maxpq.insert(s);
}
System.out.println(maxpq.size());
String del;
while(!maxpq.isEmpty()){
del = maxpq.delMax();
System.out.print(del+“,”);
}
}
}
最小优先队列实现起来也比较简单,我们同样也可以基于堆来完成最小优先队列。
我们前面学习堆的时候,堆中存放数据元素的数组要满足都满足如下特性:
1.最大的元素放在数组的索引1处。
2.每个结点的数据总是大于等于它的两个子结点的数据。
其实我们之前实现的堆可以把它叫做最大堆,我们可以用相反的思想实现最小堆,让堆中存放数据元素的数组满足
如下特性:
1.最小的元素放在数组的索引1处。
2.每个结点的数据总是小于等于它的两个子结点的数据。
这样我们就能快速的访问到堆中最小的数据
2.1.最小优先队列API设计
| 类名 | MinPriorityQueue |
| — | — |
| 构造方法 | MinPriorityQueue(int capacity):创建容量为capacity的MinPriorityQueue对象 |
| 成员方法 | 1.private boolean less(int i,int j):判断堆中索引i处的元素是否小于索引j处的元素
2.private void exch(int i,int j):交换堆中i索引和j索引处的值
3.public T delMin():删除队列中最小的元素,并返回这个最小元素
4.public void insert(T t):往队列中插入一个元素
5.private void swim(int k):使用上浮算法,使索引k处的元素能在堆中处于一个正确的位置
6.private void sink(int k):使用下沉算法,使索引k处的元素能在堆中处于一个正确的位置
7.public int size():获取队列中元素的个数
8.public boolean isEmpty():判断队列是否为空 |
| 成员变量 | 1.private T[] imtes : 用来存储元素的数组
2.private int N:记录堆中元素的个数 |
2.2.最小优先队列代码实现
// 最小优先队列代码
public class MinPriorityQueue<T extends Comparable> {
//存储堆中的元素
private T[] items;
//记录堆中元素的个数
private int N;
public MinPriorityQueue(int capacity) {
items = (T[]) new Comparable[capacity+1];
N = 0;
}
//获取队列中元素的个数
public int size() {
return N;
}
//判断队列是否为空
public boolean isEmpty() {
return N == 0;
}
//判断堆中索引i处的元素是否小于索引j处的元素
private boolean less(int i, int j) {
return items[i].compareTo(items[j]) < 0;
}
//交换堆中i索引和j索引处的值
private void exch(int i, int j) {
T tmp = items[i];
items[i] = items[j];
items[j] = tmp;
}
//往堆中插入一个元素
public void insert(T t) {
items[++N] = t;
swim(N);
}
//删除堆中最小的元素,并返回这个最小元素
public T delMin() {
//索引1处的值是最小值
T min = items[1];
//交换索引1处和索引N处的值
exch(1, N);
//删除索引N处的值
items[N] = null;
//数据元素-1
N–;
//对索引1处的值做下沉,使堆重新有序
sink(1);
//返回被删除的值
return min;
}
//使用上浮算法,使索引k处的元素能在堆中处于一个正确的位置
private void swim(int k) {
//如果没有父结点,则不再上浮
while (k > 1) {
//如果当前结点比父结点小,则交换
if (less(k, k / 2)) {
exch(k, k / 2);
}
k = k / 2;
}
}
//使用下沉算法,使索引k处的元素能在堆中处于一个正确的位置
private void sink(int k) {
//如果没有子结点,则不再下沉
while (2 * k <= N) {
//找出子结点中的较小值的索引
int min = 2 * k;
if (2 * k + 1 <= N && less(2 * k + 1, 2 * k)) {
min = 2 * k + 1;
}
//如果当前结点小于子结点中的较小值,则结束循环
if (less(k, min)) {
break;
}
//当前结点大,交换
exch(min, k);
k = min;
}
}
}
//测试代码
public class Test {
public static void main(String[] args) throws Exception {
String[] arr = {“S”, “O”, “R”, “T”, “E”, “X”, “A”, “M”, “P”, “L”, “E”};
MinPriorityQueue minpq = new MinPriorityQueue<>(20);
for (String s : arr) {
minpq.insert(s);
}
System.out.println(minpq.size());
String del;
while(!minpq.isEmpty()){
del = minpq.delMin();
System.out.print(del+“,”);
}
}
}
在之前实现的最大优先队列和最小优先队列,他们可以分别快速访问到队列中最大元素和最小元素,但是他们有一个缺点,就是没有办法通过索引访问已存在于优先队列中的对象,并更新它们。为了实现这个目的,在优先队列的基础上,学习一种新的数据结构,索引优先队列。接下来我们以最小索引优先队列举列。
3.1.索引优先队列实现思路
步骤一:
存储数据时,给每一个数据元素关联一个整数,例如
insert(int k,T t)
,我们可以看做k是t关联的整数,那么我们的实现需要通过k这个值,快速获取到队列中t这个元素,此时有个k这个值需要具有唯一性。
最直观的想法就是我们可以用一个
T[] items
数组来保存数据元素,在insert(int k,T t)
完成插入时,可以把k看做是items数组的索引,把t元素放到items数组的索引k处,这样我们再根据k获取元素t时就很方便了,直接就可以拿到items[k]
即可。
步骤二:
步骤一完成后的结果,虽然我们给每个元素关联了一个整数,并且可以使用这个整数快速的获取到该元素,但是,items数组中的元素顺序是随机的,并不是堆有序的,所以,为了完成这个需求,我们可以增加一个数组
int[]pq
,来保存每个元素在items数组中的索引,pq数组需要堆有序,也就是说,pq[1]对应的数据元素items[pq[1]]
要小于等于pq[2]和pq[3]对应的数据元素items[pq[2]]
和items[pq[3]]
。
步骤三:
通过步骤二的分析,我们可以发现,其实我们通过上浮和下沉做堆调整的时候,其实调整的是pq数组。如果需要对items中的元素进行修改,比如让
items[0]=“H”
,那么很显然,我们需要对pq中的数据做堆调整,而且是调整
pq[9]中元素的位置。但现在就会遇到一个问题,我们修改的是items数组中0索引处的值,如何才能快速的知道需要挑中pq[9]中元素的位置呢?
