Sebuah Timbunan Biner (Maks(imum)) (Binary (Max) Heap) adalah pohon biner komplet yang menjaga properti Timbunan Maks.

Timbunan Biner adalah salah satu struktur data yang dapat digunakan sebagai implementasi Tipe Data Abstrak (Abstract Data Type, ADT) Antrean Berprioritas (Priority Queue, PQ). Dalam sebuah PQ, setiap elemen mempunyai "prioritas" dan sebuah elemen dengan prioritas yang lebih tinggi akan diproses terlebih dahulu sebelum elemen dengan prioritas yang lebih rendah (elemen-elemen dengan prioritas yang sama akan diurutkan berdasarkan aturan Pertama-Datang Pertama-Keluar (First-In First-Out, FIFO) seperti Antrean (Queue) normal). Cobalah kilk ExtractMax() untuk animasi contoh tentang meng-ekstrak nilai maks dari sebuah Timbunan Biner acak diatas.

Untuk memperkecil fokus diskusi kita, visualisasi ini didesain untuk menampilkan Timbunan Biner Maks yang berisi bilangan bulat unik saja.

Remarks: By default, we show e-Lecture Mode for first time (or non logged-in) visitor.
Please login if you are a repeated visitor or register for an (optional) free account first.

Pohon Biner Komplet: Setiap level di pohon biner, kecuali mungkin level terakhir/terbawah, sepenuhnya terisi, dan semua simpul-simpul di level terakhir berada di sisi paling kiri sebisa mungkin.

Properti Timbunan Biner Maks: Orang tua (parent) dari setiap simpul - kecuali mungkin akarnya - berisi nilai lebih besar dari nilai dari simpul tersebut. Ini adalah definisi yang lebih-mudah-diverifikasi daripada definisi alternatif ini: Nilai dari setiap simpul - kecuali mungkin daun/dedaunan - harus lebih besar dari nilai dari satu (atau kedua) anak(-anak)nya.

Pro-tip: Since you are not logged-in, you may be a first time visitor who are not aware of the following keyboard shortcuts to navigate this e-Lecture mode: [PageDown] to advance to the next slide, [PageUp] to go back to the previous slide, [Esc] to toggle between this e-Lecture mode and exploration mode.

Tipe Data Abstrak (Abstract Data Type, ADT) Antrean Berprioritas (Priority Queue, PQ) mirip dengan ADT Antrean (Queue) normal, tetapi dengan dua operasi-operasi penting berikut:

1. Enqueue(x): Taruh elemen (kunci) baru x kedalam PQ (dalam urutan tertentu),
2. y = Dequeue(): Kembalikan elemen yang sudah eksis y yang memiliki prioritas (kunci) tertinggi didalam PQ dan jika sama, kembalikan kunci yang dimasukkan terlebih dahulu, yaitu kembali ke sifat Pertama-Datang Pertama Keluar (First-In First-Out, FIFO) dari Antrean (Queue) normal.

Another pro-tip: We designed this visualization and this e-Lecture mode to look good on 1366x768 resolution or larger (typical modern laptop resolution in 2017). We recommend using Google Chrome to access VisuAlgo. Go to full screen mode (F11) to enjoy this setup. However, you can use zoom-in (Ctrl +) or zoom-out (Ctrl -) to calibrate this.

Bayangkan: Anda adalah Pengatur Lalu Lintas Udara (Air Traffic Controller, ATC) yang bekerja di sebuah menara kontrol dari sebuah bandara.

Anda telah menjadwalkan pesawat X/Y untuk mendarat di 3/6 menit berikutnya. Keduanya memiliki bahan bakar yang cukup untuk setidaknya 15 menit kedepan dan keduanya hanya 2 menit jauhnya dari bandara anda. Anda mengamati bahwa jalur pacu bandara anda saat ini kosong.

Jika anda tidak tahu, sebuah pesawat dapat diinstruksikan untuk terbang dalam pola statis (holding pattern) dekat sebuah bandara sampai waktu pendaratan yang sudah dijadwalkan.

