【华为OD题库-038】支持优先级的对列-java

yangqin@1225

已于 2023-12-21 10:27:35 修改

阅读量1.2k

点赞数 21

分类专栏：华为OD题库JAVA题解文章标签：华为od java 数据结构

于 2023-11-24 16:25:03 首次发布

本文链接：https://blog.csdn.net/qq_31076523/article/details/134600021

版权

华为OD题库JAVA题解专栏收录该内容

113 篇文章 43 订阅

订阅专栏

题目

实现一个支持优先级的队列，高优先级先出队列，同优先级时先进先出。
如果两个输入数据和优先级都相同，则后一个数据不入队列被丢弃。
队列存储的数据内容是一个整数。
输入描述
一组待存入队列的数据(包含内容和优先级)。
输出描述
队列的数据内容(优先级信息输出时不再体现)。
补充说明
不用考虑数据不合法的情况，测试数据不超过100个。
示例1
输入:
(10,1),(20,1).(30,2).(40,3)
输出:
40,30,10,20
说明:
输入样例中，向队列写入了4个数据，每个数据由数据内容和优先级组成。输入和输出内容都不含空格。数据40的优先级最高，所以最先输出，其次是30;10和20优先级相同，所以按输入顺序输出
示例2
输入:
(10,1),(10,1).(30,2).(40,3)
输出:
40,30,10
说明:
输入样例中，向队列写入了4个数据，每个数据由数据内容和优先级组成输入和输出内容都不含空格。
数据40的优先级最高，所以最先输出，其次是30;两个10和10构成重复数据，被丢弃一个。

思路

基础的数据结构题，大概三个思路：

直接放入list，转对象排序，可以实现要求
使用内置的PriorityQueue对象实现
自定义数据结构实现

猜测考察点在第三点，不然前两个虽然能达到目的，但是没有意义

排序实现

分析题目，排序规则为：

优先级高的先出，
同优先级时位置靠前的先出；
数据和优先级均相同的去重

基于以上分析，可以采用以下步骤实现：

新建一个data对象，含有priority，val，idx三个属性，idx代表出现位置
把输入转为data对象放入list中
先去重(利用HashSet)，根据priority，val判重，重写equals方法
自定义排序规则，priority降序，idx升序排列。Data实现Comparable接口，重写compareTo方法

PriorityQueue实现

还是一样，新建Data对象，重写equals（去重用）和compareTo（排序用）方法
把输入转为Data对象后，直接加入PriorityQueue中
重复对象都加入到了PriorityQueue，在输出时，因为结果已经按照自定义排序规则写好了，所以去重逻辑就是当前项等于上一项时，代表重复，此时不输出对应结果即可

自定义数据结构实现

可以用两个栈实现优先级队列
stackA：优先级高的在栈顶，存放较小优先级
stackB：优先级低的在栈顶，存放较大优先级，也就是说在stackB中的优先级始终比stackA的优先级大，比如某个状态如下：

最后再输出结果时，只需要把stackB依次出栈再入stackA栈，再输出stackA的栈顶元素即可得到：6，5，4，3，2，1。即按优先级降序排列。
具体存放数据逻辑如下，以20 10 30 40 50为例:

存入20，首先判断它是较大优先级还是较小优先级？我们可以和stackB的栈顶元素比较（当然和stackA的栈顶元素比较也可以）。如果cur<stackB.peek()。说明是一个比stackB最低优先级还要小的元素，所以它是一个较小优先级，应该存入stackA中。此处stackB为空，没有栈顶元素，我们也先出入stackA中，由于stackA没有数据，直接存入，如下：

存入10，stackB为空，所以还是存入stackA中，但是此时stackA有数据，由于定义的stackA要将较大优先级放入栈顶，即当前元素如果比stackA的栈顶元素还要小（cur<stackA.peek()）时，应该把大于当前优先级的数据转入stackB

存入30,大于stackB的栈顶元素，此时应该存入stackB，同样的逻辑，这里stackB是将优先级小的放入栈顶，所以cur>stackB.peek()时，应该把小于当前优先级的数据转入stackA

