六、自己动手实现------------“ 堆 Heap 和 优先队列 PriorityQueue ”

最新推荐文章于 2022-10-10 16:37:40 发布
最新推荐文章于 2022-10-10 16:37:40 发布
阅读量275 收藏
点赞数
分类专栏： 数据结构和算法 数据结构和算法（Java语言）
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/angel_guoo/article/details/90264386
版权

参考文章：

https://mp.weixin.qq.com/s/80xSoCfeoK_4uIugAU-8nw       java实现二叉堆（微信文章  强推看这一篇 ）

https://github.com/liuyubobobo/Play-with-Algorithms  

https://www.cnblogs.com/g177w/p/8469399.html                Java中PriorityQueue详解（辅助来看）

http://www.importnew.com/25306.html                                优先队列实现原理分析（辅助来看，有时间研究就看）

        “ 优先队列 PriorityQueue ”，跟 “ 堆 Heap ” 的关系， PriorityQuueue 是用 堆 来实现的，插入和删除元素时不同于普通的队列。

-----------------------------------ღ( ´･ᴗ･` )比心----------------------------------

推荐一首歌曲，学不进去了，进听一听 《醉仙美》 传送门：https://music.163.com/#/song?id=1351926849

-----------------------------------ღ( ´･ᴗ･` )比心-----------------------------------

 

温馨提示：

       上面几篇文章，已经将基本的概念讲解的七七八八了，剩下的基本概念不懂就去找视频，看博客，网上查资料，下面我主要介绍代码部分。另外，如果代码看不懂，就拿出纸和笔，好好的画个图，将程序多走几遍就OK了。（如果实在不懂，就问，就百度，就google，反正要搞懂！！！）

 

堆  Heap  的主体部分：

其中用到的  数组 Array 参考 《一、自己动手实现一个------------“动态数组”》

public class MaxHeap<E extends Comparable<E>> {

    private Array<E> data;

    public MaxHeap(int capacity){
        data = new Array<>(capacity);
    }

    public MaxHeap(){
        data = new Array<>();
    }
	
	// 堆化，将数组 变成最大堆的形式
    public MaxHeap(E[] arr){
        data = new Array<>(arr);
        for(int i = parent(arr.length - 1) ; i >= 0 ; i --)
            siftDown(i);
    }

    // 返回堆中的元素个数
    public int size(){
        return data.getSize();
    }

    // 返回一个布尔值, 表示堆中是否为空
    public boolean isEmpty(){
        return data.isEmpty();
    }

    // 返回完全二叉树的数组表示中，一个索引所表示的元素的父亲节点的索引
    private int parent(int index){
        if(index == 0)
            throw new IllegalArgumentException("index-0 doesn't have parent.");
        return (index - 1) / 2;
    }

    // 返回完全二叉树的数组表示中，一个索引所表示的元素的左孩子节点的索引
    private int leftChild(int index){
        return index * 2 + 1;
    }

    // 返回完全二叉树的数组表示中，一个索引所表示的元素的右孩子节点的索引
    private int rightChild(int index){
        return index * 2 + 2;
    }

    // 向堆中添加元素
    public void add(E e){
        data.addLast(e);
        siftUp(data.getSize() - 1);
    }

    private void siftUp(int k){

        while(k > 0 && data.get(parent(k)).compareTo(data.get(k)) < 0 ){
            data.swap(k, parent(k));
            k = parent(k);
        }
    }

    // 看堆中的最大元素
    public E findMax(){
        if(data.getSize() == 0)
            throw new IllegalArgumentException("Can not findMax when heap is empty.");
        return data.get(0);
    }

    // 取出堆中最大元素
    public E extractMax(){

        E ret = findMax();

        data.swap(0, data.getSize() - 1);
        data.removeLast();
        siftDown(0);

        return ret;
    }

    private void siftDown(int k){

        while(leftChild(k) < data.getSize()){
            int j = leftChild(k); // 在此轮循环中,data[k]和data[j]交换位置
            if( j + 1 < data.getSize() &&
                    data.get(j + 1).compareTo(data.get(j)) > 0 )
                j ++;
            // data[j] 是 leftChild 和 rightChild 中的最大值

            if(data.get(k).compareTo(data.get(j)) >= 0 )
                break;

            data.swap(k, j);
            k = j;
        }
    }

    // 取出堆中的最大元素，并且替换成元素e
    public E replace(E e){

        E ret = findMax();
        data.set(0, e);
        siftDown(0);
        return ret;
    }
}

 

 

