Kolejka priorytetowa.

Prezentacja na temat: "Kolejka priorytetowa."— Zapis prezentacji:

1 Kolejka priorytetowa

2 Kolejka priorytetowa Kolejka priorytetowa (ang. priority queue) to struktura danych pozwalająca efektywnie realizować następujące operacje na zbiorze dynamicznym, którego elementy pochodzą z określonego uniwersum z porządkiem liniowym: insert(x) – dodanie nowego elementu x do zbioru, max() – odczytanie wartości największego elementu w zbiorze, extract-max(x) – usunięcie ze zbioru największego elementu. init() – utworzenie kolejki priorytetowej z zadanego zbioru dnych Często rozważa się kolejki priorytetowe, w których poszukuje się elementu minimalnego zamiast maksymalnego.

3 Implementacja listowa kolejki priorytetowej
Lista uporządkowana od elementu największego w głowie do najmniejszego w ogonie może być implementacją kolejki priorytetowej. Złożoność czasowa operacji kolejkowych: insert(x) – O(n) max() – O(1) extract-max() – O(1) init() – O(n log(n)) Złożoność pamięciowa operacji kolejkowych: O(1) (za wyjątkiem operacji init).

4 Implementacja listowa kolejki priorytetowej
Lista nieuporządkowana może być implementacją kolejki priorytetowej (ewentualnie z elementem maksymalnym w głowie listy). Złożoność czasowa operacji kolejkowych: insert(x) – O(1) max() – O(n) (ewentualnie O(1) gdy na początku znajduje się element maksymalny) extract-max() – O(n) init() – O(n) Złożoność pamięciowa operacji kolejkowych: O(1) (za wyjątkiem operacji init).

5 Porządek kopcowy w drzewie
W drzewie jest zachowany porządek kopcowy, gdy w każdym węźle synowie przechowują wartości mniejsze od wartości w węźle. Element maksymalny w drzewie z porządkiem kopcowym znajduje się w korzeniu (element minimalny jest w którymś z liści). Gdy poruszamy się po drzewie od korzenia do liścia to odwiedzamy coraz to mniejsze (nie większe) wartości.

6 Kopiec binarny Kopiec binarny to binarne drzewo zupełne z porządkiem kopcowym. W n-elementowym kopcu binarnym jest n/2 liści. N-elementowy kopic binarny jest drzewem regularnym gdy n jest nieparzyste albo posiada jeden węzeł tylko z lewym synem (liściem) gdy n jest parzyste. Wysokość (krawędziowa) n-elementowego kopca binarnego wynosi log n.

7 Tablicowa implementacja kopca
Drzewo zupełne wstawiamy do tablicy poziomami, zaczynając od komórki nr 1 (komórka nr 0 nie jest wykorzystywana). Numer lewego syna dla komórki i-tej wynosi: left(i) = i*2 = i << 1 a dla prawego syna: right(i) = i*2+1 = (i << 1) | 1 Numer ojca komórki i-tej wynosi: parent(i) = i/2 = i >> 1

8 Przesiewanie Rozważmy zmianę wartości jednego elementu w kopcu: gdy go zwiększymy element ten trzeba przesiać w górę, gdy go zmniejszymy trzeba go przesiać w dół. Przesiewanie to przesuwanie elementu w górę kopca lub dół poprzez zamiany wartości w węzłach tak daleko, aż nie zostanie przywrócony porządek kopcowy.

9 Przesiewanie Przesiewanie w górę kopca heap[1…n] sieve-up(int i) { if i=1 then return; h := parent(i); if heap[i] <= heap[h] then return; heap[i] :=: heap[h]; sieve-up(h); } Czas: O(log n) gdzie n to ilość elementów w kopcu Pamięć: O(log n) – głębokość rekurencji (w procedurze iteracyjnej O(1))

10 Przesiewanie Przesiewanie w dół kopca heap[1…n] sieve-down(int i) { if i > n/2 then return; m := left(i); // lewy syn; if m+1 <= n then if heap[m+1] > heap[m] then m++; if heap[m] <= heap[i] then return; heap[i] :=: heap[m]; sieve-down(m); } Czas: O(log n) gdzie n to ilość elementów w kopcu Pamięć: O(log n) – głębokość rekurencji (w procedurze iteracyjnej O(1))

11 Implementacja operacji kopcowych
Wstawienie nowego elementu do kopca heap[1…n] dopisujemy element na końcu tablicy i przesiewamy go w górę: insert(comparable x) { n++; heap[n] := x; sieve-up(n); } Wyciągnięcie elementu maksymalnego z kopca heap[1…n]: extract-max() { heap[1] :=: heap[n]; n--; sieve-down(1); return heap[n+1]; } Odczytanie elementu maksymalnego z kopca heap[1…n]: max() -> comparable { return heap[1]; } Czas: O(log n) dla operacji insert() i extract-max() oraz O(1) dla max(), gdzie n to ilość elementów w kopcu. Pamięć: O(log n) dla operacji modyfikujących i O(1) dla max() – głębokość rekurencji (implementując przesiewanie w sposób iteracyjny zapotrzebowanie na pamięć dla wszystkich operacji wyniesie O(1)).