存入40，大于stackB栈顶元素，存入stackB，将stackB小于当前优先级的元素放入stackA中

存入50，大于stackB栈顶元素，存入stackB，将stackB小于当前优先级的元素放入stackA中

最后输出结果，需要将stackB中的全部数据转入stackA，再依次从stackA栈顶取数据得到：50 40 30 20 10

上面的过程没有考虑优先级相同和去重时的处理逻辑，现在分析如下：

优先级相同，比如在上面的数据中再加入一个30,30小于stackB的栈顶元素，所以应该放入stackA中，将stackA大于30的元素全部弹出来：

关键在于等于30是否弹出？如果弹出，那么我们将第二个30加入到了stackA的栈顶，第一个30弹入了stackB的栈顶，最后输出结果时，一定是先输出的第一个30。符合题意，否则的话，会先输出第二个30。所以在stackA入栈时，判断条件是：cur<=stackA.peek()
假设最后加入的不是30而是50，此时弹出到stackA时，不应该取等，即cur>stackB.peek()，即只弹出比stackB栈顶元素还大的值

如上，因为栈顶和50相等，不弹出stackA，直接加入，最后的结果一定是第一个50先输出来。

去重，根据第一点，优先级相同时的处理逻辑可以发现，当优先级相同时，始终会把之前的数据放入到stackB中去，所以我们再向stackA或者stackB加入数据时，只要判断其不等于stackB的栈顶元素即可（相等判断逻辑为优先级和值同时相同，重写equals方法实现）

题解

三种方法都定义了实体Data:

class Data implements Comparable<Data> {
    private int priority;
    private int val;
    private int idx;

    public Data(int priority, int val, int idx) {
        this.priority = priority;
        this.val = val;
        this.idx = idx;
    }

    public int getIdx() {
        return idx;
    }

    public void setIdx(int idx) {
        this.idx = idx;
    }

    public int getPriority() {
        return priority;
    }

    public void setPriority(int priority) {
        this.priority = priority;
    }

    public int getVal() {
        return val;
    }

    public void setVal(int val) {
        this.val = val;
    }

    public Data(int priority, int val) {
        this.priority = priority;
        this.val = val;
    }

    @Override
    public boolean equals(Object o) {
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        Data data = (Data) o;
        return priority == data.priority &&
                val == data.val;
    }

    @Override
    public int hashCode() {
        return Objects.hash(priority, val);
    }

    @Override
    public int compareTo(Data o) {
        if (this.priority != o.priority) return o.priority - this.priority;
        return this.idx - o.idx;
    }
}

排序实现

package hwod;

import java.util.*;
import java.util.stream.Collectors;

public class MyPriorityQueue {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        String inputs = sc.nextLine();
        System.out.println(myPriorityQueue(inputs));
    }

    /**
     * 直接排序输出
     *
     * @param str
     * @return
     */
    private static String myPriorityQueue(String str) {
        //将输入解析为自定义对象Data
        Set<Data> set = new HashSet<>();
        String[] arrs = str.substring(1, str.length() - 1).split("\\),\\(");
        for (int i = 0; i < arrs.length; i++) {
            String[] cur = arrs[i].split(",");
            set.add(new Data(Integer.parseInt(cur[1]), Integer.parseInt(cur[0]), i));
        }
        List<Data> list = set.stream().sorted().collect(Collectors.toList());
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < list.size(); i++) {
            if (i != 0) sb.append(",");
            sb.append(list.get(i).getVal());
        }
        return sb.toString();
    }
}

PriorityQueue实现

package hwod;

import java.util.*;
import java.util.stream.Collectors;

public class MyPriorityQueue {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        String inputs = sc.nextLine();
        System.out.println(myPriorityQueue(inputs));
    }
    /**
     * 使用java自带的优先级队列
     *
     * @param str
     * @return
     */
    private static String myPriorityQueue(String str) {
        //将输入解析为自定义对象Data
        String[] arrs = str.substring(1, str.length() - 1).split("\\),\\(");
        PriorityQueue<Data> queue = new PriorityQueue<>();
        for (int i = 0; i < arrs.length; i++) {
            String[] cur = arrs[i].split(",");
            Data data = new Data(Integer.parseInt(cur[1]), Integer.parseInt(cur[0]),i);
            queue.add(data);
        }
        StringBuilder sb = new StringBuilder();
        Data lst = null;
        int size = queue.size();
        while (!queue.isEmpty()) {
            Data data = queue.poll();
            if (!data.equals(lst)) {
                lst = data;
                if (size != queue.size()+1) sb.append(",");
                sb.append(data.getVal());
            }
        }
        return sb.toString();
    }
}

