文章目录
一、优先级队列(堆)
1.1优先级队列的概念
优先级队列也称为堆。
队列是一种先进先出(FIFO)的数据结构,但有些情况下,操作的数据可能带有优先级,一般出队列时,可能需要优先级高的元素先出队列,该中场景下,使用队列显然不合适,比如:在手机上玩游戏的时候,如果有来电,那么系统应该优先处理打进来的电话;初中那会班主任排座位时可能会让成绩好的同学先挑座位。
在这种情况下,数据结构应该提供两个最基本的操作,一个是返回最高优先级对象,一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)。
二、优先级队列的模拟实现
JDK1.8中的PriorityQueue底层使用了堆这种数据结构,而堆实际就是在完全二叉树的基础上进行了一些调整。
2.1堆的概念
如果有一个关键码的集合K = {k0,k1, k2,…,kn-1},把它的所有元素按完全二叉树的顺序存储方式存储在一个 一维数组中,并满足:Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0,1,2…,则称为 小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆,根节点最小的堆叫做最小堆或小根堆。
复习一下什么叫完全二叉树:
完全二叉树: 完全二叉树是效率很高的数据结构,完全二叉树是由满二叉树而引出来的。对于深度为K的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从0至n-1的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。
堆的性质:
- 堆中某个节点的值总是不大于或不小于其父节点的值;
- 堆总是一棵完全二叉树。
下面我们以序列{27,15,19,18,28,34,65,49,25,37}来模拟一下大根堆的实现:
2.2堆的存储方式
从堆的概念可知,堆是一棵完全二叉树,因此可以层序的规则采用顺序的方式来高效存储。
注意:对于非完全二叉树,则不适合使用顺序方式进行存储,因为为了能够还原二叉树,空间中必须要存储空节点,就会导致空间利用率比较低。
将元素存储到数组中后,假设i为节点在数组中的下标,则有:
- 如果i为0,则i表示的节点为根节点,否则i节点的双亲节点为 (i - 1)/2
- 如果2 * i + 1 小于节点个数,则节点i的左孩子下标为2 * i + 1,否则没有左孩子
- 如果2 * i + 2 小于节点个数,则节点i的右孩子下标为2 * i + 2,否则没有右孩子
2.3堆的创建
堆向下调整:对于集合{ 27,15,19,18,28,34,65,49,25,37 }要将其创建成堆
仔细观察上图后发现:根节点的左右子树已经完全满足堆的性质,因此只需将根节点向下调整好即可。
向下过程(以小堆为例):
1. 将序列从左到右,从上到下,依次编号,构造成完全二叉树,所有不是叶子节点的节点全为parent节点。
2.最后一个parent节点序号满足(usedsize-1-1)/2,我们从最后一个parent节点开始排序,依次向前一个节点排序,对于每个子树我们采用向下调整。
3.从最后一颗子树开始判断parent和左右孩子节点的值,如果满足child < parent进行交换。
如果parent的孩子存在,即:child < size, 存在找到左右孩子中最小的孩子,让child进行标将parent与较小的孩子child比较,如果:parent小于较小的孩子child,调整结束。
4.交换parent与较小的孩子child,交换完成之后,parent中大的元素向下移动,可能导致子
树不满足对的性质,因此需要继续向下调整,即parent = child;child = parent*2+1;
小根堆实现代码如下:
public class TestHeap {
public int[] elem;
public int usedSize;
public TestHeap() {
this.elem = new int[10];
}
public void initElem(int[] array) {
for (int i = 0; i < array.length; i++) {
elem[i] = array[i];
usedSize++;
}
}
public void createHeap(){
for (int parent = (usedSize-1-1)/2;parent >= 0;parent--){
shiftDown(parent,usedSize);
}
}
private void shiftDown(int parent,int len){
int child = 2*parent + 1;
//最起码 要有左孩子
while (child < len){
//一定是有右孩子的情况下
if (child+1 < len && elem[child] < elem[child+1]){
child++;
}
//child下标 一定是左右孩子 最大值的下标
if (elem[child] < elem[parent]){
int tmp = elem[child];
elem[child] = elem[parent];
elem[parent] = tmp;
parent = child;
child = 2*parent+1;
}else {
break;
}
}
}
注意:在调整以parent为根的二叉树时,必须要满足parent的左子树和右子树已经是堆了才可以向下调整。
时间复杂度分析:
最坏的情况即图示的情况,从根一路比较到叶子,比较的次数为完全二叉树的高度。
2.4建堆的时间复杂度
因为堆是完全二叉树,而满二叉树也是完全二叉树,此处为了简化使用满二叉树来证明(时间复杂度本来看的就是近似值,多几个节点不影响最终结果):
上述过程应用错位相减法,需要掌握!!! 因此:建堆的时间复杂度为O(N)。
2.5堆的插入和删除
堆的插入总共需要两个步骤:
1. 先将元素放入到底层空间中(注意:空间不够时需要扩容)
2. 将最后新插入的节点向上调整,直到满足堆的性质
/**
*
* @author 徐延焜xyk
* @Description: //向上调整建堆的时间复杂度:N*logN