优先队列  PriorityQueue    的代码实现主体部分：

 

队列的接口定义：

public interface Queue<E> {
    int getSize();
    boolean isEmpty();
    void enqueue(E e);
    E dequeue();
    E getFront();
}

 

优先队列 Priority  是利用 二叉堆（最大/小堆Heap）来实现的，

堆的实现参考上面的内容，以下是优先队列的主体实现部分：

可以看到优先队列与普通队列，差别主要是在 插入 和 取出 的时候。

public class PriorityQueue<E extends Comparable<E>> implements Queue<E> {

    private MaxHeap<E> maxHeap;

    public PriorityQueue(){
        maxHeap = new MaxHeap<>();
    }

    @Override
    public int getSize(){
        return maxHeap.size();
    }

    @Override
    public boolean isEmpty(){
        return maxHeap.isEmpty();
    }

    @Override
    public E getFront(){
        return maxHeap.findMax();
    }

    @Override
    public void enqueue(E e){
        maxHeap.add(e);
    }

    @Override
    public E dequeue(){
        return maxHeap.extractMax();
    }
}

 

 

LeetCode  中 利用 优先队列解决问题的例子：

题目：（就是找出给定非空的整数数组，返回k个出现最频繁的元素。）

解题思路：利用最小堆，最小堆里面存储 K 个 频繁出现的元素

 

解题代码：

import java.util.LinkedList;
import java.util.List;
import java.util.TreeMap;

class Solution {

    public class Array<E> {

        private E[] data;
        private int size;

        // 构造函数，传入数组的容量capacity构造Array
        public Array(int capacity){
            data = (E[])new Object[capacity];
            size = 0;
        }

        // 无参数的构造函数，默认数组的容量capacity=10
        public Array(){
            this(10);
        }

        public Array(E[] arr){
            data = (E[])new Object[arr.length];
            for(int i = 0 ; i < arr.length ; i ++)
                data[i] = arr[i];
            size = arr.length;
        }

        // 获取数组的容量
        public int getCapacity(){
            return data.length;
        }

        // 获取数组中的元素个数
        public int getSize(){
            return size;
        }

        // 返回数组是否为空
        public boolean isEmpty(){
            return size == 0;
        }

        // 在index索引的位置插入一个新元素e
        public void add(int index, E e){

            if(index < 0 || index > size)
                throw new IllegalArgumentException("Add failed. Require index >= 0 and index <= size.");

            if(size == data.length)
                resize(2 * data.length);

            for(int i = size - 1; i >= index ; i --)
                data[i + 1] = data[i];

            data[index] = e;

            size ++;
        }

        // 向所有元素后添加一个新元素
        public void addLast(E e){
            add(size, e);
        }

        // 在所有元素前添加一个新元素
        public void addFirst(E e){
            add(0, e);
        }

        // 获取index索引位置的元素
        public E get(int index){
            if(index < 0 || index >= size)
                throw new IllegalArgumentException("Get failed. Index is illegal.");
            return data[index];
        }

        // 修改index索引位置的元素为e
        public void set(int index, E e){
            if(index < 0 || index >= size)
                throw new IllegalArgumentException("Set failed. Index is illegal.");
            data[index] = e;
        }

        // 查找数组中是否有元素e
        public boolean contains(E e){
            for(int i = 0 ; i < size ; i ++){
                if(data[i].equals(e))
                    return true;
            }
            return false;
        }

        // 查找数组中元素e所在的索引，如果不存在元素e，则返回-1
        public int find(E e){
            for(int i = 0 ; i < size ; i ++){
                if(data[i].equals(e))
                    return i;
            }
            return -1;
        }

        // 从数组中删除index位置的元素, 返回删除的元素
        public E remove(int index){
            if(index < 0 || index >= size)
                throw new IllegalArgumentException("Remove failed. Index is illegal.");

            E ret = data[index];
            for(int i = index + 1 ; i < size ; i ++)
                data[i - 1] = data[i];
            size --;
            data[size] = null; // loitering objects != memory leak

            if(size == data.length / 4 && data.length / 2 != 0)
                resize(data.length / 2);
            return ret;
        }

        // 从数组中删除第一个元素, 返回删除的元素
        public E removeFirst(){
            return remove(0);
        }

        // 从数组中删除最后一个元素, 返回删除的元素
        public E removeLast(){
            return remove(size - 1);
        }

        // 从数组中删除元素e
        public void removeElement(E e){
            int index = find(e);
            if(index != -1)
                remove(index);
        }

        public void swap(int i, int j){

            if(i < 0 || i >= size || j < 0 || j >= size)
                throw new IllegalArgumentException("Index is illegal.");

