配对堆Pairing Heap

前言

最近做一道Dijkstra的题目，因为边数实在太大了（109${10}^9$），用STL的priority_queue直接超时（事实上还会MLE）。有同学写配对堆的。刚好很久没学习新的数据结构了，就趁着这个机会补一补。

配对堆

配对堆 Pairing Heap 是一种实现简单、均摊复杂度优越的堆数据结构，由Michael Fredman、罗伯特·塞奇威克、Daniel Sleator、罗伯特·塔扬 于1986年发明。 配对堆是一种多叉树，并且可以被认为是一种简化的斐波那契堆。
（以上内容来自wikipedia）

怎么说呢？
首先，配对堆是一种可并堆，也支持与其他可并堆类似的操作，但是实现和原理较为简单（至少是相对与FIB堆）。

支持操作

配对堆主要支持以下操作：

• find-min（查找最小值）：返回堆顶。
• merge（合并）：比较两个堆顶，将堆顶较大的堆设为另一个的孩子。
• insert（插入）：创建一个只有一个元素的堆，并合并至原堆中。
• decrease-key（减小元素）（可选）：将以该节点为根的子树移除，减小其权值，并合并回去。
• delete-min（删除最小值）：删除根并将其子树合并至一起。这里有各种不同的方式。

接下来我们一个一个详细地讲解这些操作。

说明

• 我们讲解时用小根堆作为例子（但示例图为大根堆，见谅）
• 对于每个节点i$i$，我们用Soni$So{n}_i$表示它的儿子节点的集合，Fai$F{a}_i$表示它的父亲节点。
• 一个堆的根我们设为root$root$

1 FIND-MIN

简单地返回该堆堆顶即可。

2 MERGE

首先合并空堆将返回另一个堆，否则我们返回新堆的根。
假设我们要把Heap1$Heap1$和Heap2$Heap2$这两个堆合并起来。
那么我们需要比较一下rootHeap1$roo{t}_{Heap1}$和rootHeap2$roo{t}_{Heap2}$的权值，不妨设rootHeap1$roo{t}_{Heap1}$的权值大于rootHeap2$roo{t}_{Heap2}$的权值。这样我们只需要把FarootHeap1$F{a}_{roo{t}_{Heap1}}$设为rootHeap2$roo{t}_{Heap2}$，并把rootHeap1$roo{t}_{Heap1}$加入到SonrootHeap2$So{n}_{roo{t}_{Heap2}}$中即可。
然后返回rootHeap2$roo{t}_{Heap2}$即可。

3 INSERT

假设我们要向堆Heap$Heap$中加入一个权值为Val$Val$的节点。
其实很简单，我们只要新建一个只含有这个节点的堆Heap1$Heap1$，然后把它和Heap$Heap$合并起来就可以了，即使用MERGE操作。

4 DECREASE-KEY

这是一个堆中非常常用的操作，尤其对于Dijkstra最短路算法极为有用，这样我们可以避免重复加入一个节点带来的内存和时间开销，而直接更改对应节点具有的距离键值。
假设我们要把堆中节点u$u$的权值减少Δ$\mathrm{\Delta }$，注意，Δ≥0$\mathrm{\Delta }\ge 0$。
首先，若u$u$是当前堆的堆顶，我们直接修改权值即可，堆不会有其他任何变化。
否则，我们将以u$u$为根的堆（设为Heapu$Hea{p}_u$）从原堆中提出，更改它的权值，并用MERGE操作把它和原来的堆合并。
当然这里有一个注意点就是，我们把Heapu$Hea{p}_u$提出时，并不直接从其父节点Fau$F{a}_u$的Son$Son$集合中删除节点u$u$，而是仅讲Fau$F{a}_u$设为NULL$NULL$，表示它是当前堆的根节点。至于对Fau$F{a}_u$的影响，我们暂不考虑，等到后面的操作再去涉及，以达到均衡复杂度的目的。

5 DELETE-MIN

这是整个配对堆中最为重要也最为奇妙的操作。
删除根节点root$root$后，我们可以直接把所有儿子一个一个合并，但是很明显，这样的复杂度是O(n)$O(n)$的，非常暴力。
我们当然有更好的方法。标准方法是：首先将子堆从左到右、一对一对地合并（这就是它叫这个名字的原因），然后再从右到左合并该堆。这样子复杂度就是O(logn)$O(logn)$的。（事实上这应该该是均摊复杂度，然而我并不会证明）
当然，由于前面的DECREASE-KEY操作，root$root$可能存在一些“假”的子节点，由于我们需要知道这些子节点并将它们合并，那我们只需要在扫描时判断一下Fason$F{a}_{s}on$是否为root$root$即可。

复杂度分析

• find-min : O(1)$O(1)$
• merge : O(1)$O(1)$
• insert : O(1)$O(1)$
• delete-min : O(logn)$O(logn)$

这已经非常优秀了。
至于为什么没有写decrease-key，这里有来自wikipedia的一段话：

• 配对堆时间复杂度的分析灵感来源于伸展树。其delete-min操作的时间复杂度为O(logn)$O(logn)$，而find-min、merge和insert操作的均摊时间复杂度均为O(1)$O(1)$。

• 确定配对堆每次进行decrease-key操作的均摊时间复杂度是困难的。最初，基于经验，这个操作的时间复杂度被推测为是O(1)$O(1)$，但Fredman证明了对于某些操作序列，每次decrease-key操作的时间复杂度至少为 Ω(loglogn)${\displaystyle \mathrm{\Omega }(\log \log n)}$。在那之后，通过不同的均摊依据，Pettie证明了insert、merge及decrease-key操作的均摊时间复杂度均为 O(22loglogn√)${\displaystyle O(2^{2\sqrt{\log \log n}})}$，近似于o(logn)${\displaystyle o(\log n)}$。Elmasry后来介绍了一种配对堆的变体，令其拥有所有斐波那契堆可以实现的操作，且decrease-key操作的均摊时间复杂度为O(loglogn)${\displaystyle O(\log \log n)}$，但对于原始的数据结构，仍未知准确的Θ(loglogn)${\displaystyle \mathrm{\Theta }(\log \log n)}$运行下限。此外，能否使delete-min在均摊时间复杂度为o(logn)${\displaystyle o(\log n)}$的同时，令insert操作的均摊时间复杂度为O(1)${\displaystyle O(1)}$，目前也仍未得到解决。

• 尽管这比其他的，例如能实现均摊时间O(1)${\displaystyle O(1)}$的decrease-key的斐波那契堆，这样的优先队列算法更差，在实践中配对堆的表现仍然很不错。Stasko和Vitter， Moret和Shapiro，以及Larkin、Sen和Tarjan进行过配对堆和其他堆数据结构的实验。他们得出的结论是，配对堆通常比基于数组的二叉堆和D叉堆的实际操作速度更快，而且在实践中几乎总是比其他基于指针的堆更快，其中包括诸如斐波纳契堆这样的理论上更有效率的数据结构。

（好吧实际上我并没有完全看懂）

参考资料

CSDN - PhilipsWeng - Pairing_heap(配对堆)
CSDN - ajian005 - 优先队列三大利器——二项堆、斐波那契堆、Pairing 堆
wikipedia - 词条：配对堆