目录
一、优先级队列
1、概念
我们都知道队列，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。（例如，我们在用手机玩游戏的时候，有个电话打过来，那么系统应该优先处理打进来的电话）
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)
。
2、优先级队列的模拟实现
在JDK1.8中，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
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。
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。
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
。
2.3 堆的创建
2.3.1 堆向下调整
我们来看这一问题，对于集合
{ 27,15,19,18,28,34,65,49,25,37 }
中的数据，如果将其创建成堆呢？
我们知道堆是在二叉树的基础上进行了调整，堆的存储结构是将节点按照层序遍历的方式放到一数组中。所以现在我们先把这一集合构造为二叉树的形式，再来用向下调整的方式，构造出堆，这里我们用小根堆。
仔细观察上图可发现：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
(
以小根堆为例
)
：
（1）让
parent
标记需要调整的节点，
child
标记
parent
的左孩子
(
注意：
parent
如果有孩子一定先是有左孩子
)
（2）如果
parent
的左孩子存在，即
:child < size
， 进行以下操作，直到
parent
的左孩子不存在
- parent右孩子是否存在，若存在，则找到左右孩子中最小的孩子，让child进行标记
- 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
- 否则：交换parent与较小的孩子child，交换完成之后，由于较大的元素向下移动，可能导致子树不满足堆的性质，因此需要继续向下调整，即parent = child；child = parent*2+1; 然后继续（2）。
代码如下：
public void shiftDown(int[] array, int parent) {
// child先标记parent的左孩子，因为parent可能有左没有右
int child = 2 * parent + 1;
int size = array.length;
while (child < size) {
// 如果右孩子存在，找到左右孩子中较小的孩子,用child进行标记
if(child+1 < size && array[child+1] < array[child]){
child += 1;
}
// 如果双亲比其最小的孩子还小，说明该结构已经满足堆的特性了
if (array[parent] <= array[child]) {
break;
}else{
// 将双亲与较小的孩子交换
int t = array[parent];
array[parent] = array[child];
array[child] = t;
// parent中大的元素往下移动，可能会造成子树不满足堆的性质，因此需要继续向下调整
parent = child;
child = parent * 2 + 1;
}
}
}
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，即时间复杂度为O(logn).
2.3.2 堆的创建
那对于普通的序列{ 1,5,3,8,7,6 }，即根节点的左右子树不满足堆的特性，又该如何调整呢？
此时可以找倒数第一个非叶子节点，从该节点位置开始往前一直到根节点，遇到一个节点，应用向下调整。
代码如下：
public static void createHeap(int[] array) {
// 找倒数第一个非叶子节点，从该节点位置开始往前一直到根节点，遇到一个节点，应用向下调整
int root = ((array.length-2)>>1); //(array.length-1-1)/2
for (; root >= 0; root--) {
shiftDown(array, root); // shiftDown方法在创建大根堆时和小根堆不一样，注意
}
}我们来看一下创建大根堆的例子：
建堆的时间复杂度为O(N).
2.4 堆的插入与删除
2.4.1 堆的插入
堆的插入总共需要两个步骤：
- 先将元素放入到底层空间中(注意：空间不够时需要扩容)
- 将最后新插入的节点向上调整，直到满足堆的性质
可以以下图参考该过程：
代码（大根堆为例）：
public void shiftUp(int child) {
// 找到child的双亲
int parent = (child - 1) / 2;
while (child > 0) {
// 如果双亲比孩子大，parent满足堆的性质，调整结束
if (array[parent] > array[child]) {
break;
}
else{
// 将双亲与孩子节点进行交换
int t = array[parent];
array[parent] = array[child];
array[child] = t;
// 小的元素向下移动，可能到值子树不满足对的性质，因此需要继续向上调增
child = parent;
parent = (child - 1) / 2;
}
}
}2.4.2 堆的删除
注意：堆的删除一定删除的是堆顶元素
。
具体如下：
- 将堆顶元素对堆中最后一个元素交换
- 将堆中有效数据个数减少一个
- 对堆顶元素进行向下调整
如下图：
2.5 用堆模拟实现优先级队列
public class MyPriorityQueue {
// 演示作用，不再考虑扩容部分的代码
private int[] array = new int[100];
private int size = 0;
public void offer(int e) {
array[size++] = e;
shiftUp(size - 1);
}
public int poll() {
int oldValue = array[0];
array[0] = array[--size];
shiftDown(0);
return oldValue;
}
public int peek() {
return array[0];
}
}3.常用接口介绍
3.1 PriorityQueue的特性
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 O(logN)
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
3.2 PriorityQueue常用接口介绍
1. 优先级队列的构造
| 构造器 | 功能介绍 |
| PriorityQueue() | 创建一个空的优先级队列，默认容量是11 |
|
PriorityQueue(int initialCapacity)
|
创建一个初始容量为
initialCapacity
的优先级队列，注意：
initialCapacity
不能小于
1
，否则会抛
IllegalArgumentException
异
常
|
|
PriorityQueue(Collection<?