            E t = data[i];
            data[i] = data[j];
            data[j] = t;
        }

        @Override
        public String toString(){

            StringBuilder res = new StringBuilder();
            res.append(String.format("Array: size = %d , capacity = %d\n", size, data.length));
            res.append('[');
            for(int i = 0 ; i < size ; i ++){
                res.append(data[i]);
                if(i != size - 1)
                    res.append(", ");
            }
            res.append(']');
            return res.toString();
        }

        // 将数组空间的容量变成newCapacity大小
        private void resize(int newCapacity){

            E[] newData = (E[])new Object[newCapacity];
            for(int i = 0 ; i < size ; i ++)
                newData[i] = data[i];
            data = newData;
        }
    }

    public class MaxHeap<E extends Comparable<E>> {

        private Array<E> data;

        public MaxHeap(int capacity){
            data = new Array<>(capacity);
        }

        public MaxHeap(){
            data = new Array<>();
        }

        public MaxHeap(E[] arr){
            data = new Array<>(arr);
            for(int i = parent(arr.length - 1) ; i >= 0 ; i --)
                siftDown(i);
        }

        // 返回堆中的元素个数
        public int size(){
            return data.getSize();
        }

        // 返回一个布尔值, 表示堆中是否为空
        public boolean isEmpty(){
            return data.isEmpty();
        }

        // 返回完全二叉树的数组表示中，一个索引所表示的元素的父亲节点的索引
        private int parent(int index){
            if(index == 0)
                throw new IllegalArgumentException("index-0 doesn't have parent.");
            return (index - 1) / 2;
        }

        // 返回完全二叉树的数组表示中，一个索引所表示的元素的左孩子节点的索引
        private int leftChild(int index){
            return index * 2 + 1;
        }

        // 返回完全二叉树的数组表示中，一个索引所表示的元素的右孩子节点的索引
        private int rightChild(int index){
            return index * 2 + 2;
        }

        // 向堆中添加元素
        public void add(E e){
            data.addLast(e);
            siftUp(data.getSize() - 1);
        }

        private void siftUp(int k){

            while(k > 0 && data.get(parent(k)).compareTo(data.get(k)) < 0 ){
                data.swap(k, parent(k));
                k = parent(k);
            }
        }

        // 看堆中的最大元素
        public E findMax(){
            if(data.getSize() == 0)
                throw new IllegalArgumentException("Can not findMax when heap is empty.");
            return data.get(0);
        }

        // 取出堆中最大元素
        public E extractMax(){

            E ret = findMax();

            data.swap(0, data.getSize() - 1);
            data.removeLast();
            siftDown(0);

            return ret;
        }

        private void siftDown(int k){

            while(leftChild(k) < data.getSize()){
                int j = leftChild(k); // 在此轮循环中,data[k]和data[j]交换位置
                if( j + 1 < data.getSize() &&
                        data.get(j + 1).compareTo(data.get(j)) > 0 )
                    j ++;
                // data[j] 是 leftChild 和 rightChild 中的最大值

                if(data.get(k).compareTo(data.get(j)) >= 0 )
                    break;

                data.swap(k, j);
                k = j;
            }
        }

        // 取出堆中的最大元素，并且替换成元素e
        public E replace(E e){

            E ret = findMax();
            data.set(0, e);
            siftDown(0);
            return ret;
        }
    }

    public interface Queue<E> {

        int getSize();
        boolean isEmpty();
        void enqueue(E e);
        E dequeue();
        E getFront();
    }

    public class PriorityQueue<E extends Comparable<E>> implements Queue<E> {

        private MaxHeap<E> maxHeap;

        public PriorityQueue(){
            maxHeap = new MaxHeap<>();
        }

        @Override
        public int getSize(){
            return maxHeap.size();
        }

        @Override
        public boolean isEmpty(){
            return maxHeap.isEmpty();
        }

        @Override
        public E getFront(){
            return maxHeap.findMax();
        }

        @Override
        public void enqueue(E e){
            maxHeap.add(e);
        }

        @Override
        public E dequeue(){
            return maxHeap.extractMax();
        }
    }

    private class Freq implements Comparable<Freq>{

        public int e, freq;

        public Freq(int e, int freq){
            this.e = e;
            this.freq = freq;
        }

