优先队列的概念
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。在某些情况下,我们可能需要找出队列中的最大值或者最小值,例如使用一个队列保存计算机的任务,一般情况下计算机的任务都是有优先级的,我们需要在这些计算机的任务中找出优先级最高的任务先执行,执行完毕后就需要把这个任务从队列中移除。普通的队列要完成这样的功能,需要每次遍历队列中的所有元素,比较并找出最大值,效率不是很高,这个时候,我们就可以使用一种特殊的队列来完成这种需求,优先队列。
优先队列按照其作用不同,可以分为以下两种:
1.最大优先队列:可以获取并删除队列中最大的值
2.最小优先队列:可以获取并删除队列中最小的值
最大优先队列
堆这种结构是可以方便的删除最大的值,所以,我们可以基于堆区实现最大优先队列。
最大优先队列API设计
最大优先队列的代码实现
public class MaxPriority<T extends Comparable<T>>{
private T[] items;//用来存储元素的数组
private int N; //记录堆中元素的个数
public MaxPriority(int capacity){
this.items=(T[])new Comparable[capacity+1];
this.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[i].compareTo(items[j])<0;
}
//交换堆中i索引和j索引处的值
private void exch(int i,int j){
T temp=items[i];
items[i]=items[j];
items[j]=temp;
}
//删除队列中最大的元素,并返回这个最大元素
public T delMax(){
T max=items[1];
//交换索引1和索引N处的值
exch(1,N);
//删除最后位置上的元素
items[N]=null;
N--;//元素个数-1
sink(1);
return max;
}
//往队列中插入一个元素
public void insert(T t){
items[++N]=t;
swim(N);
}
//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){
//如果已经到了根结点,就不需要再交换
while(k>1){
if(less(k/2,k)){
exch(k/2,k);
}
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){
while(2*k<=N){
//找到子结点中的较大者
int max=2*k;
if(2*k+1<=N){
if(less(2*k,2*k+1)){
max=2*k+1;
}else{
max=2*k;
}
}
//比较当前结点和子结点中的较大者,如果当前结点不小,则结束循环
if(!less(k,max)){
break;
}
//当前结点小,则交换
exch(k,max);
k=max;
}
}
//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;
}
}
//测试代码
public class MaxPriorityTest {
public static void main(String[] args){
MaxPriority<String> mp=new MaxPriority<>(10);
mp.insert("A");
mp.insert("B");
mp.insert("D");
mp.insert("C");
mp.insert("A");
while(!mp.isEmpty()){
String s = mp.delMax();
System.out.print(s+" ");
}
}
}
最小优先队列
我们之前实现的堆可以把它叫做最大堆,我们可以用相反的思想实现最小堆,让堆中存放数据元素的数组满足如下特性:
1.最小的元素放在数组的索引1处
2.每个结点的数据总是小于等于它的两个子结点的数据
最小优先队列API设计
最小优先队列代码实现
public class MinPriorityQueue <T extends Comparable<T>> {
private T[] items;
private int N;
public MinPriorityQueue(int capacity){
this.items=(T[])new Comparable[capacity];
this.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[i].compareTo(items[j])<0;
}
//交换堆中i索引和j索引处的值
public void exch(int i,int j){
T temp=items[i];
items[i]=items[j];
items[j]=temp;
}
//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;
}
//删除队列中最小的元素,并返回这个最大元素
public T delMin(){
T min=items[1];
exch(1,N);
items[N]=null;
N--;
sink(1);
return min;
}
//往队列中插入一个元素
public void insert(T t){
items[++N]=t;
swim(N);
}
//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
public void swim(int k){
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
public void sink(int k){
while(2*k<=N){
int min=2*k;
if(2*k+1<=N){
if(less(2*k,2*k+1)){
min=2*k;
}else{
min=2*k+1;
}
}
if(less(k,min)){
break;
}
exch(k,min);
k=min;
}
}
}
//测试代码
public class MinPriorityTest {
public static void main(String[] args){
MinPriorityQueue<String> minq=new MinPriorityQueue<>(10);
minq.insert("A");
minq.insert("C");
minq.insert("Q");
minq.insert("B");
minq.insert("H");
while(!minq.isEmpty()){
String s = minq.delMin();
System.out.print(s+" ");
}
}
}