12 Budowanie kopca Dana jest tablica n-elementowa z danymi.
Naszym zadaniem jest zbudowanie kopca. Idea rozwiązania: budowa kopca od góry – czas O(n log(n)): początkowy fragment tablicy jest kopcem; dołączamy następny element tablicy do istniejącego kopca. init-heap() { for i = 2 … n do sieve-up(i); } Idea rozwiązania: budowa kopca od dołu – czas O(n) wszystkie liście są kopcami; jeśli do korzenia są podłączone dwa kopce, to wystarczy przesiać drzewo w dół od korzenia aby otrzymać kopiec. for i = n/2 … 1 do sieve-down(i);

13 Sortowanie kopcowe Idea: budujemy kopic poprzez wkładanie kolejnych elementów do kopca a potem usuwamy kolejno elementu od największego do najmniejszego i umieszczamy je w tablicy wynikowej od końca. Czas: O(n ∙ log n) Pamięć: O(1) gdy nie używamy rekurencji w przesiewaniach albo O(log n) w przeciwnym razie Sortowanie kopcowe nie jest stabilne. Sortowanie kopcowe może działać w miejscu, gdy wyeliminujemy rekurencję z przesiewania.

14 Zadanie 1: Zdefiniuj szablon klasy dla kopca zaimplementowanego na tablicy. Przetestuj działanie kopca dla danych różnego typu (liczby całkowite typu int, łańcuchy znakowe typu string, itp).

15 Zadanie 2: Do zdefiniowanego w poprzednim zadaniu szablonu kopca dopisz statyczną metodę sortowania kopcowego. Przetestuj działanie sortowania przez kopcowanie na danych różnego typu.

16 Zadanie 3: Zdefiniuj szablon klasy dla kopca zaimplementowanego na tablicy. Przetestuj działanie kopca dla danych różnego typu (liczby całkowite typu int, łańcuchy znakowe typu string, itp).

17 Złączalne kolejki priorytetowe
Złączalna kolejka priorytetowa (ang. meldable priority queue) to struktura danych pozwalająca efektywnie realizować na zbiorze dynamicznym z elementami pochodzącymi z określonego uniwersum z porządkiem liniowym operacje kolejkowe insert(x), max(), extract-max() oraz init() plus następujące operacje: decrease-key(x, y) –nadaje kluczowi elementu x w kolejce nową, mniejszą wartość y (operacja opcjonalna); delete(x) – usuwa element x z kolejki (operacja opcjonalna); meld(Q) – przyłączenie kolejki Q do zbioru.

18 Drzewa dwumianowe Drzewo dwumianowe (ang. binomial tree) Bk jest drzewem zdefiniowanym rekurencyjnie następujący w sposób: drzewo dwumianowe rzędu 0 składa się z jednego węzła (korzenia); drzewo dwumianowe rzędu k składa się z korzenia oraz jego dzieci, którymi są drzewa dwumianowe rzędów k-1, k-2, ..., 1, 0 (dokładnie w tej kolejności).

19 Drzewa dwumianowe Drzewo dwumianowe rzędu k ma 2k węzłów i wysokość k.
Drzewo dwumianowe rzędu k może być łatwo zbudowane z dwóch drzew rzędu k-1, przez dołączenie jednego z nich jako najbardziej lewego syna do korzenia drugiego. Nazwa drzewa dwumianowego pochodzi od zależności (kd), która mówi o liczbie węzłów na poziomie d drzewa dwumianowego rzędu k.

20 Kopiec dwumianowy Kopiec dwumianowy implementuje się jako zbiór drzew dwumianowych zachowujących porządek kopcowy: każde drzewo dwumianowe zachowuje własność kopca: wartość węzła jest większa lub równa niż wartość jego rodzica (w korzeniu znajduje się wartość minimalna); w kopcu może znajdować się co najwyżej jedno drzewo z każdego rzędu. Pierwsza własność gwarantuje, że każdy korzeń drzewa dwumianowego zawiera najmniejszą wartość w drzewie, co stosuje się do całego kopca. Dzięki drugiej własności wiemy, że kopiec dwumianowy zawierający n elementów składa się z co najwyżej log n + 1 drzew dwumianowych. Istotnie, liczba i rzędy tych drzew są jednoznacznie wyznaczone przez liczbę elementów w kopcu: każde drzewo odpowiada jedynce w reprezentacji dwójkowej liczby n.

21 Kopiec dwumianowy W kopcu dwumianowym, operację min() (znalezienia najmniejszego elementu) wykonuje się poprzez sprawdzenie wszystkich korzeni drzew dwumianowych; wymaga to O(log n) czasu i O(1) pamięci.

22 Kopiec dwumianowy Operację meld (przyłączenia kopca), wykonujemy w identyczny sposób jak dodawanie dwóch liczb binarnych – zaczynamy łączenie od najmniejszych drzew (najmniej znaczące bity w liczbie binarnej) i pamiętamy w razie potrzeby przeniesienie. Połączenie dwóch drzew dwumianowych z porządkiem kopcowym odbywa się w taki sposób, że wybieramy drzewo w wartością mniejszą w korzeniu i przyłączamy do niego drugie drzewo. Łączenie kopców dwumianowych wymaga O(log(n+m)) czasu i O(1) pamięci.

23 Kopiec dwumianowy Operacja insert (wstawienie nowego elementu) sprowadza się do przyłączenie kopca jednoelementowego z zadaną wartością; wymaga to czasu O(log n). W przypadku operacji deletemin (usunięcie najmniejszego elementu) najpierw wyszukujemy element minimalny, usuwamy korzeń znalezionego drzewa dwumianowego i dokonujemy operacji meld z kopcem dwumianowym, który powstał z potomków tego drzewa; wymaga to czasu O(log n).