        @Override
        public int compareTo(Freq another){
            if(this.freq < another.freq)
                return 1;
            else if(this.freq > another.freq)
                return -1;
            else
                return 0;
        }
    }

    public List<Integer> topKFrequent(int[] nums, int k) {

        TreeMap<Integer, Integer> map = new TreeMap<>();
        for(int num: nums){
            if(map.containsKey(num))
                map.put(num, map.get(num) + 1);
            else
                map.put(num, 1);
        }

        PriorityQueue<Freq> pq = new PriorityQueue<>();
        for(int key: map.keySet()){
            if(pq.getSize() < k)
                pq.enqueue(new Freq(key, map.get(key)));
            else if(map.get(key) > pq.getFront().freq){
                pq.dequeue();
                pq.enqueue(new Freq(key, map.get(key)));
            }
        }

        LinkedList<Integer> res = new LinkedList<>();
        while(!pq.isEmpty())
            res.add(pq.dequeue().e);
        return res;
    }

    private static void printList(List<Integer> nums){
        for(Integer num: nums)
            System.out.print(num + " ");
        System.out.println();
    }

    public static void main(String[] args) {

        int[] nums = {1, 1, 1, 2, 2, 3};
        int k = 2;
        printList((new Solution()).topKFrequent(nums, k));
    }
}

