後一個元素。
插入此元素後,堆屬性可能被破壞,因此透過將新增的元素與其父元素進行比較並將新增的元素向上移動一級,與父元素交換位置來修復堆屬性。此過程稱為 **向上篩選**。
重複比較,直到父元素大於或等於正在篩選的元素。
Algorithm: Max-Heap-Insert (numbers[], key) heapsize = heapsize + 1 numbers[heapsize] = -∞ i = heapsize numbers[i] = key while i > 1 and numbers[Parent(numbers[], i)] < numbers[i] exchange(numbers[i], numbers[Parent(numbers[], i)]) i = Parent (numbers[], i)
分析
最初,元素被新增到陣列的末尾。如果它違反了堆屬性,則元素將與其父元素交換。樹的高度為 **log n**。最多需要執行 **log n** 次操作。
因此,此函式的複雜度為 **O(log n)**。
示例
讓我們考慮一個最大堆,如下所示,其中需要新增一個新元素 5。

最初,55 將被新增到此陣列的末尾。

插入後,它違反了堆屬性。因此,需要將元素與其父元素交換。交換後,堆如下所示。

元素再次違反了堆屬性。因此,它與其父元素交換。

現在,我們必須停止。
示例
以下是此操作在各種程式語言中的實現:
#include <stdio.h> void swap(int* a, int* b) { int temp = *a; *a = *b; *b = temp; } int parent(int i) { if (i == 0) return -1; else return (i - 1) / 2; } void maxHeapInsert(int arr[], int* heapSize, int key) { (*heapSize)++; int i = *heapSize; arr[i] = key; while (i > 1 && arr[parent(i)] < arr[i]) { swap(&arr[i], &arr[parent(i)]); i = parent(i); } } int main() { int arr[100] = { 50, 30, 40, 20, 15, 10 }; // Initial Max-Heap int heapSize = 5; // Current heap size // New element to be inserted int newElement = 5; // Insert the new element into the Max-Heap maxHeapInsert(arr, &heapSize, newElement); // Print the updated Max-Heap printf("Updated Max-Heap: "); for (int i = 0; i <= heapSize; i++) printf("%d ", arr[i]); printf("\n"); return 0; }
輸出
Updated Max-Heap: 50 30 40 20 15 10 5
#include <iostream> #include <vector> using namespace std; void swap(int& a, int& b) { int temp = a; a = b; b = temp; } int parent(int i) { if (i == 0) return -1; else return (i - 1) / 2; } void maxHeapInsert(vector<int>& arr, int& heapSize, int key) { heapSize++; int i = heapSize; // Resize the vector to accommodate the new element arr.push_back(0); arr[i] = key; while (i > 1 && arr[parent(i)] < arr[i]) { swap(arr[i], arr[parent(i)]); i = parent(i); } } int main() { vector<int> arr = { 50, 30, 40, 20, 15, 10 }; // Initial Max-Heap int heapSize = 5; // Current heap size // New element to be inserted int newElement = 5; // Insert the new element into the Max-Heap maxHeapInsert(arr, heapSize, newElement); // Print the updated Max-Heap cout << "Updated Max-Heap: "; for (int i = 0; i <= heapSize; i++) cout << arr[i] << " "; cout << endl; return 0; }
輸出
Updated Max-Heap: 50 30 40 20 15 10 5
import java.util.Arrays; public class MaxHeap { public static void swap(int arr[], int i, int j) { int temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } public static int parent(int i) { if (i == 0) return -1; else return (i - 1) / 2; } public static void maxHeapInsert(int arr[], int heapSize, int key) { heapSize++; int i = heapSize - 1; // Adjust the index for array insertion arr[i] = key; while (i > 0 && arr[parent(i)] < arr[i]) { swap(arr, i, parent(i)); i = parent(i); } } public static void main(String args[]) { int arr[] = { 50, 30, 40, 20, 15, 10 }; // Initial Max-Heap int heapSize = 5; // Current heap size // New element to be inserted int newElement = 5; // Insert the new element into the Max-Heap maxHeapInsert(arr, heapSize, newElement); // Print the updated Max-Heap System.out.print("Updated Max-Heap: "); for (int i = 0; i <= heapSize; i++) System.out.print(arr[i] + " "); System.out.println(); } }
輸出
Updated Max-Heap: 50 30 40 20 15 5
def swap(arr, i, j): arr[i], arr[j] = arr[j], arr[i] def parent(i): if i == 0: return -1 else: return (i - 1) // 2 def max_heap_insert(arr, heap_size, key): heap_size += 1 i = heap_size arr.append(key) while i > 0 and arr[parent(i)] < arr[i]: swap(arr, i, parent(i)) i = parent(i) if __name__ == "__main__": arr = [50, 30, 40, 20, 15, 10] # Initial Max-Heap heap_size = 5 # Current heap size # New element to be inserted new_element = 5 # Insert the new element into the Max-Heap max_heap_insert(arr, heap_size, new_element) # Print the updated Max-Heap print("Updated Max-Heap:", arr)
輸出
Updated Max-Heap: [50, 30, 40, 20, 15, 10, 5]
廣告