最小索引优先队列思路及实现

最小索引优先队列思路及实现

前言

堆是通过数组实现的完全二叉树结构，堆可以分为最大堆（父结点比左右子结点都大）和最小堆（父结点比左右子结点都小）。基于最大堆可以实现最大优先队列，基于最小堆可以实现最小优先队列。但是无论是堆，还是最大优先队列，还是最小优先队列，一旦结构形成，它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。本文以最小索引优先队列（即，以最小堆为基础的优先队列）为例讲解其实现思路。

一、最小索引优先队列实现思路

具体实现思路包括以下3步：

1. 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。
   
2. 第1步完成后的结果，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，并且我们不能直接调整数组items使其堆有序，因为这样就破坏了索引与元素之间的对应关系，无法再通过索引获取正确的元素。因此，我们可以增加一个数组int[]pq辅助数组，来保存每个元素在items数组中的索引，然后，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]]。
   
3. 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；即将pq数组的索引作为qp的值，将pq数组的值对应最为qp数组的索引。因为，pq数组中的值是items数组的索引，因此，qp数组的索引就和items数组的索引一一对应，如，items的0索引在pq中索引就是qp的0索引对应的值，即items[0]=pq[qp[0]]；
   

二、最小索引优先队列API设计

三、最小索引优先队列代码实现

/** 最小索引优先队列 **/
public class IndexMinPriorityQueue<T extends Comparable<T>> {
    private T[] items;//用来存储元素的数组
    private int[] pq;//保存每个元素在items数组中的索引，pq数组是真正的堆，需要堆有序
    private int [] qp;//保存qp的逆序，pq的值作为索引，pq的索引作为值
    private int N;//记录堆中元素的个数

    public IndexMinPriorityQueue(int capacity)
    {
        items= (T[]) new Comparable[capacity+1];
        pq=new int[capacity+1];
        qp=new int[capacity+1];
        N=0;

        //默认情况下，items中没有数据，则qp中值全为-1,-1代表没有数据与此索引关联。
        for (int i = 0; i < qp.length; i++) {
            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)
    {
        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)
    {
        //交互pq中数据
        int temp = pq[i];
        pq[i]=pq[j];
        pq[j]=temp;

        //更新qp中的数据
        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)
    {
        return qp[k]!=-1;
    }

    //最小元素关联的索引
    public int minIndex()
    {
        return pq[1];
    }
    //往队列中插入一个元素,并关联索引i
    public void insert(int i,T t)
    {
        //判断i是否已近被关联，如果已经被关联，则不让插入
        if (contains(i))
        {
            return;
        }
        //元素个数+1
        N++;
        //把数据存入到items对应的i位置上
        items[i]=t;
        //把i存储到pq中
        pq[N]=i;
        //通过qp来记录pq中的i
        qp[i]=N;
        //通过上浮完成pq数组堆的调整
        swim(N);
    }

    //删除队列中最小的元素,并返回该元素关联的索引
    public int delMin()
    {
        //获取最小元素的索引
        int minIndex = pq[1];
        //交互pq中最小索引1处和最大索引N处的值
        exch(1,N);
        //删除items数组中对应索引（pq中最大索引N处的值）中的值
        items[pq[N]]=null;
        //删除qp中对应索引（pq中最大索引N处的值）处的值
        qp[pq[N]]=-1;
        //删除pq中最大索引N处的值
        pq[N]=-1;
        //元素个数-1
        N--;
        //通过下沉算法调整堆，使得堆有序
        sink(1);

        return minIndex;
    }

    //删除索引i关联的元素
    public void delete(int i)
    {
        //找到items中i索引在pq中的索引k
        int k = qp[i];
        //交换pq中k索引和N索引处的值
        exch(k,N);
        //删除items中i位置的值
        items[pq[N]]=null;
        //删除qp中对应位置的值
        qp[pq[N]]=-1;
        //删除pq中最大索引位置的值
        pq[N]=-1;
        //元素个数-1
        N--;
        //因为索引k不一定是索引1，因此需要同时使用上浮和下沉算法调整堆，使其有序
        swim(k);
        sink(k);
    }

    //把与索引i关联的元素修改为为t
    public void changeItem(int i, T t)
    {
        //修改items中i索引处的值
        items[i]=t;
        //找到i在pq中索引
        int k = qp[i];
        //调整堆
        swim(k);
        sink(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
    private void swim(int k)
    {
        //循环判断当前节点是否比起父结点小，若是，则交换，直至循环到父结点即索引为1，停止循环
        while (k>1)
        {
            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)
    {
        //循环比较当前节点是否小于子结点中较小值，若是，则交换，直至循环到当前节点没有子结点，即左子结点为null
        while (k*2 <= N)
        {
            int minIndex;
            if (2*k+1<=N)
            {
                if (less(2*k,2*k+1))
                    minIndex=2*k;
                else
                    minIndex=2*k+1;
            }else{
                minIndex=2*k;
            }
            if (less(k,minIndex))
            {
                break;
            }
            exch(k,minIndex);
            k=minIndex;
        }
    }
}