优先级队列（堆）

优先级队列

概念

前面介绍过队列，队列是一种先进先出(FIFO)的数据结构，但有些情况下操作的数据可能带有优先级，一般出队列时，可能需要优先级高的元素先出队列，该中场景下，使用队列显然不合适，比如：在手机上玩游戏的时候，如果有来电，那么系统应该优先处理打进来的电话。

在这种情况下，我们的数据结构应该提供两个最基本的操作，一个是返回最高优先级对象，一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)。

优先级队列的模拟实现

JDK1.8中的PriorityQueue 底层使用了堆的数据结构，而堆实际就是在完全二叉树的基础之上进行了一些元素的调整

堆的概念

​ 如果有一个关键码的集合K = {k0**，k1，** k2**，…，kn-1}，把它的所有元素按完全二叉树的顺序存储方式存储 在一个一维数组中**，并满足：Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0，1，2…，则称为 小堆(或大堆)。

​ 根节点最大的堆叫做最大堆或大根堆

​ 根节点最小的堆叫做最小堆或小根堆

堆的性质

• 堆中某个结点的值总是不大于或不小于其父节点的值

• 堆总是一颗完全二叉树

  

堆的存储方式

从堆的概念可知，堆是一棵完全二叉树，因此可以层序的规则采用顺序的方式来高效存储

注意：对于非完全二叉树，则不适合使用顺序方式进行存储，因为为了能够还原二叉树，空间中必须要存储空节点，就会导致空间利用率比较低

将元素存储到数组中后，可以根据二叉树章节的性质5对树进行还原。假设i为节点在数组中的下标，则有：

• 如果i为0，则i表示的节点为根节点，否则i节点的双亲节点为 (i - 1)/2
• 如果2 * i + 1 小于节点个数，则节点i的左孩子下标为2 * i + 1，否则没有左孩子
• **如果2 * i + 2 小于节点个数，则节点i的右孩子下标为2 * i + 2，否则没有右孩子 **

堆的创建

堆向下调整

对于集合{ 27,15,19,18,28,34,65,49,25,37 }中的数据，如果将其创建成堆呢 ？

仔细观察上图后发现：根节点的左右子树已经完全满足堆的性质，因此只需将根节点向下调整好即可

向下过程(以小堆为例)：

1. 让parent标记需要调整的节点，child标记parent的左孩子(注意：parent如果有孩子一定先是有左孩子)
2. 如果parent的左孩子存在，即:child < size， 进行以下操作，直到parent的左孩子不存在
   1. parent右孩子是否存在，存在找到左右孩子中最小的孩子，让child进行标记
   2. 将parent与较小的孩子child比较，如果：
      1. parent小于较小的孩子child，调整结束
      2. 否则：交换parent与较小的孩子child，交换完成之后，parent中大的元素向下移动，可能导致子树不满足对的性质，因此需要继续向下调整，即parent = child；child = parent*2+1; 然后继续2。

public class Heap {
    public int[] elem;
    private int usedSize;
    public Heap(){
        this.elem = new int[]{27,15,19,18,28,34,65,49,25,37};
        this.usedSize = this.elem.length;
    }
}

private void swap(int index1,int index2){
    int tmp = elem[index1];
    elem[index1] = elem[index2];
    elem[index2] = tmp;
}
/**
* 向下调整 通过父结点 得 孩子结点
* @param parent 父节点
* @param len 堆大小
*/
private void shiftDown(int parent,int len){
    int child = parent*2+1;
    while(child < len){
        //右孩子存在，且找出较小的孩子
        if(child + 1<len && elem[child] > elem[child+1]){
            child++;
        }
        //孩子与parent比较 建小堆（孩子小于父亲，交换）
        if(elem[child] < elem[parent]){
            swap(child,parent);
            parent = child;
            child = parent*2+1;
        }else{
            break;
        }
    }
}

注意：在调整以parent为根的二叉树时，必须要满足parent的左子树和右子树已经是堆了才可以向下调整。
时间复杂度分析：
最坏的情况即图示的情况，从根一路比较到叶子，比较的次数为完全二叉树的高度，即时间复杂度为

堆的创建

那对于普通的序列{ 1,5,3,8,7,6 }，即根节点的左右子树不满足堆的特性，又该如何调整呢 ？

从尾结点开始逐个向下调整（即保证每一个子树都是堆）

public void createHeap(){
    //从尾结点开始向下调整
    for (int i = this.usedSize-1; i >=0; i--) {
        shiftDown(i,this.usedSize);
    }
}

建堆的时间复杂度

因为堆是完全二叉树，而满二叉树也是完全二叉树，此处为了简化使用满二叉树来证明(时间复杂度本来看的就是近似值，多几个节点不影响最终结果)