Anda harus menghadiri kuliah nyata untuk mengetahui apa yang terjadi selanjutnya...

Akan ada dua pilihan yang akan ditampilkan kepada anda dan anda harus memutuskan:

1. Angkat DAN lambaikan tangan anda jika anda memilih opsi A,
2. Angkat tangan anda tapi JANGAN lambaikan jika anda memilih opsi B,

Jika kedua opsi tersebut tidak masuk akal buat anda, anda tidak perlu melakukan apa-apa.

Ada beberapa penggunaan-penggunaan potensial dari ADT PQ dalam kehidupan nyata selain apa yang anda baru saja lihat (hanya di kuliah nyata).

Diskusi: Bisakah anda menyebutkan beberapa situasi-situasi kehidupan nyata lainnya dimana sebuah PQ dibutuhkan?

Kita bisa mengimplementasikan ADT PQ ini menggunakan larik (sirkular) atau Senarai Berantai (Linked List) tetapi kita akan mendapatkan operasi Enqueue atau Dequeue yang pelan (yaitu dalam O(N)).

Diskusi: Kenapa?

Sekarang, mari lihat visualisasi dari sebuah Timbunan Biner Maks(imum) (acak) diatas. Anda akan melihat sebuah pohon biner komplit dan seluruh simpulnya kecuali akarnya memenuhi properti timbunan maks (A[parent(i)] > A[i] — ingat bahwa kita tidak memperbolehkan nilai duplikat disini).

Quiz: Based on this Binary (Max) Heap property, where will the largest integer be located?

Fakta penting untuk dihafal saat ini: Jika kita memiliki Timbunan Biner dengan N elemen, tingginya tidak akan lebih tinggi dari O(log N) karena kita akan menaruhnya sebagai pohon biner komplet.

Analisa sederhana: Besarnya N dari sebuah pohon biner penuh (lebih dari sekedar komplet) dengan tinggi h adalah selalu N = 2^(h+1)-1, sehingga h = log₂(N+1)-1 ~= log₂ N.

Lihat contoh diatas dengan N = 7 = 2⁽²⁺¹⁾-1 or h = log₂(7+1)-1 = 2.

Fakta ini penting untuk analisa dari semua operasi-operasi yang berhubungan dengan Timbunan Biner.

Sebuah pohon biner komplet dapat disimpan dengan efisien sebagai larik padat A karena tidak ada bolong diantara simpul-simpul dari sebuah pohon biner komplet maupun elemen-elemen dari larik padat. Untuk memudahkan operasi-operasi navigasi dibawah, kami menggunakan larik berbasis-1. VisuAlgo menunjukkan indeks dari setiap simpul sebagai label merah dibawah setiap simpul. Baca indeks-indeks tersebut secara terurut dari 1 sampai N, maka anda akan melihat simpul-simpul dari pohon biner komplet dari atas ke bawah, kiri ke kanan.

Dengan cara ini, kita bisa mengimplementasikan operasi-operasi penjelajahan pohon biner standar dengan manipulasi-manipulasi indeks sederhana (dengan bantuan manipulasi penggeseran bit):

1. orangtua(i) = i>>1, indeks i dibagi dengan 2 (pembagian bilangan bulat),
2. kiri(i) = i<<1, indeks i dikalikan dengan 2,
3. kanan(i) = (i<<1)+1, indeks i dikalikan dengan 2 dan ditambahkan dengan 1.

Dalam visualisasi ini, anda dapat melakukan lima (5) operasi umum Timbunan Biner (Maksimum):

1. Masukkan(V) - Masukkan(V) dalam O(log N)
2. EkstrakMaks() - Keluarkan Nilai Maksimum() dalam O(log N)
3. Buat(A) -- Buat(A) versi O(N log N)
4. Buat(A) -- Buat(A) versi O(N)
5. HeapSort() -- Urutkan Timbunan() dalam O(N log N)

Terdapat operasi-operasi Timbunan Biner (Maksimum) lain, namun saat ini kami tidak menunjukkannya untuk alasan pedagogis beberapa modul NUS.

