java优先队列(堆)PriorityQueue的应用
前言
我们知道队列是一种先进先出的数据结构,但是我们有时候并不是按照排队先进先出的顺序来处理数据,而是要根据数据的某种优先级,对它们排序,然后再出队。比如在计算机操作系统中,有一种短作业优先算法,短作业是需要优先被执行的,而不是根据作业的提交时间进行处理。这种特殊的应用,就需要使用到优先队列。
一、优先队列PriorityQueue常用方法
在java中,java.util.PriorityQueue包下,PriorityQueue这个类,实现了优先队列的各种方法。
PriorityQueue<Integer> priorityQueue = new PriorityQueue<>();
//add方法和offer方法,都是入队的操作,
//add方法底层调用的就是offer方法
priorityQueue.add(1);
priorityQueue.offer(5);
priorityQueue.offer(9);
priorityQueue.add(3);
priorityQueue.add(4);
//poll方法就是出队的操作
//和队列不同的是,出队顺序并不是按照入队顺序
//优先队列会自动对元素排序 默认是小顶堆!!
int a = priorityQueue.poll();
priorityQueue.poll();
priorityQueue.poll();
//查看堆顶元素
Integer peek = priorityQueue.peek();
//构造方法传入比较器 按照我们需求对元素排序
PriorityQueue<Integer> pq =
new PriorityQueue<>((a,b) -> (b - a));
//这里使用了lambda表达式 此时pq就是一个大顶堆
pq.offer(4);
pq.offer(1);
pq.offer(7);
pq.offer(66);
while (!pq.isEmpty()) { //输出结果为66 7 4 1
System.out.println(pq.poll());
}
二、优先队列的应用
1.堆排序问题
排序算法中,有一种经典算法叫做堆排序。如果我们需要对数据从小到大升序排序,那么我们构造一个小顶堆,若降序排列则构造大顶堆。(java的优先队列默认就是小顶堆)下面的代码,就是实现降序排列的代码。
//降序排列 需要构造大顶堆 构造方法需要传入比较器Comparator!!
PriorityQueue<Integer> pq = new PriorityQueue<>((a,b) -> (b - a));
int[] arr = {5,1,0,10,3,5,8,45};
for (int i = 0; i < arr.length; i++) {
pq.offer(arr[i]);
}
int[] sortedArr = new int[arr.length];
for (int i = 0; i < sortedArr.length; i++) {
sortedArr[i] = pq.poll();
}
System.out.println(Arrays.toString(sortedArr));
//输出结果:[45, 10, 8, 5, 5, 3, 1, 0]
2.TopK问题
TopK问题就是,从一个数据流中,我们维护K个最大值(或者最小值)。以维护K个最大值为例,思路就是,我们先遍历K个元素,维护一个K个元素的小顶堆,然后每遍历一个元素,和堆顶元素比较,只要比堆顶元素还大,那么我们把新元素插入堆中,再从堆中弹出堆顶元素,一直维护着K个元素,直到遍历完所有元素,最后堆中的K个元素就是K个最大值。
下面的代码是leetcode剑指 Offer 40. 最小的k个数的镜像题,改为最大的K个数~~
public int[] getNumbers(int[] arr, int k) {
if (k == 0) {
return new int[]{};
}
PriorityQueue<Integer> pq = new PriorityQueue<>();
for (int i = 0; i < k; i++) {
pq.offer(arr[i]);
}
for (int i = k; i < arr.length; i++) {
if (arr[i] > pq.peek()) {
pq.poll();
pq.offer(arr[i]);
}
}
int[] res = new int[k];
for (int i = 0; i < k; i++) {
res[i] = pq.poll();
}
return res;
}
三、总结
总的来说,优先队列是非常重要的,可以解决很多问题,如TopK问题、堆排序问题、数据流中位数问题等等。熟练使用PriorityQueue的API,而且要熟练根据场景,构造我们需要排序效果的优先队列,对解决相关问题十分关键!
在这里列举一些leetcode中,使用PriorityQueue的题:
295. 数据流的中位数
347. 前 K 个高频元素
373. 查找和最小的 K 对数字
剑指 Offer II 059. 数据流的第 K 大数值
819. 最常见的单词
1046. 最后一块石头的重量