1、堆
1.1、堆的作用
1.2、堆的概念
堆首先是一颗二叉树,但他是完全二叉树
1.3、堆中添加元素
1.4、从头部删除元素
1.5、从中间删除元素
1.6、构建初始堆
1.7、遍历和查找
1.8、小结
2、PriorityQueue分析
2.1、实现原理
内部成员组成:
底层就是个数组
private static final int DEFAULT_INITIAL_CAPACITY = 11;
//存储元素的数组
transient Object[] queue; // non-private to simplify nested class access
//表示当前元素的个数
private int size = 0;
//比较器
private final Comparator<? super E> comparator;
//记录修改次数
transient int modCount = 0; // non-private to simplify nested class access
2.2、构造方法
public PriorityQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
public PriorityQueue(int initialCapacity) {
this(initialCapacity, null);
}
public PriorityQueue(Comparator<? super E> comparator) {
this(DEFAULT_INITIAL_CAPACITY, comparator);
}
public PriorityQueue(int initialCapacity,
Comparator<? super E> comparator) {
// Note: This restriction of at least one is not actually needed,
// but continues for 1.5 compatibility
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.queue = new Object[initialCapacity];
this.comparator = comparator;
}
2.3、offer方法
队列为空直接插入
否则将数据插入到队列尾部
* 数组容量不够时进行扩容
对堆进行向上调整
//添加元素入队
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
modCount++;
int i = size;
if (i >= queue.length)//首先保证数组长度是够的,如果不够,调用grow方法动态扩展
grow(i + 1);
size = i + 1;//增加长度
if (i == 0)//如果是第一次添加,直接添加到第一个位置即可
queue[0] = e;
else //否则将其放到最后一个位置,但同时向上调整,直至满足堆的性质
siftUp(i, e);
return true;
}
//数组扩容
private void grow(int minCapacity) {
int oldCapacity = queue.length;
// 如果原长度比较小,大概扩展为两倍,
//否则就是增加50%
int newCapacity = oldCapacity + ((oldCapacity < 64) ?
(oldCapacity + 2) :
(oldCapacity >> 1));
// overflow-conscious code
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
queue = Arrays.copyOf(queue, newCapacity);
}
private static int hugeCapacity(int minCapacity) {
if (minCapacity < 0) // overflow
throw new OutOfMemoryError();
return (minCapacity > MAX_ARRAY_SIZE) ?
Integer.MAX_VALUE :
MAX_ARRAY_SIZE;
}
//确保堆的定义m,堆的调整
private void siftUp(int k, E x) {
//根据是否有comparator分了两种情况
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
@SuppressWarnings("unchecked")
//向上调整
//k表示插入位置,x表示新元素,k初始化等于数组大小,即在最后一个位置插入
private void siftUpUsingComparator(int k, E x) {
//寻找插入位置k
while (k > 0) {
//父节点在数组中直接除2
int parent = (k - 1) >>> 1;
Object e = queue[parent];
//如果新元素x大于父节点(e),则满足堆的性质,退出循环
if (comparator.compare(x, (E) e) >= 0)
break;
//否则,将父节点下移
queue[k] = e;
k = parent;
}
queue[k] = x;
}
2.4、peek查看头部元素
@SuppressWarnings("unchecked")
public E peek() {
//查看头部元素就是返回第一个元素
return (size == 0) ? null : (E) queue[0];
}
2.5、删除头部元素
//删除头部元素
@SuppressWarnings("unchecked")
public E poll() {
if (size == 0)
return null;
int s = --size;
modCount++;
//返回结果为第一个元素
E result = (E) queue[0];
//x指向最后一个元素
E x = (E) queue[s];
//将最后元素设置为null
queue[s] = null;
if (s != 0)
//调用siftDown将原来的最后元素x插入到头部并调整堆
siftDown(0, x);
return result;
}
//向下调整堆
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
//向下调整堆
@SuppressWarnings("unchecked")
/**
* k表示最终插入的位置,初始为0
* x表示原来的最后元素
* 代码的主要部分是:向下寻找x真正应该插入的位置,这个位置用k表示
*/
private void siftDownUsingComparator(int k, E x) {
int half = size >>> 1;
//k<half表示编号为k的节点有孩子节点,没有孩子节点,就不需要找了
while (k < half) {
int child = (k << 1) + 1;
Object c = queue[child];
int right = child + 1;
if (right < size &&
comparator.compare((E) c, (E) queue[right]) > 0)
c = queue[child = right];
if (comparator.compare(x, (E) c) <= 0)
break;
queue[k] = c;
k = child;
}
queue[k] = x;
}
2.6、根据值删除元素
//根据值删除元素
public boolean remove(Object o) {
//限号元素的位置
int i = indexOf(o);
if (i == -1)
return false;
else {
removeAt(i);
return true;
}
}
//遍历数组
private int indexOf(Object o) {
if (o != null) {
for (int i = 0; i < size; i++)
if (o.equals(queue[i]))
return i;
}
return -1;
}
//删除
@SuppressWarnings("unchecked")
private E removeAt(int i) {
// assert i >= 0 && i < size;
modCount++;
int s = --size;
//如果删除元素在最后宇哥位置,直接删除
if (s == i) // removed last element
queue[i] = null;
else {
//否则移动最后一个元素到位置i并进行堆调整
E moved = (E) queue[s];
queue[s] = null;
//代码先向下调整,
siftDown(i, moved);
//如果没有调整过,接本办法还需要向上调整
if (queue[i] == moved) {
siftUp(i, moved);
if (queue[i] != moved)
//如果调整过,返回值为moved
return moved;
}
}
return null;
}
2.7、容器构建优先级队列
//从一个既不是PriorityQueue也不是SortedSet的容器构造堆
private void initFromCollection(Collection<? extends E> c) {
//初始化queue和size
initElementsFromCollection(c);
//自底向上合并构建对
heapify();
}
//初始化queue和size
private void initElementsFromCollection(Collection<? extends E> c) {
Object[] a = c.toArray();
// If c.toArray incorrectly doesn't return Object[], copy it.
if (a.getClass() != Object[].class)
a = Arrays.copyOf(a, a.length, Object[].class);
int len = a.length;
if (len == 1 || this.comparator != null)
for (int i = 0; i < len; i++)
if (a[i] == null)
throw new NullPointerException();
this.queue = a;
this.size = a.length;
}
@SuppressWarnings("unchecked")
private void heapify() {
for (int i = (size >>> 1) - 1; i >= 0; i--)
siftDown(i, (E) queue[i]);
}