自定义数据结构实现

package hwod;

import java.util.*;
import java.util.stream.Collectors;

public class MyPriorityQueue {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        String inputs = sc.nextLine();
        System.out.println(myPriorityQueue(inputs));
    }
    /**
     * 用两个栈实现优先级对列
     *
     * @param str
     * @return
     */

    private static String myPriorityQueue2(String str) {
        //将输入解析为自定义对象Data
        String[] arrs = str.substring(1, str.length() - 1).split("\\),\\(");
        Myqueue queue = new Myqueue();
        for (int i = 0; i < arrs.length; i++) {
            String[] cur = arrs[i].split(",");
            Data data = new Data(Integer.parseInt(cur[1]), Integer.parseInt(cur[0]));
            queue.add(data);
        }
        StringBuilder sb = new StringBuilder();
        int size = queue.getSize();
        while (!queue.isEmpty()) {
            if (queue.getSize() != size) sb.append(",");
            sb.append(queue.remove().getVal());
        }
        return sb.toString();
    }
}
class Myqueue {
    private LinkedList<Data> stackA = new LinkedList<>();//存小数，大堆顶
    private LinkedList<Data> stackB = new LinkedList<>(); //存大数，小堆顶

    public void add(Data data) {

        if (stackB.isEmpty() || data.getPriority() <= stackB.peekLast().getPriority()) {
            //比stackB栈顶元素还小，说明是一个较低优先级，应该存在stackA中
            //和stackB栈顶元素相等，说明有两个优先级相等的data，比如(30,1),(10,1),题目要求按照输入顺序输出，那么可以等价于后出现的优先级相对更低
            // 即此处的优先级等于和小于等价
            while (!stackA.isEmpty() && data.getPriority() <= stackA.peekLast().getPriority()) {
                stackB.addLast(stackA.removeLast());
            }
            //优先级相等时，始终会把之前的数据放入stackB中去
            if (!stackB.isEmpty() && stackB.peekLast().equals(data)) return;
            stackA.addLast(data);
        } else {
            while (!stackB.isEmpty() && data.getPriority() > stackB.peekLast().getPriority()) {
                stackA.addLast(stackB.removeLast());
            }
            if (!stackB.isEmpty() && stackB.peekLast().equals(data)) return;
            stackB.addLast(data);
        }

    }

    public Data remove() {
        while (!stackB.isEmpty()) {
            stackA.addLast(stackB.removeLast());
        }
        return stackA.removeLast();

    }
    public int getSize() {
        return stackA.size() + stackB.size();
    }
    public boolean isEmpty() {
        return getSize() == 0;
    }
}

说明

本专栏所有文章均为原创，欢迎转载，请注明文章出处：https://blog.csdn.net/qq_31076523/article/details/134176793。百度和各类采集站皆不可信，搜索请谨慎鉴别。技术类文章一般都有时效性，本人习惯不定期对自己的博文进行修正和更新，因此请访问出处以查看本文的最新版本。

yangqin@1225

关注

21
点赞
踩
19

收藏

觉得还不错? 一键收藏
0
评论
【华为OD题库-038】支持优先级的对列-java

可以用两个栈实现优先级队列stackA：优先级高的在堆顶，存放较小优先级stackB：优先级低的在堆顶，存放较大优先级，也就是说在stackB中的优先级始终比stackA的优先级大，比如某个状态如下：最后再输出结果时，只需要把stackB依次出栈再入stackA栈，再输出stackA的栈顶元素即可得到：6，5，4，3，2，1。即按优先级降序排列。具体存放数据逻辑如下，以20 10 30 40 50为例:存入20，首先判断它是较大优先级还是较小优先级？
复制链接

扫一扫