PriorityQueue是基于堆的 有限队列,这个队列里面的元素按照顺序排列,排序规则可以是元素自己的排序规则,也可以在创建堆的时候创建一个比较器,用这个比较器的规则进行排序。
优先队列不可以存放null元素。
该数据结构继承了抽象类AbstractQueue
public class PriorityQueue<E> extends AbstractQueue<E>
implements java.io.Serializable
private static final int DEFAULT_INITIAL_CAPACITY = 11;
默认初始容量为11
transient Object[] queue;
Object数组存储元素。
private int size = 0;
元素个数。
private final Comparator<? super E> comparator;
比较器。
transient int modCount = 0;
修改次数。
public PriorityQueue() {
this(DEFAULT_INITIAL_CAPACITY, null);
}
无参构造器,null指的是不传入比较器。
public PriorityQueue(int initialCapacity) {
this(initialCapacity, null);
}
设置初始容量的构造器,同样不传入比较器。
public PriorityQueue(Comparator<? super E> comparator) {
this(DEFAULT_INITIAL_CAPACITY, comparator);
}
传入比较器的构造器。
public PriorityQueue(int initialCapacity,
Comparator<? super E> comparator) {
// Note: This restriction of at least one is not actually needed,
// but continues for 1.5 compatibility
if (initialCapacity < 1)
throw new IllegalArgumentException();
this.queue = new Object[initialCapacity];
this.comparator = comparator;
}
传入初始容量和比较器的构造器,其他构造器最终都调用了这个构造器,该构造器中初始化了queue数组和比较器。
public boolean add(E e) {
return offer(e);
}
单纯地调用offer
public boolean offer(E e) {
if (e == null)
throw new NullPointerException();
modCount++;
int i = size;
if (i >= queue.length)
grow(i + 1);
size = i + 1;
if (i == 0)
queue[0] = e;
else
siftUp(i, e);
return true;
}
一般情况下,会调用siftUp方法。
private void siftUp(int k, E x) {
if (comparator != null)
siftUpUsingComparator(k, x);
else
siftUpComparable(k, x);
}
如果自身比较器不为空,用比较器排序。
private void siftUpUsingComparator(int k, E x) {
while (k > 0) {
int parent = (k - 1) >>> 1;
Object e = queue[parent];
if (comparator.compare(x, (E) e) >= 0)
break;
queue[k] = e;
k = parent;
}
queue[k] = x;
}
使用的是堆排序的方式,堆排序把堆模拟成一颗完全二叉树。对于任意一个节点下标k,其父节点下标为(k-1)/2。比较这个父节点元素和插入的元素大小,父节点元素小于插入的子节点元素(假如按升序排序),说明不需要调整顺序,直接break,否则调换父节点和子节点的位置,并进行下一轮比较。本质就是插入的节点放在叶节点,然后依次向上调整到合适的位置。
private void siftUpComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>) x;
while (k > 0) {
int parent = (k - 1) >>> 1;
Object e = queue[parent];
if (key.compareTo((E) e) >= 0)
break;
queue[k] = e;
k = parent;
}
queue[k] = key;
}
使用元素自身的比较器来比较。
private void heapify() {
for (int i = (size >>> 1) - 1; i >= 0; i--)
siftDown(i, (E) queue[i]);
}
在一次放入多个元素时,进行建堆操作,建堆操作时从数组的中间开始向前遍历,每次向下调整。从二叉树的角度来看就是从倒数第二层节点开始,每次比较节点和其子节点的值并调整,依次向上遍历直到树的根节点。
private void siftDown(int k, E x) {
if (comparator != null)
siftDownUsingComparator(k, x);
else
siftDownComparable(k, x);
}
类似的,可用元素的比较器或者优先队列的比较器。
private void siftDownUsingComparator(int k, E x) {
int half = size >>> 1;
while (k < half) {
int child = (k << 1) + 1;
Object c = queue[child];
int right = child + 1;
if (right < size &&
comparator.compare((E) c, (E) queue[right]) > 0)
c = queue[child = right];
if (comparator.compare(x, (E) c) <= 0)
break;
queue[k] = c;
k = child;
}
queue[k] = x;
}
每次调整需要将当前节点一直向下调整到合适的位置,可能一直调整到叶节点的位置为止,这取决于节点值的大小。
private void siftDownComparable(int k, E x) {
Comparable<? super E> key = (Comparable<? super E>)x;
int half = size >>> 1; // loop while a non-leaf
while (k < half) {
int child = (k << 1) + 1; // assume left child is least
Object c = queue[child];
int right = child + 1;
if (right < size &&
((Comparable<? super E>) c).compareTo((E) queue[right]) > 0)
c = queue[child = right];
if (key.compareTo((E) c) <= 0)
break;
queue[k] = c;
k = child;
}
queue[k] = key;
}
使用元素的比较器。
private void grow(int minCapacity) {
int oldCapacity = queue.length;
// Double size if small; else grow by 50%
int newCapacity = oldCapacity + ((oldCapacity < 64) ?
(oldCapacity + 2) :
(oldCapacity >> 1));
// overflow-conscious code
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
queue = Arrays.copyOf(queue, newCapacity);
}
优先队列的扩容策略,如果当前容量小于64,则容量变为二倍加二,否则变为当前容量的1.5倍。
如果新容量比最大容量大,调用hugeCapacity方法。
private static int hugeCapacity(int minCapacity) {
if (minCapacity < 0) // overflow
throw new OutOfMemoryError();
return (minCapacity > MAX_ARRAY_SIZE) ?
Integer.MAX_VALUE :
MAX_ARRAY_SIZE;
}
传入参数大于最大数组长度,则返回int的最大值,否则返回数组最大长度。
总结就是每次扩容提供一个参数minCapacity,如果按照默认扩容规则没有超过数组最大长度,则minCapacity用不到,直接扩容。如果超过数组最大长度,如果传入参数minCapacity也超过了最大长度,返回int的最大值,否则返回数组最大长度。
private E removeAt(int i) {
// assert i >= 0 && i < size;
modCount++;
int s = --size;
if (s == i) // removed last element
queue[i] = null;
else {
E moved = (E) queue[s];
queue[s] = null;
siftDown(i, moved);
if (queue[i] == moved) {
siftUp(i, moved);
if (queue[i] != moved)
return moved;
}
}
return null;
}
优先队列提供的删除元素操作,按照数组下标删除。
如果删除的是最后一个元素,直接size-1且将最后一个数组元素置空。
否则用moved存储最后一个元素,将该数组元素置空。
把moved放在待删除的数组下标向下调整,调整完如果发现没有变化,说明moved比现在的子节点都大,那么再向上调整。如果发生了调整,返回moved,其他情况都返回null。
就是把最后一个元素移到待删除的位置,然后向下调整,如果调不动再向上调整。因为对堆中的任意元素而言,其上的元素都比它大,其下的元素都比它小,上面的元素都比下面的元素要大,所以替换成另一个元素时,这个元素要么向下调整,要么向上调整,不可能向下调整之后再向上调整。