*/
public void offer(int val){
if (isFull()){
//扩容
elem = Arrays.copyOf(elem,2*elem.length);
}
elem[usedSize++] = val;
//向上调整
shiftUp(usedSize-1);
}
public boolean isFull(){
return usedSize == elem.length;
}
public void shiftUp(int child){
int parent = (child-1)/2;
while (child > 0){
if (elem[child] < elem[parent]){
int tmp = elem[child];
elem[child] = elem[parent];
elem[parent] = tmp;
child = parent;
parent = (child-1)/2;
}else {
break;
}
}
}
注意:堆的删除一定删除的是堆顶元素。具体如下:
1. 将堆顶元素对堆中最后一个元素交换
2. 将堆中有效数据个数减少一个
3. 对堆顶元素进行向下调整
public void pop() {
if(isEmpty()){
return;
}
swap(elem,0,usedSize-1);
usedSize--;
shiftDown(0,usedSize);
}
public boolean isEmpty() {
return usedSize == 0;
}
private void swap(int[] array,int i,int j){
int tmp = array[i];
array[i] = array[j];
array[j] = tmp;
}
}
三.常用的PriorityQueue介绍
3.1PriorityQueue特性
Java集合框架中提供了PriorityQueue和PriorityBlockingQueue两种类型的优先级队列,PriorityQueue是线程不安全的,PriorityBlockingQueue是线程安全的。
关于PriorityQueue的使用要注意:
1. 使用时必须导入PriorityQueue所在的包,即:
import java.util.PriorityQueue;
2. PriorityQueue中放置的元素必须要能够比较大小,不能插入无法比较大小的对象,否则会抛出ClassCastException异常
3. 不能插入null对象,否则会抛出NullPointerException
4. 没有容量限制,可以插入任意多个元素,其内部可以自动扩容
5. 插入和删除元素的时间复杂度为
6. PriorityQueue底层使用了堆数据结构
7. PriorityQueue默认情况下是小堆---即每次获取到的元素都是最小的元素
3.2PriorityQueue常用方法
1. 优先级队列的构造:
注意:默认情况下,PriorityQueue队列是小堆,如果需要大堆需要用户提供比较器。
// 用户自己定义的比较器:直接实现Comparator接口,然后重写该接口中的compare方法即可
class IntCmp implements Comparator<Integer>{
@Override
public int compare(Integer o1, Integer o2) {
return o2-o1;
}
}
public class TestPriorityQueue {
public static void main(String[] args) {
PriorityQueue<Integer> p = new PriorityQueue<>(new IntCmp());
p.offer(4);
p.offer(3);
p.offer(2);
p.offer(1);
p.offer(5);
System.out.println(p.peek());
}
}
此时创建出来的就是一个大根堆。
2.插入/删除/获取优先级最高的元素
函数名 | 功能介绍 |
boolean offer(E e) | 插入元素e,插入成功返回true,如果e对象为空,抛出NullPointerException异常,时 间复杂度 ,注意:空间不够时候会进行扩容 |
E peek() | 获取优先级最高的元素,如果优先级队列为空,返回null |
E poll() | 移除优先级最高的元素并返回,如果优先级队列为空,返回null |
int size() | 获取有效元素的个数 |
void clear() | 清空 |
boolean isEmpty() | 检测优先级队列是否为空,空返回true |
3.3oj练习
top-k问题:最大或者最小的前k个数据。比如:世界前500强公司
面试题 17.14. 最小K个数 - 力扣(LeetCode)
class Incmp implements Comparator<Integer> {
public int compare(Integer o1, Integer o2) {
return o2.compareTo(o1);
}
}
class Solution {
Incmp Incmp = new Incmp();
public int[] smallestK(int[] arr, int k) {
int[] ret = new int[k];
if(arr == null || k == 0){
return ret;
}
Queue<Integer> maxHeap = new PriorityQueue<>
(Incmp);
for(int i = 0;i < k;i++){
maxHeap.offer(arr[i]);
}
for(int i = k;i < arr.length;i++){
int val = maxHeap.peek();
if(val > arr[i]){
maxHeap.poll();
maxHeap.offer(arr[i]);
}
}
for(int i = 0;i < k;i++){
ret[i] = maxHeap.poll();
}
return ret;
}
}
满意的老铁麻烦三连一下把!!!