数据结构与算法之优先队列(1)，面试的基础知识

maxpq.insert(s);

}

System.out.println(maxpq.size());

String del;

while(!maxpq.isEmpty()){

del = maxpq.delMax();

System.out.print(del+“,”);

}

}

}

2.最小优先队列

---

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+“,”);

}

}

}

3.索引优先队列

---

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)]