Apakah anda mengerti kenapa memulai dari tempat pemasukan (indeks N+1) keatas (sampai maksimum simpul akar) dan menukar sebuah simpul dangan orang tuanya ketika terjadi pelanggaran properti Timbunan Maks selama pemasukkan adalah sebuah strategi yang benar?

Kompleksitas waktu dari operasi Masukkan(v) oini adalah O(log N).

Diskusi: Apakah anda mengerti penurunannya?

EkstrakMaks(): Pelaporan dan penghapusan nilai maksimum (akar) dari Timbunan Biner Maks memerlukan sebuah elemen lain untuk menggantikannya, karena jika tidak, maka Timbunan Biner Maks (sebuah pohon biner komplit, atau 林/Lín dalam bahasa Mandarin/pohon) menjadi dua sub-pohon yang terpisah (dua kopi dari 木/mù dalam bahasa Mandarin/kayu). Elemen tersebut harus merupakan indeks terakhir N dengan alasan yang sama: Untuk menjaga properti larik padat (compact) = pohon biner komplet.

Karena kita mempromosikan sebuah simpul daun menjadi simpul akar dari sbeuah Timbunan Biner, properti Timbunan Maks dapat dilanggar dengan mudah. Operasi EkstraksMaks() ini lalu membetulkan kembali properti tersebut mulai dari akar ke bawah dengan membandingkan nilai saat ini dengan anak-anaknya/yang lebih besar (bila perlu). Sekarang cobalah ExtractMax() pada Timbunan Biner (Maks) yang ditunjukkan saat ini.

Operasi membetulkan properti Timbunan Maks kebawah tidak memiliki nama standar. Kami menyebutnya ShiftDown tetapi orang-orang lain mungkin menyebutnya sebagai operasi BubbleDown atau Heapify.

Kenapa jika sebuah simpul memiliki dua anak, kita harus mengecek (dan mungkin menukar) simpul tersebut dengan anak yang lebih besar saat membereskan properti Timbunan Maks kebawah?

Kenapa kita tidak bisa membandingkan dengan simpul kiri (atau kanan, jika ada) saja?

Kompleksitas waktu dari operasi EkstrakMaks() adalah O(log N).

Diskusi: Apakah anda mengerti penurunannya?

Sampai pada saat ini, kita telah memiliki struktur data yang bisa mengimplementasikan kedua operasi-operasi penting dari ADT Antrean Berprioritas (Priority Queue, PQ) secara efisien:

1. Untuk Enqueue(x), kita dapat menggunakan Masukkan(x) dalam waktu O(log N), dan
2. Untuk y = Dequeue(), kita dapat menggunakan y = ExtractMax() dalam waktu O(log N).

Tetapi, kita sebenarnya bisa melakukan beberapa operasi-operasi lainnya dengan Timbunan Biner.

Buat(A): Membuat sebuah Timbunan Biner (Maks) valid dari array masukan A dengan N integer (dipisahkan dengan koma) ke dalam Timbunan Biner Maks kosong.

Ada dua varian untuk operasi ini, versi sederhana dalam O(N log N) dan versi advanced yang berjalan dalam O(N).

Pro Tip: Cobalah buka dua jendela VisuAlgo di browser anda. Jalankan kedua varian operasi Buat(A) pada kasus terburuk 'Contoh terurut' untuk melihat perbedaan mencolok dari keduanya.

Pembuktian sederhana tentang mengapa separuh dari Timbunan Biner (Maks) dengan N (tanpa kehilangan makna umum, mari asumsikan bahwa N adalah genap) elemen adalah dedaunan adalah sebagai berikut:

Misalkan daun terakhir berada pada indeks N, maka orang tua dari daun terakhir tersebut ada di indeks i = N/2 (ingat slide ini). Anak kiri dari simpul i+1, jika ada (sesungguhnya tidak ada), adalah 2*(i+1) = 2*(N/2+1) = N+2, yang sudah lebih besar dari indeks N (daun terakhir) jadi indeks i+1 pasti juga adalah sebuah simpul daun yang tidak mempunyai anak. Karena indeks-indeks dari Timbunan Biner beruruta, pada dasarnya indeks-indeks [i+1 = N/2+1, i+2 = N/2+2, ..., N], yaitu separuh dari seluruh simpul-simpul, adalah dedaunan.

