FORSKELLEN MELLEM MIN HEAP OG MAX HEAP

EN Dynge er en speciel komplet binært træ . Da en bunke er et komplet binært træ, er en bunke med N noder har log N højde. Det er nyttigt at fjerne det højeste eller laveste prioritetselement. Det er typisk repræsenteret som en array . Der er to typer af dynger iMin-Heap

mylivecricket ind til live cricket

I en Min-Heap nøglen, der er til stede ved rodnoden, skal være mindre end eller lig blandt nøglerne, der er til stede ved alle dens børn. Den samme egenskab skal være rekursivt sand for alle undertræer i det binære træ. I en Min-Heap er minimumsnøgleelementet til stede ved roden. Nedenfor er det binære træ, der opfylder alle Min Heaps egenskaber.

Max Heap

I en Max-Heap nøglen, der er til stede ved rodnoden, skal være større end eller lig blandt nøglerne, der er til stede ved alle dens børn. Den samme ejendom skal være rekursivt rigtigt for alle undertræer i det binære træ. I en Max-Heap er det maksimale nøgleelement til stede ved roden. Nedenfor er det binære træ, der opfylder alle Max Heaps ejendom.

	Min bunke	Max Heap
1.	I en Min-Heap skal nøglen, der er til stede ved rodnoden, være mindre end eller lig med blandt nøglerne, der er til stede ved alle dens børn.	I en Max-Heap skal nøglen, der er til stede ved rodnoden, være større end eller lig med blandt nøglerne, der er til stede ved alle dens børn.
2.	I en Min-Heap er minimumsnøgleelementet til stede ved roden.	I en Max-Heap er det maksimale nøgleelement til stede ved roden.
3.	En Min-Heap bruger den stigende prioritet.	En Max-Heap bruger den faldende prioritet.
4.	I konstruktionen af en Min-Heap har det mindste element prioritet.	Ved konstruktionen af en Max-Heap har det største element prioritet.
5.	I en Min-Heap er det mindste element det første, der bliver poppet fra dyngen.	I en Max-Heap er det største element det første, der bliver poppet fra dyngen.

Anvendelser af Dynger :

java til loop

Dynge sortering : Heap Sort er en af de bedste sorteringsalgoritmer, der bruger Binær bunke til sortere et array i O(N*log N) tid.
Prioritetskø : En prioritetskø kan implementeres ved at bruge en heap, fordi den understøtter indsæt() , slet() , extractMax() , formindsk nøgle() operationer i O(log N) tid.
Dijkstras korteste vej og Prim's Minimum Spanning Tree .

Ydelsesanalyse af Min-Heap og Max-Heap :

Få maksimum eller minimum element: O(1)
Indsæt element i Max-Heap eller Min-Heap: O(log N)
Fjern maksimum- eller minimumselement: O(log N)