【Java数据结构】集合PriorityQueue及其背后的数据结构堆（优先级队列）

渴望力量的土狗

已于 2022-10-14 20:41:36 修改

阅读量9.3k

点赞数 72

分类专栏：数据结构与算法文章标签： java 数据结构开发语言

于 2022-10-12 22:25:01 首次发布

本文链接：https://blog.csdn.net/m0_67995737/article/details/127246172

版权

数据结构与算法专栏收录该内容

14 篇文章 6 订阅

订阅专栏

作者：渴望力量的土狗

博客主页：渴望力量的土狗的博客主页

专栏：数据结构与算法

工欲善其事必先利其器，给大家介绍一款超牛的斩获大厂offer利器——牛客网

点击免费注册和我一起刷题吧

优先级队列（PriorityQueue）

优先级队列的概念

查看源图像

前面介绍过队列，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。在这种情况下，我们的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)
JDK1.8中的PriorityQueue底层使用了堆的数据结构，而堆实际就是在完全二叉树的基础之上进行了一些元素的调整。

堆（Heap）

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。

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。

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

堆的创建：

调整方式：

向下调整是让调整的结点与其孩子节点进行比较
向上调整是让调整的结点与其父亲结点进行比较
已知双亲的下标，则左孩子的下标为：left=2parent+1；
则右孩子的下标为：left=2parent+2；
已知孩子结点（不区分左右）的下标，则双亲的下标为：（child-1）/2

大根堆实现代码：

public class TestHeap {

    public int[]elem;
    public int usedSize;

    public static final int DEFAULT_SIZE=10;

    public TestHeap() {
        elem=new int[DEFAULT_SIZE];
    }

    public void initElem(int[]arr){

        for(int i=0;i<arr.length;i++){
            elem[i]=arr[i];
            usedSize++;
        }

    }

    public void creatHeap(){
        //对所有子树的进行判断
        for(int parent=(usedSize-1-1)/2;parent>=0;parent--){
            //进行调整
            shiftDown(parent,usedSize);
        }

    }

    /**
     *
     * @param root 每颗子树的根
     * @param len   每颗子树结束的位置
     */

    public void shiftDown(int root,int len){
        int child=2*root+1;
        //保证有左孩子
        while (child<len){
            if(child+1<len&&elem[child]<elem[child+1]){
                //特别注意这个判断的条件（保证有右孩子才能执行下面的操作）

                child++;//右移
            }
            //现在child下标一定是左右孩子的最大值的下标

                //判断root下标的值和孩子的最大值
            if(elem[child]>elem[root]){
                int temp=elem[child];
                elem[child]=elem[root];
                elem[root]=temp;
                root=child;
                child=2*root+1;
            }else{
                break;
            }

        }


    }
}

小根堆实现代码：

public class TestHeap {

    public int[]elem;
    public int usedSize;

    public static final int DEFAULT_SIZE=10;

    public TestHeap() {
        elem=new int[DEFAULT_SIZE];
    }

    public void initElem(int[]arr){

        for(int i=0;i<arr.length;i++){
            elem[i]=arr[i];
            usedSize++;
        }

    }

    public void creatHeap(){
        //对所有子树的进行判断
        for(int parent=(usedSize-1-1)/2;parent>=0;parent--){
            //进行调整
            shiftDown(parent,usedSize);
        }

    }

    /**
     *
     * @param root 每颗子树的根
     * @param len   每颗子树结束的位置
     */

    public void shiftDown(int root,int len){
        int child=2*root+1;
        //保证有左孩子
        while (child<len){
//            if(child+1<len&&elem[child]<elem[child+1]){
//                //特别注意这个判断的条件（保证有右孩子才能执行下面的操作）
//
//                child++;//右移
//            }
            //现在child下标一定是左右孩子的最大值的下标

            if(child+1<len&&elem[child]>elem[child+1]){
                //特别注意这个判断的条件（保证有右孩子才能执行下面的操作）

                child++;//右移
            }
            //现在child下标一定是左右孩子的最小值的下标

                //判断root下标的值和孩子的最大值
//            if(elem[child]>elem[root]){
//                int temp=elem[child];
//                elem[child]=elem[root];
//                elem[root]=temp;
//                root=child;
//                child=2*root+1;
//            }else{
//                break;
//            }

            //判断root下标的值和孩子的最小值
            if(elem[child]<elem[root]){
                int temp=elem[child];
                elem[child]=elem[root];
                elem[root]=temp;
                root=child;
                child=2*root+1;
            }else{
                break;
            }