建堆的时间复杂度为O(N)

堆的插入与删除

堆的插入

堆的插入总共需要两个步骤:

1. 先将元素放在底层空间中（注意：空间不足时，空间扩容）
2. 最后新插入的数据进行向上调整，直至满足堆的性质

向上调整

通过孩子 找到父亲 作比较 向上调整，直至满足堆的性质

/**
* 默认 小堆
* 向上调整 通过孩子 求父结点 调整
* @param child 孩子
*/
private void shiftUp(int child){
    int parent = (child-1)/2;
    while (parent >= 0){
        if(child >0 && this.elem[parent] > this.elem[child]){
            swap(child,parent);
            child = parent;
            parent = (child-1)/2;
        }else{
            break;
        }
    }
}

插入

private boolean isFull(){
	return this.elem.length == this.usedSize;
}
public void push(int val){
    if(isFull()){
        this.elem = Arrays.copyOf(this.elem,this.usedSize*2);
    }
    //置尾，尾结点向上调整
    this.elem[this.usedSize] = val;
    shiftUp(this.usedSize);
    this.usedSize++;
}

堆的删除

注意：堆的删除一定删除的是堆顶元素。（优先级队列，堆顶优先级最高）

堆的删除步骤:

1. 将堆顶元素对堆中的最后一个元素交换
2. 将堆中有效数据个数减少一个
3. 对堆顶元素进行向下调整

public boolean isEmpty(){
    return this.usedSize == 0;
}

public int pol(){
    if(isEmpty()){
        throw new RuntimeException("堆为空！");
    }
    int del = this.elem[0];
    //删除 即将堆顶换置堆尾 usedSize-1
    swap(0,this.usedSize-1);
    this.usedSize--;
    //复原堆，堆顶向下调整
    shiftDown(0,this.usedSize);
    return del;
}

堆排序（先导）

排升序，建大堆；排降序，建小堆；

升序为例

​ {67, 37, 49, 34, 27, 19, 28, 25, 15, 18}

建小堆，排序 时间复杂度为O(N*2)

建大堆，排序 时间复杂度 O(log(N))

TopK问题

返回一组数据的前K个最大（最小）个数据

堆的应用TopK问题

返回堆的前K个最小（最大）数据

​ 前K个最小: 建大堆(数据个数为K),其余数据与堆顶数据比较，小则替换堆顶数据

​ 原理：假设前K个数据已为最小，若比 前K个数据中最大的数据要小，则为前K个数据之一。

1. 前K个数据为大堆，堆顶为前K个中最大的数

2. 其余数据逐个比较，小则替换堆顶数据，调整为大堆

   ​ 此时，堆顶认为前K个中的最大数

3. 直至该组数据结束，前K个数为该组数据中最小的前K个数据

​ **前K个最大:**建小堆

同理得 假设前K个数据已为最大，若比 前K个数据中最小的数据要大，则为前K个数据之一。

/**
* topk问题 返回最小的前k个数据
* @param k 返回的数据个数
* @return 最小的前k个数据
*/
public int[] topK(int k){
    if(isEmpty()){
        throw new RuntimeException("堆为空！");
    }
    //构建大小为k的堆
    int[] topk = Arrays.copyOf(this.elem,k);
    //逐个比较，处理
    for(int i = k;i<this.usedSize;i++){
        if(this.elem[i] > topk[0]){
            topk[0] = this.elem[i];
            shiftDown(topk,0,k);
        }
    }
    return topk;
}

常用接口介绍

PriorityQueue的特性

Java集合框架中提供了PriorityQueue和PriorityBlockingQueue两种类型的优先级队列，PriorityQueue是线程不安全的， PriorityBlockingQueue是线程安全的，本文主要介绍PriorityQueue

关于PriorityQueue的使用要注意：

1. 使用必须导入PriorityQueue所在的包，即：

import java.util.PriorityQueue;

2. PriorityQueue中放置的元素必须要能够比较大小，不能插入无法比较大小的对象，否则会抛出classCastException异常
3. 不能插入null对象，否则会抛出NullPointerException
4. 没有容量限制，可以插入任意多个元素，其内部可以自动扩容
5. 插入和删除元素的时间复杂度为
6. PriorityQueue底层使用了堆数据结构, (注意：此处大家可以不用管什么是堆，后文中有介绍)
7. PriorityQueue默认情况下是小堆—即每次获取到的元素都是最小的元素

