文章目录
PriorityQueue常用接口
一、概念
一.PriorityQueue 的特性
- 1.Java集合框架中提供了 **PriorityQueue **和 **PriorityBlockingQueue **两种类型的优先级队列
- 2.PriorityQueue是线程不安全的,PriorityBlockingQueue是线程安全的
PriorityQueue底层由堆实现,堆由数组构造
import java.util.PriorityQueue;
public static void main(String[] args) {
PriorityQueue<Integer> priorityQueue1 = new PriorityQueue<>();
//直接实例化对象
Queue<Integer> priorityQueue2 = new PriorityQueue<>();//默认是小根堆
//用接口来调用
}
- 3.使用时必须导入PriorityQueue所在的包
- 4.PriorityQueue中放置的元素,必须要能够比较大小,否则会抛出类型转换ClassCastException异常
priorityQueue2.offer(new Student(12));
priorityQueue2.offer(new Student(32));//ClassCastException,没有指定比较的元素,对象本身无法比较
- PriorityQueue的offer方法,用的是向上调整,siftUp里面,用到了Comparator和Comparable方法
- 要比较大小就要先实现Comparator和Comparable
- 5.不能插入null对象,否则会抛出空指针异常NullPointerException
- 6.内部会自动扩容
- 7.插入和删除元素的时间复杂度为 O ( log2N )
- 8.PriorityQueue底层使用了堆的数据结构,默认是小根堆
二.PriorityQueue常用接口介绍
1.优先级队列的构造
- PriorityQueue() 不带参数的构造方法
创建一个空的优先级队列
调用无参构造器,初始容量默认为11,默认没有构造器
- PriorityQueue(int initialCapacity)
默认没有构造器
创建一个初始容量为initialCapacity的优先级队列,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
- PriorityQueue队列是小堆,如果需要大堆需要提供比较器
// 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
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 ( log2N ) |
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 |
3.PriorityQueue的扩容方式:
1.如果容量小于64时,是按照oldCapacity的2倍方式扩容
2.如果容量大于等于64,是按照oldCapacity的1.5倍方式扩容的
3.如果容量超过MAX_ARRAY_SIZE,按照MAX_ARRAY_SIZE来进行扩容
二.OJ练习:
1.最小的K个数
方法一:
建立小根堆,取k次堆顶元素
//前K个最小的值
// 方法1
//N*logN+ K* logN
public static int[] smallestK1(int[] arr, int k) {
int[] ret = new int[k];
if (arr == null || k == 0) {
return ret;
}
//向上调整的时间复杂度 N*logN
Queue<Integer> minHeap = new PriorityQueue<>(arr.length);
for (int x : arr) {
minHeap.offer(x);
}
//弹出向下调整 K* logN
for (int i = 0; i < k; i++) {
ret[i] = minHeap.poll();
}
return ret;
}
方法二:
- 要找K个最小的元素,大根堆的堆顶是堆中最大的,只有比堆顶元素小,才能符合要求进堆,并删除堆顶元素
1.求前K个最小的元素
2.只建K个元素组成的堆,建的是大根堆
3.遍历剩下的元素,如果比堆顶元素大,就不进堆
4.比堆顶元素小,堆顶元素删除,将元素进堆,再次维护大根堆
class Solution {
public int[] smallestK(int[] arr, int k) {
int[] ret = new int[k];
if (arr == null || k == 0) {
return ret;
}
Queue<Integer> maxHeap = new PriorityQueue<>(new Comparator<Integer>() {
public int compare(Integer num1, Integer num2) {
return num2 - num1;
}
});
for (int i = 0; i < k; i++) {
maxHeap.offer(arr[i]);
}
for (int i = k; i < arr.length; i++) {
int val = maxHeap.peek();
if (arr[i]<val){
maxHeap.poll();
maxHeap.offer(arr[i]);
}
}
for (int i = 0; i < k; i++) {
ret[i] = maxHeap.poll();
}
return ret;
}
}
2.TOP-K
TOP-K问题:即求数据集合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大
- 要找K个最大的元素,小根堆的堆顶是堆中最小的,只有比堆顶元素大,才能符合要求进堆,并删除堆顶元素
1.求前K个最大的元素
2.建K个元素组成的小根堆
3.遍历剩下的元素,如果比堆顶元素小,就不进堆,比堆顶元素大,进堆比较
4.比堆顶元素大,堆顶元素删除,将元素进堆,再次维护小根堆
/**
* 前K个最大的元素
*时间复杂度 N*logK
* @param arr
* @param k
* @return
*/
public static int[] maxK(int[] arr, int k) {
int[] ret = new int[k];
if (arr == null || k == 0) {
return ret;
}
Queue<Integer> minHeap = new PriorityQueue<>(k);//见一个大小为k的堆
//1.遍历数组的前K个元素,放入堆中
//时间复杂度:k*logK
for (int i = 0; i < k; i++) {
minHeap.offer(arr[i]);
}
//2.遍历剩下的元素,和堆顶元素进行比较
//堆顶元素小,出堆
//时间复杂度:(N-K)logK
for (int i = k; i < arr.length; i++) {
int val = minHeap.peek();
if (arr[i] > val) {
minHeap.poll();
minHeap.offer(arr[i]);
}
}
for (int i = 0; i < k; i++) {
ret[i] = minHeap.poll();
}
return ret;
}
找到第K大的元素
就是小根堆的堆顶元素