码迷,mamicode.com
首页 > 其他好文 > 详细

数据结构实验之修理牧场

时间:2020-05-24 11:59:33      阅读:107      评论:0      收藏:0      [点我收藏+]

标签:技术   res   max   --   用例   roman   算法实现   最大堆   选择   

数据结构与算法实验报告

修理牧场

     姓名:孙瑞霜 

 

一、实验目的

1、熟练掌握学习的每种结构及其相应算法;

2、理论联系实际,会对现实问题建模并设计相应算法。

3、优化算法,使得算法效率适当提高

二、实验要求

1. 认真阅读和掌握教材上和本实验相关的内容和算法;

2. 上机将各种相关算法实现;

3. 实现上面实验目的要求的功能,并能进行简单的验证。

、实验内容

认真学习 学习通->数据结构->资料->数据结构实验指导书--陈越版,从第二章进阶实验1~10中任选一个来实现,编写程序,输入给定的数据,能得到给定的输出。总结算法思想、画出流程图,并思考程序有无改进空间,如何改进。

三、算法描述

(采用自然语言描述)  

选择了修理牧场

改进后方法二:我们将木头的长度看成树的节点,每切割一次木头就相当与把节点分为两个子节点,每个节点的权值就相当于分的的木头长度。那么最后这棵树的总权值就相当于切割的代价。问题就变成求这棵树的最小权值,这不就是Hoffman树的作用嘛。所以这道题目就变成了求一棵Hoffman树的权值。(选用两种方法)

四、详细设计

(画出程序流程图)

技术图片

五、程序代码

(给出必要注释)

(方法一)复杂代码

#include<stdio.h>

#include<stdlib.h>

#define MinData 0

//#define M 10000

#define MaxData 100

 

typedef struct TreeNode *HuffmanTree;

struct TreeNode{

//char Data;

int Weight;

HuffmanTree Left;

HuffmanTree Right;

};

typedef HuffmanTree ElementType;

typedef  struct  HeapStruct  *MinHeap;

struct  HeapStruct {

ElementType *Elements; /* 存储堆元素的数组 */

int Size; /* 堆的当前元素个数 */

int Capacity; /* 堆的最大容量  */

};

//函数声明

MinHeap Create( int MinSize );

void Insert( MinHeap H, ElementType item );

ElementType DeleteMin( MinHeap H );

MinHeap BuildMinHeap( MinHeap H );

int IsFull( MinHeap H );

int IsEmpty( MinHeap H );

void printfHeap( MinHeap H);

HuffmanTree Huffman( MinHeap H );

int PreOrderTraversal( HuffmanTree H,int sum );

 

MinHeap Create( int MaxSize )

{   /* 创建容量为MinSize的空的最小堆 */

HuffmanTree ht0;

MinHeap H =( MinHeap)malloc( sizeof( struct HeapStruct ) );

H->Elements =( ElementType *) malloc( (MaxSize+1) * sizeof( ElementType ) );

H->Size = 0;

H->Capacity =MaxSize;

/* 定义"哨兵"为小于堆中所有可能元素的值*/

ht0 = (HuffmanTree)malloc( sizeof( struct TreeNode) );

ht0->Left = NULL;

ht0->Right = NULL;

ht0->Weight = 0;

H->Elements[0] = ht0;

return H;

}

 

void printfHeap( MinHeap H)

{   

int i;

for(i=1;i<=H->Size;i++)

printf("%d ",H->Elements[i]->Weight);

}

 

 

void Insert( MinHeap H, ElementType item )

{ /* 将元素item 插入最小堆H,其中H->Elements[0]已经定义为哨兵 */

    int i;

HuffmanTree hti;

 

if ( IsFull(H) ) {

printf("最小堆已满");

return;

}

hti = (HuffmanTree)malloc( sizeof( struct TreeNode) );

hti->Left = item->Left;

hti->Right =  item->Right;

hti->Weight = item->Weight;

i = ++H->Size; /* i指向插入后堆中的最后一个元素的位置 */

for ( ; H->Elements[i/2]->Weight > item->Weight; i/=2 )

H->Elements[i] = H->Elements[i/2]; /* 向下过滤结点 */

H->Elements[i] = hti; /* item 插入 */

}

 

ElementType DeleteMin( MinHeap H )

{   /* 从最大堆H中取出键值为最大的元素,并删除一个结点 */

    int Parent, Child;

    ElementType MinItem, temp;

 

    if ( IsEmpty(H) ) {

        printf("最大堆已为空");

        return H->Elements[0];

    }

 

    MinItem = H->Elements[1]; /* 取出根结点最小值 */

    /* 用最小堆中最后一个元素从根结点开始向上过滤下层结点 */

    temp = H->Elements[H->Size--];

for( Parent=1; Parent*2<=H->Size; Parent=Child ) {

Child = Parent * 2;

        if( (Child!= H->Size) && (H->Elements[Child]->Weight > H->Elements[Child+1]->Weight) )

            Child++;  /* Child指向左右子结点的较小者 */

        if( temp->Weight <= H->Elements[Child]->Weight ) break;

else  /* 移动temp元素到下一层 */

H->Elements[Parent] = H->Elements[Child];

    }

    H->Elements[Parent] = temp;

 

    return MinItem;

}

 

MinHeap BuildMinHeap( MinHeap H )