PriorityQueue常用接口介绍

优先级队列的构造

此处只是列出了PriorityQueue中常见的几种构造方式，其他的学生们可以参考帮助文档

构造器	功能介绍
PriorityQueue()	创建一个空的优先级队列，默认容量是11
PriorityQueue(int initialCapacity)	创建一个初始容量为initialCapacity的优先级队列，注意： initialCapacity不能小于1，否则会抛IllegalArgumentException异 常
PriorityQueue(Collection<? extends E> c)	用一个集合来创建优先级队列

static void TestPriorityQueue(){
    // 创建一个空的优先级队列，底层默认容量是11
    PriorityQueue<Integer> q1 = new PriorityQueue<>();
    
    // 创建一个空的优先级队列，底层的容量为initialCapacity
    PriorityQueue<Integer> q2 = new PriorityQueue<>(100);
    ArrayList<Integer> list = new ArrayList<>();
    list.add(4);
    list.add(3);
    list.add(2);
    list.add(1);
    
    // 用ArrayList对象来构造一个优先级队列的对象
    // q3中已经包含了三个元素
    PriorityQueue<Integer> q3 = new PriorityQueue<>(list);
    System.out.println(q3.size());
    System.out.println(q3.peek());
}

注意：默认情况下，PriorityQueue队列是小堆，如果需要大堆需要用户提供比较器

// 用户自己定义的比较器：直接实现Comparator接口，然后重写该接口中的compare方法即可
//1.
class Student implements Comparable<Student>{
    public String name;
    public int age;

    public Student(String name, int age) {
        this.name = name;
        this.age = age;
    }

    @Override
    public String toString() {
        return "Student{" +
                "name='" + name + '\'' +
                ", age=" + age +
                '}';
    }

    @Override
    public int compareTo(Student o) {
        return this.age-o.age;
        //return o.age-this.age;
    }
}
//2.
class Student {
    public String name;
    public int age;

    public Student(String name, int age) {
        this.name = name;
        this.age = age;
    }

    @Override
    public String toString() {
        return "Student{" +
                "name='" + name + '\'' +
                ", age=" + age +
                '}';
    }

}
class AgeComparator implements Comparator<Student>{

    @Override
    public int compare(Student o1, Student o2) {
        return o2.age-o1.age;
    }
}

// 用户自己定义的比较器：直接实现Comparator接口，然后重写该接口中的compare方法即可

public static void main4(String[] args) {

    AgeComparator ageComparator = new AgeComparator();

    PriorityQueue<Student> students = new PriorityQueue<>(ageComparator);
    //1.PriorityQueue<Student> students = new PriorityQueue<>();
    students.offer(new Student("bit",19));
    students.offer(new Student("gaobo",9));
    System.out.println(students);
}

观察源码可得实现原理

插入/删除/获取优先级最高的元素

函数名	功能介绍
boolean offer(E e)	插入元素e，插入成功返回true，如果e对象为空，抛出NullPointerException异常，时间复杂度[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WSMb4OTw-1649167805282)(图片/image-20220325173931075.png)] ，注意：空间不够时候会进行扩容 (每放一个数据就会，进行比较向上调整，放入的数据必须是可比较的即有比较器)
E peek()	获取优先级最高的元素，如果优先级队列为空，返回null
E poll()	移除优先级最高的元素并返回，如果优先级队列为空，返回null
int size()	获取有效元素的个数
void clear()	清空
boolean isEmpty()	检测优先级队列是否为空，空返回true

注意：以下是JDK 1.8中，PriorityQueue的扩容方式：

private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
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);
}
private static int hugeCapacity(int minCapacity) {
    if (minCapacity < 0) // overflow
    	throw new OutOfMemoryError();
    return (minCapacity > MAX_ARRAY_SIZE) ? Integer.MAX_VALUE :MAX_ARRAY_SIZE;
}

优先级队列的扩容说明：

• 如果容量小于64时，是按照oldCapacity的2倍方式扩容的
• 如果容量大于等于64，是按照oldCapacity的1.5倍方式扩容的
• 如果容量超过MAX_ARRAY_SIZE，按照MAX_ARRAY_SIZE来进行扩容

优先级队列的应用

top-k问题：最大或者最小的前k个数据

class Solution {
    public int[] smallestK(int[] arr, int k) {
        // 参数检测
        if(null == arr || k <= 0)
        	return new int[0];
        
        PriorityQueue<Integer> q = new PriorityQueue<>(arr.length);
        // 将数组中的元素依次放到堆中
        for(int i = 0; i < arr.length; ++i){
        	q.offer(arr[i]);
        } 
        // 将优先级队列的前k个元素放到数组中
        int[] ret = new int[k];
        for(int i = 0; i < k; ++i){
        	ret[i] = q.poll();
        } 
        return ret;
   }
}

最难不过坚持！