数据结构-配套课件讲义10.优先级队列pq x2d.pptxVIP

(x2) 多叉堆 10.优先级队列 优先级搜索 回顾图的优先级搜索以及统一框架：g-pfs()... 无论何种算法，差异仅在于所采用的优先级更新器prioUpdater() Prim算法： g-pfs(0, PrimPU()); Dijkstra算法： g-pfs(0, DijkstraPU()); 每一节点引入遍历树后，都需要 更新树外顶点的优先级（数），并 选出新的优先级最高者 若采用邻接表，两类操作的累计时间分别为O(n+e)和O(n2) 能否更快呢？ 优先级队列 自然地，PFS中的各顶点可组织为优先级队列形式 为此需要使用PQ接口 heapify(): 由n个顶点创建初始PQ 总计O(n) delMax(): 取优先级最高（极短）跨边(u,w) 总计O(n*logn) decrease(): 更新w的所有关联顶点到U的距离 总计O(e*logn) 总体运行时间 = O((n+e)logn) 对于稀疏图，处理效率很高 对于稠密图，反而不如常规实现的版本 有无更好的算法？如果PQ的接口效率能够更高的话... 不太现实？异想天开？不妨先试试... 多叉堆 . heapify()： O(n) 不可能再快了 //直接写入亦不过如此 delMax()： O(logn) 实质就是percolateDown() //已是极限了 decrease()： O(logn) 实质就是percolateUp() //似乎仍有余地 若将二叉堆改成多叉堆（d-heap），则堆高降至O(logdn) 上滤时间可降至logdn，但 下滤时间却增至d*logdn (d*ln2/lnd)*log2n 对于稠密图，因两类操作的次数相差悬殊，故而利大于弊... 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 多叉堆 如此，PFS的运行时间将是 n*d*logdn + e*logdn = (n*d + e)*logdn 两相权衡，大致取d = e/n + 2时总体性能达到最优的O(e*loge/n+2n) 对于稀疏图，接近于O(nlogn) //保持高效对于稠密图，接近于O(e) //改进极大 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 多叉堆 实现方面，依然可以基于向量 parent(k) = (k-1)/d child(k, i) = kd + i, i = 1, 2, ..., d 当然，d不再是2的幂时，将不再能够借助移位加速秩的换算 不过反过来，特别适用于不主要取决依赖于秩换算效率的场合比如，数据规模大到需要跨越存储层次时 //类似于B-树 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 Fibonacci堆 左式堆 x (新的上滤算法 + 懒惰合并) 各接口的分摊复杂度 delMax() O(logn) insert() O(1) merge() O(1) decrease() O(1) 于是，基于PFS框架的算法采用Fibonacci堆后，运行时间自然就是 n*O(logn) + e*O(1) = O(e + nlogn)