{   /* 这里假设所有H->Size个元素已经存在H->Elements[]中     */

    /* 本函数将H->Elements[]中的元素调整,使满足最小堆的有序性 */

int Parent, Child, i;

ElementType temp;

 

for( i = H->Size/2; i>0; i-- ){ /*从最后一个结点的父结点开始 */

temp = H->Elements[i];

for( Parent=i; Parent*2<=H->Size; Parent=Child ) { /* 向下过滤 */

Child = Parent * 2;

            if( (Child!= H->Size) && (H->Elements[Child]->Weight > H->Elements[Child+1]->Weight) )

                Child++;  /* Child指向左右子结点的较小者 */

            if( temp->Weight <= H->Elements[Child]->Weight ) break;

else  /* 移动temp元素到下一层 */

H->Elements[Parent] = H->Elements[Child];

} /* 结束内部for循环对以H->Elements[i]为根的子树的调整 */

H->Elements[Parent] = temp;

}

 

return H;

}

 

int IsFull( MinHeap H )

{

if(H->Size == H->Capacity -1)

return 1;

else

return 0;

 

}

 

int IsEmpty( MinHeap H )

{

if(H->Size == 0)

return 1;

else

return 0;

 

}

 

int main()

{

MinHeap h1;

int i;

int num;

 

HuffmanTree ht;

int M;

scanf("%d",&M);

h1=Create(M);

//printf("请输入序列:\n");

for(i=1;i<=M;i++)

{

scanf(" %d",&num);

ht = (HuffmanTree)malloc( sizeof( struct TreeNode) );

        ht ->Left = NULL;

        ht->Right = NULL;

        ht->Weight = num;

        h1->Elements[i]=ht;

h1->Size++;

}

ht=Huffman(h1);

printf("%d\n",PreOrderTraversal(ht,0));

}

 

HuffmanTree Huffman( MinHeap H )

{   /* 假设根据H->Size个权值所生成的跟结点已经存在H->Elements[]*/

int i,m;

HuffmanTree  T;

    BuildMinHeap(H); /*H->Elements[]按权值调整为最小堆*/

m=H->Size;

 

    for (i = 1; i < m; i++) { /*H->Size -1次合并*/

        T = (HuffmanTree)malloc( sizeof( struct TreeNode) ); /*建立一个新的根结点*/       

T->Left = DeleteMin(H);/*从最小堆中删除一个结点,作为新T的左子结点*/        

T->Right = DeleteMin(H); /*从最小堆中删除一个结点,作为新T的右子结点*/       

T->Weight = T->Left->Weight+T->Right->Weight; /*计算新权值*/

        Insert( H, T ); /*将新T插入最小堆*/

}

 

T=DeleteMin(H);//取合并后的树根

 

return T;

}

//递归先序求哈夫曼树的非叶子结点的权重和

int PreOrderTraversal(HuffmanTree T,int sum)

{

if(T)

{

if(T->Left&&T->Right)

sum+=T->Weight;

sum= PreOrderTraversal(T->Left,sum);

sum=PreOrderTraversal(T->Right,sum);

}

return sum;

}

(方法二)优化后代码

#include<stdio.h>

 

#define swap(a,b) a=a^b,b=a^b,a=a^b

 

int tail=0;     //堆的最后一个元素的下一个位置

 

void Insert(int *length,int temp);

int GetHeap(int *length);

int Solve(int *length);

 

int main(void)

{

    int N;

    int i;

    scanf("%d",&N);

    int length[N];

    int temp;

 

    for(i=0;i<N;i++){

      scanf("%d",&temp);

      Insert(length,temp);      //构造一个小顶堆

    }

 

    printf("%d",Solve(length));

 

    return 0;

}

 

void Insert(int *length,int temp)

{

    int son,father;

 

    son=tail;

    length[tail++]=temp;

    father=(son+(son&1))/2-1;

 

    if(!son)

      return ;

 

    while(length[son]<length[father]&&father>=0){

      swap(length[son],length[father]);    //交换两节点位置

      son=father;

      father=(father+(father&1))/2-1;

    }

 

    return ;

}

 

int GetHeap(int *length)

{

    int result=length[0];

    int father=0;

    int son=1;

 

    length[0]=length[--tail];

 

    while(son<tail){

      if(length[son]>length[son+1])

        son++;                      //如果左孩子节点的数值更大

      if(length[father]>length[son]){

        swap(length[father],length[son]);

        father=son;

        son=2*son+1;

      }

      else

        break;

    }

 

    return result;

}

 

int Solve(int *length)

{

    int min1,min2;

    int result=0;

 

    if(tail==1)

      return 0;

 

    while(1!=tail){

      min1=GetHeap(length);

      min2=GetHeap(length);   //找打最小的两块板子

      result+=min1+min2;      //将其合为一块板子

      Insert(length,min1+min2);     //继续排序

    }

 

    return result;

}

 

六、测试和结果

(给出测试用例以及测试结果)

输入样例:

8

4 5 1 2 1 3 1 1

输出样例:49

 技术图片

七、用户手册

首先打开Dev,然后将代码粘贴到上面,先编译看是否编译成功,再根据下面测试的数据将代码运行后依次填入,便能得出相应的结果,当然也可以尝试用其他测试数据来测验一下,看看最后结果如何。

数据结构实验之修理牧场

标签:技术   res   max   --   用例   roman   算法实现   最大堆   选择   

原文地址:https://www.cnblogs.com/srs7665/p/12949147.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!