        }


    }
}

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)：
因此：建堆的时间复杂度为O(N)

堆的插入与删除

堆的插入

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

    /**
     * 入队：仍然要保持是大根堆
     * @param val
     */
    public void push(int val) {
        if(isFull()){
            elem= Arrays.copyOf(this.elem,2*this.elem.length);
        }
        elem[usedSize]=val;
        usedSize++;
        shiftUp(usedSize-1);

    }

    private void shiftUp(int child) {

        int parent=(child-1)/2;

        while(child>0)
        if(elem[child]>elem[parent]){

            int temp=elem[child];
            elem[child]=elem[parent];
            elem[parent]=temp;
            child=parent;
            parent=(child-1)/2;
        }else{
            break;
        }
    }

堆的删除

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 pollHeap() {
        if(isEmpty()){
            throw new RuntimeException();
        }
        int temp=elem[0];
        elem[0]=elem[usedSize-1];
        elem[usedSize-1]=temp;
        usedSize--;
        //保证依然是大根堆
        shiftDown(0,usedSize);

    }

    public boolean isEmpty() {
        return usedSize==0;
    }

    /**
     *
     * @param root 是每棵子树的根节点的下标
     * @param len  是每棵子树调整结束的结束条件
     * 向下调整的时间复杂度：O(logn)
     */
    private void shiftDown(int root,int len) {

        int child=2*root+1;

        while(child<len){

            if(child+1<len&&elem[child]<elem[child+1]){

                child++;
            }

            if(elem[root]<elem[child]){
                int temp=elem[root];
                elem[root]=elem[child];
                elem[child]=temp;
                root=child;
                child=2*root+1;

            }else {
                break;
            }

        }


    }

用堆模拟实现优先级队列（完整代码）

import java.util.Arrays;

public class PriorityQueue {
    public int[] elem;
    public int usedSize;

    public static final int DEFAULT_INIT_USESZIE=10;
    public PriorityQueue() {
        elem=new int[DEFAULT_INIT_USESZIE];
    }

    /**
     * 建堆的时间复杂度：O(n)
     *
     * @param array
     */
    public void createHeap(int[] array) {



        for(int i=0;i<array.length;i++){
            elem[i]=array[i];
            usedSize++;
            if(isFull()){
                elem= Arrays.copyOf(this.elem,2*this.elem.length);
            }
        }
        for(int parent=(usedSize-1-1)/2;parent>=0;parent--){

            shiftDown(parent,usedSize);
        }

    }

    /**
     *
     * @param root 是每棵子树的根节点的下标
     * @param len  是每棵子树调整结束的结束条件
     * 向下调整的时间复杂度：O(logn)
     */
    private void shiftDown(int root,int len) {

        int child=2*root+1;

        while(child<len){

            if(child+1<len&&elem[child]<elem[child+1]){

                child++;
            }

            if(elem[root]<elem[child]){
                int temp=elem[root];
                elem[root]=elem[child];
                elem[child]=temp;
                root=child;
                child=2*root+1;

            }else {
                break;
            }

        }


    }


    /**
     * 入队：仍然要保持是大根堆
     * @param val
     */
    public void push(int val) {
        if(isFull()){
            elem= Arrays.copyOf(this.elem,2*this.elem.length);
        }
        elem[usedSize]=val;
        usedSize++;
        shiftUp(usedSize-1);

    }

    private void shiftUp(int child) {

        int parent=(child-1)/2;

        while(child>0)
        if(elem[child]>elem[parent]){

            int temp=elem[child];
            elem[child]=elem[parent];
            elem[parent]=temp;
            child=parent;
            parent=(child-1)/2;
        }else{
            break;
        }
    }

    public boolean isFull() {
        return usedSize== elem.length;
    }

    /**
     * 出队【删除】：每次删除的都是优先级高的元素
     * 仍然要保持是大根堆
     */
    public void pollHeap() {
        if(isEmpty()){
            throw new RuntimeException();
        }
        int temp=elem[0];
        elem[0]=elem[usedSize-1];
        elem[usedSize-1]=temp;
        usedSize--;
        //保证依然是大根堆
        shiftDown(0,usedSize);

    }

    public boolean isEmpty() {
        return usedSize==0;
    }

    /**
     * 获取堆顶元素
     * @return
     */
    public int peekHeap() {
        if(isEmpty()){
            return -1;
        }
        return elem[0];
    }
}

常用接口介绍

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，本文主要介绍PriorityQueue。

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, (注意：此处大家可以不用管什么是堆，后文中有介绍)
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

PriorityQueue常用接口介绍

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

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());

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