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Objective-C实现PriorityQueue优先队列算法（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
08-24 21
Objective-C实现PriorityQueue优先队列算法（附完整源码）
heap实现优先队列priority_queue
weixin_43736492的博客
12-05 228
#include<iostream> using namespace std; const int maxn=1e3+10; struct priority_queue{ int data[maxn]; int size; priority_queue(){ size=0; } void shift_up(int id){ if(id==1)return ; i...
简单用heap实现优先队列
m0_63986895的博客
10-10 99
二叉堆实现优先队列priority_queue
数据结构之堆Heap和优先队列PriorityQueue--第二篇--优先队列的实现
qq_42372935的博客
04-29 292
一、优先队列和普通队列的区别 1. 普通队列是遵循先进先出的规则的 2. 优先队列不遵循先进先出的规则，出队时是根据优先级而定的 这里优先队列使用第一篇的堆来实现，可通过直接调用堆中的方法来实现 二、代码实现 /***********************队列接口****************************/ public interface Queue<E> { in...
heapq实现优先队列
北歌的博客
07-25 258
import heapq class PriorityQueue: def __init__(self): self._queue = [] self._index =0 def push(self, item, priority): # 传入两个参数，一个是存放元素的数组，另一个是要存储的元素，这里是一个元组。 # 由于heap内部默认有小到大排，所以对priority取负数 heapq.heappush(self._queue, (-p.
Go-go语言实现a*算法
08-14
在编程领域，A*（发音为“A-star”）算法是一种广泛应用的路径搜索算法，它结合了最佳优先搜索和启发式搜索策略，以高效地找到从起点到目标点的最短路径。在这个场景中，我们将讨论如何使用Go语言来实现A*算法。 A*...
算法面试通关40讲完整课件 11-13 优先队列（PriorityQueue）
最新发布
07-06
1. **堆数据结构**：优先队列通常基于堆实现，最常见的是二叉堆（Binary Heap）。二叉堆是一种近乎完全二叉树，分为两种主要类型：最小堆（Min Heap）和最大堆（Max Heap）。在最小堆中，每个节点的值都小于或等于其...
数据结构-堆(Heap)介绍和Java示例代码
07-01
在实际编程中，Java提供了一个内置的`PriorityQueue`类，它基于堆实现，提供了插入、删除和查找最大/最小元素的高效操作。虽然这个内置类通常更为方便，但理解堆的底层工作原理对于优化算法和解决复杂问题至关重要。...
算法-树形结构- 优先队列.rar
09-16
1. **二叉堆实现**：最常见的优先队列实现是基于二叉堆的数据结构。二叉堆是一种特殊的完全二叉树，分为最大堆和最小堆。在最大堆中，每个节点的值都大于或等于其子节点的值，因此根节点是堆中最大的元素；在最小堆...
Heaps | 优先队列
weixin_43787043的博客
01-17 965
本文目录 一、优先队列的基本概念 二、优先队列的实现原理 三、优先队列的代码实现 1、优先队列的结构 2、初始化优先队列 3、插入元素 4、删除最小元素 End 一、优先队列的基本概念 对于可以实现以下两种操作的数据结构： 1、Insert：插入新元素 2、DeleteMin：（快速）找到、返回并删除一个元素 我们称之为优先队列（Priority Queues）...
优先队列（Heap版）
Terro的OI Blog
08-18 664
这个优先队列用heap实现，代码改编自CLRS（算法导论）。 #define left(i) ((i) #define right(i) (((i) #define parent(i) ((i) >> 1)#define swap(a, b) {T t = a; a = b; b = t;}//测试用的结构体struct test...{    int key;    string d
Priority Queue（Heap）的实现及其应用
weixin_34138521的博客
07-19 160
优先队列严格说实际上不是一种队列，因为它并不需要遵循队列的FIFO特性，而要求的基本操作包括：向队列中插入新的记录，以及移出队列中的最大的元素。我们可以以各种不同的方式来实现优先队列——只要能够满足上面的两个接口就可以了。但是基于堆的优先队列则具有较好的性能。 优先队列是一种很有用的数据结构，因为实际上我们不是每时每刻都需要对数据进行严格的排序，有时候我们仅仅能够获得最大的元素的即可，但是如果以...
堆(Heap)——(一)优先队列
chenchen_fcj程序猿的博客
03-29 180
堆可以利用数组、链表或者搜索二叉树实现，但是最好方法是利用完全二叉树。 1.完全二叉树 完全二叉树从根结点到倒数第二层满足完美二叉树，最后一层可以不完全填充，其叶子结点都靠左对齐，如下图 重新构建一种树， 专注于插入和删除最大或最小。 即， 根节点总是最大或最小且结构满足完全二叉树。 满足这种结构的树称为堆。 特点： 结构性： 用数组表示完全二叉树 有序性： 任一节点的关键字是其...
堆（heap) ———优先队列
qq_38401890的博客
08-13 214
优先队列（priority queue） 普通队列是FIFO，而优先队列，是根据元素的优先级来进出队列的。 堆(heap) 堆是可以实现优先对列的一种数据结构。 本文的优先队列和堆是一个意思 优先队列的完全二叉树表示: 结构性 逻辑结构：完全二叉树 物理结构：数组 有序性 任一结点关键字是其子树所有结点的最大值（最小值） 最大堆 完全二叉树 每个结点的元素值不小于子结点的元素值 python实现 ...
heap实现的最大优先队列
likun_tech的专栏
03-05 654
#include #include #include using namespace std; #define LEFT(i) 2*(i) #define RIGHT(i) 2*(i)+1 #define PARENT(i) (i)/2 int size = 15; void h_swap(int &a,int &b) { int t=a; a=b; b=t; } void max_
PriorityQueue and Heap
minghu9的专栏
03-17 576
前言：以前学数据结构看堆，似懂非懂，没什么感觉 现在算法里的优先级队列的实现又用到了堆，这时突然感觉知其一了， 于是写了笔记，也许我有生之年能把所有的基本数据结构写一遍首先我认为： 数据结构按抽象层次可以大体分为三类1.低级数据结构：1.数组 2.链表 2. 中级数据结构1.树 2.堆 3 图 4.原始栈 5.原始队列 3.高级数据结构1.高级语言中的对象型数据结构 2.其他 逻辑结构：堆是一
数据结构之堆Heap和优先队列PriorityQueue--第一篇--堆的实现
qq_42372935的博客
04-29 216
一、堆简介 这里所说的堆是二叉堆，二叉堆是一颗完全二叉树 二叉堆可以分为最大堆和最小堆 最大堆：堆中任意父结点的值总不小于其孩子结点的值 最小堆：堆中任意父结点的值总不大于其孩子结点的值 堆可以用数组来实现 假设数组从下标为0处开始存放元素，则对于任意的一个结点 i, 它的左孩子结点下标为 2i + 1, 它的右孩子结点下标为 2i + 2, 它的父结点的下标为 (i - 1) / 2; 若数组从...
堆Heap和优先队列(Priority Queue)学习小结
热门推荐
roufoo的博客
06-10 1万+
Heap是一种数据结构，能保证取max/min是O(1)时间。Max-heap/Min-heap保证父节点都比子节点大/小，但兄弟节点之间没有大小关系。 Heap通常用数组实现。一个节点i的左子节点编号是2*i，右子节点是2*i+1。Heap通常是完全二叉树(因为效率高)，但没有要求一定是完全二叉树。 Priority Queue也是一种数据结构。其中每个元素都有一个关键字key，元素之间的比...
算法面试通关：11-13 优先队列详解与实战题目
3. **迷你堆（MiniHeap）和最大堆（MaxHeap）** - 这两个概念在某些特定上下文中可能会被提及，但通常在优先队列讨论中，堆的实现会更加广泛。 课程提供了实战题目作为练习，例如LeetCode上的问题： - 在"Kth ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值