extends E> c)
| 用一个集合来创建优先级队列 |
static void TestPriorityQueue(){
// 创建一个空的优先级队列，底层默认容量是11
PriorityQueue<Integer> q1 = new PriorityQueue<>();
// 创建一个空的优先级队列，底层的容量为initialCapacity
PriorityQueue<Integer> q2 = new PriorityQueue<>(100);
ArrayList<Integer> list = new ArrayList<>();
list.add(4);
list.add(3);
list.add(2);
list.add(1);
// 用ArrayList对象来构造一个优先级队列的对象
// q3中已经包含了三个元素
PriorityQueue<Integer> q3 = new PriorityQueue<>(list);
System.out.println(q3.size());
System.out.println(q3.peek());
}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 O(logN)，
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 |
优先级队列的扩容说明：
- 如果容量小于64时，是按照oldCapacity的2倍方式扩容的
- 如果容量大于等于64，是按照oldCapacity的1.5倍方式扩容的
- 如果容量超过MAX_ARRAY_SIZE，按照MAX_ARRAY_SIZE来进行扩容
3.3 top-k问题
top-k问题：最大或者最小的前k个数据。
https://leetcode.cn/problems/smallest-k-lcci/description/class Solution {
public int[] smallestK(int[] arr, int k) {
// 参数检测
if(null == arr || k <= 0)
return new int[0];
PriorityQueue<Integer> q = new PriorityQueue<>(arr.length);
// 将数组中的元素依次放到堆中
for(int i = 0; i < arr.length; ++i){
q.offer(arr[i]);
}
// 将优先级队列的前k个元素放到数组中
int[] ret = new int[k];
for(int i = 0; i < k; ++i){
ret[i] = q.poll();
}
return ret;
}
}该解法只是PriorityQueue的简单使用，并不是topK最好的做法。
对于
Top-K
问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了
(
可能数据都不能一下子全部加载到内存中
)
。最佳的方式就是用堆来解决，基本思路如下：
1. 用数据集合中前 K 个元素来建堆前k个最大的元素，则建小堆前k个最小的元素，则建大堆2. 用剩余的 N-K 个元素依次与堆顶元素来比较，不满足则替换堆顶元素将剩余 N-K 个元素依次与堆顶元素比完之后，堆中剩余的 K 个元素就是所求的前 K 个最小或者最大的元素。
代码：
//使用比较器创建大根堆
class comp implements Comparator<Integer> {
@Override
public int compare(Integer o1, Integer o2) {
return o2.compareTo(o1);
}
}
class Solution {
public int[] smallestK(int[] arr, int k) {
int[] ret = new int[k];
if(arr == null || k <= 0) {
return ret;
}
PriorityQueue<Integer> priorityQueue = new PriorityQueue<>(new comp());
for (int i = 0;i < k ;i++) {
priorityQueue.offer(arr[i]);
}
for (int i = k;i < arr.length;i++) {
int top = priorityQueue.peek();
if (arr[i] < top) {
priorityQueue.poll();
priorityQueue.offer(arr[i]);
}
}
int[] res = new int[k];
for (int i = 0; i < k;i++) {
res[i] = priorityQueue.poll();
}
return res;
}
}对堆的内容就先介绍到这儿了，希望能帮到你呀！
1659
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
