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:
- 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。
- 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]]。
- 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;
}
}
}