Question

优先队列：基本操作：插入删除（删除最小元素）

目标：为上述功能提供有效的运行时间或增长顺序。

优先级队列的实现方式：

Linked List: Insertion will take o(n) in case of insertion at end o(1) in case of 
             insertion at head.
             Delet (Finding minumum and Delete this ) will take o(n) 

BST:
   Insertion/Deltion of minimum = In avg case it will take o(logn) worst case 0(n)

AVL Tree: 
   Insertion/deletion/searching: o(log n) in all cases.

我的困惑在这里：

为什么我们没有使用AVL Tree来实现优先队列，为什么我们走了 for Binary heap ...虽然我们知道在AVL Tree中我们可以在最坏的情况下在o（log n）中进行插入/删除/搜索。

Answer 1

复杂性并非一切，实际表现还有其他考虑因素。

对于大多数用途，大多数人甚至不使用AVL树作为平衡树（就我所见，红黑树更常见），更不用说作为优先级队列了。

这并不是说AVL树没用，我非常喜欢它们。但它们确实有相对昂贵的插入物。什么AVL树有利于（甚至击败红黑树）正在进行大量的查找而无需修改。这不是优先级队列所需要的。

作为一个单独的考虑因素 - 别担心你的二进制堆的O（log n）插入，斐波那契堆有O（1）插入和O（log N）删除最小。有很多数据结构可供选择，权衡略有不同，所以你不会期望每个人都选择满足你（非常简短）标准的第一件事。

Answer 2

二进制堆不是二进制搜索树（BST）。如果严重不平衡/恶化成一个列表，它确实需要O（n）时间。堆通常总是O（log（n））或更好。 IIRC Sedgewick声称O（1）平均时间基于阵列堆。

为什么不AVL？因为它在结构中维护 太多订单 。订单太多意味着，维护该订单需要付出太多努力。我们可以获得的订单越少越好 - 它通常会转换为 更快的操作 。例如，RBT优于AVL树。 RBT，红黑树，几乎平衡树 - 它们保存操作，同时仍然确保O（log（n））时间。

但是任何树都是完全有序的结构，所以堆通常更好，因为它们只能确保最小元素在顶部。它们只是部分订购。

Answer 3

因为在二进制堆中，最小元素是根。

通过AVL Tree数据结构实现优先级队列

3 个答案: