目录
1.什么是优先级队列？
普通的队列是一种先进先出的数据结构，元素在队列尾追加，而从队列头删除。
在优先队列中，元素被赋予优先级。当访问元素时，具有最高优先级的元素最先删除。优先队列具有最高级先出（first in, largest out）的行为特征。通常采用堆数据结构来实现。
根据jdk源码中的描述：
优先级队列表示为平衡二进制堆：队列[n]的两个子级是队列[2*n+1]和队列[2*（n+1）]。
优先级队列由comparator排序，如果comparator为null，则由元素的自然顺序排序：对于堆中的每个节点n和n的每个后代d，n<=d。假设队列不为空，则值最低的元素位于队列[0]中。
2.优先级队列的特性
-
PriorityQueue是非线程安全，PriorityBlockingQueue是线程安全的，基于BlockingQueue接口实现。 -
优先级队列就相当于有一个任务调度系统 给每一个任务排一个优先级 所有的任务放到优先级队列 执行任务的线程会从队列中选择一个优先级最高的任务执行。 -
PriorityQueue基于优先堆(大根堆/小根堆)，在默认情况下使用的是小根堆，这个优先队列可以默认自然排序或者通过提供的Compartor(比较器)在队列实例化的时候进行排序。 -
不允许null元素 不支持non-comparable元素
3. 如何使用优先级队列
分别创建了一个普通队列和一个优先级队列，优先级队列的排序采用的是Person类中的id大小进行排序的。
class Person{
private int id;
private String name;
public Person(int id, String name) {
this.id = id;
this.name = name;
}
public int getId() {
return id;
}
public String getName() {
return name;
}
@Override
public String toString() {
return "Person{" +
"id=" + id +
", name='" + name + '\'' +
'}';
}
}
public class TestDemo7 {
public static Comparator<Person> idComparator = new Comparator<Person>() {
@Override
public int compare(Person o1, Person o2) {
return o2.getId() - o1.getId();
}
};
public static void main(String[] args) {
//练习1：
Queue<Integer> integerPriorityQueue = new PriorityQueue<>();
for(int i=0; i<10; i++){
integerPriorityQueue.add(new Integer(new Random().nextInt(100)));
}
for(int i=0; i<10; i++){
Integer in = integerPriorityQueue.remove();
System.out.println("priority queue: "+in);
}
//练习2：
Queue<Person> personPriorityQueue = new PriorityQueue<>(idComparator);
for(int i=0; i<10; i++){
int id=new Random().nextInt(100);
personPriorityQueue.add(new Person(id, "person"+id));
}
for(int i=0; i<10; i++){
Person per = personPriorityQueue.remove();
System.out.println("person priority queue: "+per);
}
}
}
4.JDK源码分析
4.1类的继承关系
- PriorityQueue基于Queue接口实现，在Queue接口和PriorityQueue具体实现类间提供了一个AbstractQueue抽象类
- PriorityQueue是一个
4.2类的属性
-
private static final int DEFAULT_INITIAL_CAPACITY = 11;//默认容量 -
transient Object[] queue;//底层实现数组 -
private int size = 0;//有效元素个数 -
private final Comparator<? super E> comparator;//按照比较器对象进行排序 -
transient int modCount = 0;//修改次数
4.3常用的方法
- add()与offer()
add()和offer()都是向队列中添加一个元素。一些队列有大小限制，因此如果想在一个满的队列中加入一个新项，调用 add() 方法就会抛出一个 unchecked 异常，而调用 offer() 方法会返回 false，因此就可以在程序中进行有效的判断。
- remove()与poll()
remove() 和 poll() 方法都是从队列中删除第一个元素。如果队列元素为空，调用remove() 的行为与 Collection 接口的版本相似会抛出异常，但是新的 poll() 方法在用空集合调用时只是返回 null，因此新的方法更适合容易出现异常条件的情况。
- grow()扩容函数，扩的容量为minCapacity
对于这里的扩容，为了让数组的长度为一个素数，从而保证为一个完全二叉树。
- element()和peek()
element()和peek()的语义完全相同，都是获取但不删除队首元素，也就是队列中权值最小的那个元素，二者唯一的区别是当方法失败时前者抛出异常，后者返回null。根据小顶堆的性质，堆顶那个元素就是全局最小的那个；由于堆用数组表示，根据下标关系，0下标处的那个元素既是堆顶元素。所以直接返回数组0下标处的那个元素即可。
-
siftDownUsingComparator()
k为根节点，用c保存左孩子，左孩子k*2+1，右孩子k*2+2，如果右孩子存在并且右孩子要比左孩子小，将右孩子赋给c，并进行下标更新，之后与x进行比较，如果x还小就break不用进行调整，否则就将c给k位置，然后进行位置更新，最后将x赋值给k位置。
5.自定义优先级队列实现
5.1 优先级队列类定义
优先级队列基于数据结构堆（默认小根堆）去实现，而堆常用数组实现，因此在类中定义一个泛型数组，size为有效元素个数，初始容量设为5。
public class MyPriorityQueue<E extends Comparable<E>> {
private E[] queue;
private int size;
private static final int initalCapacity = 5;
public MyPriorityQueue(){
this(initalCapacity);
}
public MyPriorityQueue(int initalCapacity){
queue = (E[])new Comparable[initalCapacity];
}
}5.2 add()方法
该方法用于向优先级队列中添加元素。
1).在进行添加元素的时候，首先要判断当前容量是否已满，如果满了需要进行扩容。
2).当队列为空时，直接赋值给首位元素，szie自增
3). 正常情况下，添加元素后，可能会导致堆不是小根堆，因此利用adjustUP()进行向上调整。
因为底层基于数组，0号元素就是顶点，size-1为最后一个节点。
由子节点下标推父节点下标，当子节点下标为index时，父节点为(index-1)/2.
利用while循环对当前位置节点与其父节点依次进行比较，若父节点大于当前value，将父节点值给当前位置，然后记录父节点下标继续判断，若父节点不大于当前节点值，则现在已经是小根堆，不必调整了，循环结束后将value赋值给index位置。
public void add(E value){
//容量不足扩容
if(size == queue.length){
queue = Arrays.copyOf(queue, queue.length<<1);
}
//队列为空
if(size == 0){
queue[0] = value;
size++;
}
else{
adjustUP(size, value);
size++;
}
}
public void adjustUP(int index, E value){
//向上调整
while(index > 0){
//由子节点推父节点下标
int parentIndex = (index-1)/2;
//若父节点大于当前value，将父节点值给当前位置，然后记录父节点下标继续判断
if(queue[parentIndex].compareTo(value) > 0){
queue[index] = queue[parentIndex];
index = parentIndex;
}
//若父节点不大于当前节点值，则现在已经是小根堆，不必调整了
else{
break;
}
}
//将value赋给index位置
queue[index] = value;
}5.3 remove()方法
该方法用于删除根节点，同add方法类似，首先对队列进行判空，然后考虑队列只有一个元素的情况。
在正常情况下，要保证底层维护的是一个小根堆，删除的是0号位置元素，因此要把最后一个节点放到0号位置。
首先将0号位置置空，然后进行向下调整。
在向下调整的过程中，由于并不知道根节点的左右孩子哪个值较小，因此要进行判断，并分别用minIndex和minValue记录较小值的下标和值，然后将value与这个较小值进行比较，如果根节点小于minValue直接break，不用调整了，本身就还是小根堆，否则就将minValue赋值给index位置，然后进行下标更新。循环结束后将value赋值给queue[index]。
public boolean remove(){
//删除根节点元素
//判空
if(size == 0){
return false;
}
//当前队列只有一个元素
if(size == 1){
queue[size-1] = null;
return true;
}
//正常情况,保证底层维护的是一个小根堆，删除的是0号位置元素，把最后一个节点放到0号位置
queue[0] = null;
adjustDown(0,queue[--size]);
return true;
}
public void adjustDown(int index, E value){
//向下调整
while (index < (size>>1)){
int leftChild = index*2 + 1;
int rightChild = index*2 + 2;
//保存两个孩子中最小孩子的下标
int minIndex = 0;
//保存当前的最小值
E minValue = null;
//找左右孩子的最小值
if(rightChild < size && queue[leftChild].compareTo(queue[rightChild]) >= 0){
minValue = queue[rightChild];
minIndex = rightChild;
}
if(value.compareTo(minValue) < 0){
break;
}
queue[index] = minValue;
index = minIndex;
}
queue[index] = value;
}5.4 removeAt()方法
public boolean remove(E target){
//删除指定元素
int index = -1;
//找到target所在的位置点
for (int i = 0; i < size; i++) {
if(target.equals(queue[i])){
index = i;
break;
}
}
//保证队列中有这样的位置点
if(index == -1){
return false;
}
//特殊情况，删除的是最后一个元素
if(size-1 == index){
queue[--size] = null;
return true;
}
//正常情况下
else {
queue[index] = null;
adjustDown(index, queue[size - 1]);
//特殊情况
if (queue[index] == queue[size - 1]) {
adjustDown(index, queue[size - 1]);
}
queue[--size] = null;
return true;
}
}5.5 完整代码
package sefl.January;
import java.util.Arrays;
/**
* Description :
* Created by Resumebb
* Date :2021/1/7
*/
public class MyPriorityQueue<E extends Comparable<E>> {
private E[] queue;
private int size;
private static final int initalCapacity = 5;
public MyPriorityQueue(){
this(initalCapacity);
}
public MyPriorityQueue(int initalCapacity){
queue = (E[])new Comparable[initalCapacity];
}
public void add(E value){
if(size == queue.length){
queue = Arrays.copyOf(queue, queue.length<<1);
}
if(size == 0){
queue[0] = value;
size++;
}
else{
adjustUP(size, value);
size++;
}
}
public void adjustUP(int index, E value){
//向上调整
while(index > 0){
//由子节点推父节点下标
int parentIndex = (index-1)/2;
//若父节点大于当前value，将父节点值给当前位置，然后记录父节点下标继续判断
if(queue[parentIndex].compareTo(value) > 0){
queue[index] = queue[parentIndex];
index = parentIndex;
}
//若父节点不大于当前节点值，则现在已经是小根堆，不必调整了
else{
break;
}
}
//将value赋给index位置
queue[index] = value;
}
public boolean remove(){
//删除根节点元素
//判空
if(size == 0){
return false;
}
//当前队列只有一个元素
if(size == 1){
queue[size-1] = null;
return true;
}
//正常情况,保证底层维护的是一个小根堆，删除的是0号位置元素，把最后一个节点放到0号位置
queue[0] = null;
adjustDown(0,queue[--size]);
return true;
}
public void adjustDown(int index, E value){
//向下调整
while (index < (size>>1)){
int leftChild = index*2 + 1;
int rightChild = index*2 + 2;
//保存两个孩子中最小孩子的下标
int minIndex = 0;
//保存当前的最小值
E minValue = null;
//找左右孩子的最小值
if(rightChild < size && queue[leftChild].compareTo(queue[rightChild]) >= 0){
minValue = queue[rightChild];
minIndex = rightChild;
}
if(value.compareTo(minValue) < 0){
break;
}
queue[index] = minValue;
index = minIndex;
}
queue[index] = value;
}
public boolean removeAt(E target){
//删除指定元素
int index = -1;
//找到target所在的位置点
for (int i = 0; i < size; i++) {
if(target.equals(queue[i])){
index = i;
break;
}
}
//保证队列中有这样的位置点
if(index == -1){
return false;
}
//特殊情况，删除的是最后一个元素
if(size-1 == index){
queue[--size] = null;
return true;
}
//正常情况下
else {
queue[index] = null;
adjustDown(index, queue[size - 1]);
//特殊情况
if (queue[index] == queue[size - 1]) {
adjustDown(index, queue[size - 1]);
}
queue[--size] = null;
return true;
}
}
public String toString(){
StringBuilder stringBuilder = new StringBuilder();
for (int i = 0; i < size; i++) {
stringBuilder.append(queue[i] +" ");
}
return stringBuilder.toString();
}
public static void main(String[] args) {
MyPriorityQueue<Integer> queue = new MyPriorityQueue<>();
queue.add(3);
queue.add(5);
queue.add(7);
queue.add(2);
queue.add(4);
queue.add(1);
System.out.println(queue.toString());
queue.remove();
System.out.println(queue.toString());
queue.removeAt(5);
System.out.println(queue.toString());
}
}
测试：
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