Pertama-tama, kita perlu mengingat bahwa tinggi dari pohon biner penuh dengan ukuran N adalah log₂ N.

Kedua, kita perlu menyadari bahwa biaya untuk menjalakan operasi shiftDown(i) tidak sejelek batas atas kasar O(log N), tetapi O(h) dimana h adalah tinggi dari sub-pohon yang berakar di indeks i.

Ketiga, ada ceil(N/2^h+1) simpul-simpul pada ketinggian h di sebuah pohon biner penuh.

Di pohon biner penuh contoh diatas dengan N = 7 dan h = 2, ada:
ceil(7/2⁰⁺¹) = 4 simpul-simpul: {44,35,26,17} pada ketinggian h = 0,
ceil(7/2¹⁺¹) = 2 simpul-simpul: {62,53} pada ketinggian h = 1, dan
ceil(7/2²⁺¹) = 1 simpul: {71} pada ketinggian h = 2.

Biaya dari Buat(A), versi O(N) adalah:

Catatan: Jika rumus ini terlalu kompleks, murid yang modern bisa menggunakan WolframAlpha.

Meskipun HeapSort() berjalan dalam waktu θ(N log N) untuk semua kasus (terbaik/rata-rata/terjelek), apakah Heap Sort benar-benar algoritma berbasis-pembandingan terbaik?

Diskusi: Bagaimana dengan performa caching dari HeapSort()?

Anda telah mencapai akhir dari bahan-bahan dasar dari struktur data Timbunan Biner (Maks) dan kami menyemangati anda untuk mengeksplorasi lebih lanjut dalam Mode Eksplorasi.

Tetapi, kami masih memiliki beberapa tantangan-tantangan menarik untuk anda tentang Timbunan Biner (Maks) yang akan kami sebutkan di bagian ini.

Ketika anda telah menyelesaikan semuanya, kami mengundang anda untuk mempelajari algoritma-algoritma yang lebih lanjut yang menggunakan Antrean Berprioritas sebagai (salah satu dari) struktur datanya, seperti Algoritma MST Prim, Algoritma SSSP Dijkstra, algoritma pencarian A* (belum ada di VisuAlgo), dsb.

If you are looking for an implementation of Binary (Max) Heap to actually model a Priority Queue, then there is a good news.

C++ and Java already have built-in Priority Queue implementations that very likely use this data structure. They are C++ STL priority_queue (the default is a Max Priority Queue) and Java PriorityQueue (the default is a Min Priority Queue). However, the built-in implementation may not be suitable to do some PQ extended operations efficiently (details omitted for pedagogical reason in a certain NUS module).

Python heapq exists but its performance is rather slow. OCaml doesn't have built-in Priority Queue but we can use something else that is going to be mentioned in the other modules in VisuAlgo (the reason on why the details are omitted is the same as above).

PS: Heap Sort is likely used in C++ STL algorithm partial_sort.

Nevertheless, here is our implementation of BinaryHeapDemo.cpp.

Untuk beberapa pertanyaan-pertanyaan menarik tentang struktur data ini, silahkan coba latihan pada modul latihan Timbunan Biner (login tidak dibutuhkan).

Tetapi untuk pengguna-pengguna yang sudah teregistrasi, anda sebaiknya login dan lalu pergi ke Halaman Latihan Utama untuk menyelesaikan modul ini secara resmi dan sebuah penghargaan akan dicatat di akun pengguna anda.

Kita juga memiliki beberapa masalah-masalah pemrograman yang membutuhkan penggunaan struktur data Timbunan Biner ini: UVa 01203 - Argus dan Kattis - numbertree.

Cobalah mereka untuk mengkonsolidasikan dan meningkatkan pemahaman anda tentang struktur data ini. Anda diijinkan untuk menggunakan C++ STL priority_queue atau Java PriorityQueue jika itu mempermudah implementasi anda.