最直观的想法就是遍历pq数组,拿出每一个元素和0做比较,如果当前元素是0,那么调整该索引处的元素即可,但是效率很低。
我们可以另外增加一个数组,
int[] qp
,用来存储pq的逆序。例如:
在pq数组中:pq[1]=6;
那么在qp数组中,把6作为索引,1作为值,结果是:qp[6]=1;
当有了pq数组后,如果我们修改items[0]=“H”,那么就可以先通过索引0,在qp数组中找到qp的索引:qp[0]=9,那么直接调整pq[9]即可。
3.2. 索引优先队列API设计
| 类名 | IndexMinPriorityQueue |
| — | — |
| 构造方法 | IndexMinPriorityQueue(int capacity):创建容量为capacity的IndexMinPriorityQueue对象 |
| 成员方法 | 1.private boolean less(int i,int j):判断堆中索引i处的元素是否小于索引j处的元素
2.private void exch(int i,int j):交换堆中i索引和j索引处的值
3.public int delMin():删除队列中最小的元素,并返回该元素关联的索引
4.public void insert(int i,T t):往队列中插入一个元素,并关联索引i
5.private void swim(int k):使用上浮算法,使索引k处的元素能在堆中处于一个正确的位置
6.private void sink(int k):使用下沉算法,使索引k处的元素能在堆中处于一个正确的位置
7.public int size():获取队列中元素的个数
8.public boolean isEmpty():判断队列是否为空
9.public boolean contains(int k):判断k对应的元素是否存在
10.public void changeItem(int i, T t):把与索引i关联的元素修改为为t
11.public int minIndex():最小元素关联的索引
12.public void delete(int i):删除索引i关联的元素 |
| 成员变量 | 1.private T[] imtes : 用来存储元素的数组
2.private int[] pq:保存每个元素在items数组中的索引,pq数组需要堆有序
3.private int [] qp:保存qp的逆序,pq的值作为索引,pq的索引作为值
4.private int N:记录堆中元素的个数 |
3.2.索引优先队列代码实现
// 最小索引优先队列代码
public class IndexMinPriorityQueue<T extends Comparable> {
// 存储堆中的元素
private T[] items;
//保存每个元素在items数组中的索引,pq数组需要堆有序
private int[] pq;
//保存qp的逆序,pq的值作为索引,pq的索引作为值
private int[] qp;
//记录堆中元素的个数
private int N;
public IndexMinPriorityQueue(int capacity) {
items = (T[]) new Comparable[capacity + 1];
pq = new int[capacity + 1];
qp = new int[capacity + 1];
N = 0;
for (int i = 0; i < qp.length; i++) {
//默认情况下,qp逆序中不保存任何索引
qp[i] = -1;
}
}
//获取队列中元素的个数
public int size() {
return N;
}
//判断队列是否为空
public boolean isEmpty() {
return N == 0;
}
//判断堆中索引i处的元素是否小于索引j处的元素
private boolean less(int i, int j) {
//先通过pq找出items中的索引,然后再找出items中的元素进行对比
return items[pq[i]].compareTo(items[pq[j]]) < 0;
}
//交换堆中i索引和j索引处的值
private void exch(int i, int j) {
//先交换pq数组中的值
int tmp = pq[i];
pq[i] = pq[j];
pq[j] = tmp;
//更新qp数组中的值
qp[pq[i]] = i;
qp[pq[j]] = j;
}
//判断k对应的元素是否存在
public boolean contains(int k) {
//默认情况下,qp的所有元素都为-1,如果某个位置插入了数据,则不为-1
return qp[k] != -1;
}
//最小元素关联的索引
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024b (备注Java)
面试资料整理汇总
这些面试题是我朋友进阿里前狂刷七遍以上的面试资料,由于面试文档很多,内容更多,没有办法一一为大家展示出来,所以只好为大家节选出来了一部分供大家参考。
面试的本质不是考试,而是告诉面试官你会做什么,所以,这些面试资料中提到的技术也是要学会的,不然稍微改动一下你就凉凉了
在这里祝大家能够拿到心仪的offer!
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
讲义、实战项目、讲解视频,并且后续会持续更新**
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024b (备注Java)
[外链图片转存中…(img-1R8fhTli-1712738101083)]
面试资料整理汇总
[外链图片转存中…(img-6VWbtBij-1712738101084)]
[外链图片转存中…(img-fsFmuoD7-1712738101084)]
这些面试题是我朋友进阿里前狂刷七遍以上的面试资料,由于面试文档很多,内容更多,没有办法一一为大家展示出来,所以只好为大家节选出来了一部分供大家参考。
面试的本质不是考试,而是告诉面试官你会做什么,所以,这些面试资料中提到的技术也是要学会的,不然稍微改动一下你就凉凉了
在这里祝大家能够拿到心仪的offer!
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-Qa7fPhCP-1712738101084)]