文章目录
一、定义
优先级队列(priority queue):
- 0个或多个元素的集合
- 每个元素都有一个优先级或值。
- 与FIFO结构的队列不同,优先级队列中元素出队列的顺序由元素的优先级决定。
- 从优先级队列中删除元素是根据优先级高或低的次序,而不是元素进入队列的次序.
- 优先级队列中的元素可以有相同的优先级
对优先级队列执行的操作有:
- 查找一个元素(top)
- 插入一个新元素(push)
- 删除一个元素(pop)
两种优先级队列:
- 最小优先级队列:“查找/删除” 操作用来“查找/删除”优先级最小的元素
- 最大优先级队列:“查找/删除”操作用来“查找/删除”优先级最大的元素
二、ADT
实例:
- 有限个元素集合
- 每个元素都有一个优先级
操作(以最大优先级队列为例):
- empty():判断优先级队列是否为空,为空时返回true
- Size():返回队列中的元素数目
- top():返回优先级最大的元素
- pop():删除优先级最大的元素
- push(x):插入元素x
三、优先队列的描述
3 种描述方法:
- 线性表
- 堆
- 左高树
3.1 线性表
采用无序线性表来描述最大优先级队列
- 数组描述(利用公式Location(i)=i-1)
插入:表的右端末尾执行,时间: Θ ( 1 ) \Theta(1) Θ(1) ;
删除: 查找优先级最大的元素,时间: Θ ( n ) \Theta(n) Θ(n); - 链表描述
插入:在链头执行,时间: Θ ( 1 ) \Theta(1) Θ(1);
删除: 查找优先级最大的元素, Θ ( n ) \Theta(n) Θ(n) ;
采用有序线性表描述最大优先级队列
- 数组描述(利用公式Location(i)=i-1),元素按递增次序排列)
插入:先查找插入元素的位置,时间: O(n) ;
删除: 删除最右元素,时间: Θ ( 1 ) \Theta(1) Θ(1) ; - 链表描述(按递减次序排列)
插入:先查找插入元素的位置,时间: O(n) ;
删除: 表头删除,时间: Θ ( 1 ) \Theta(1) Θ(1) ;
3.2 堆
大/小根树:
- 每个节点的值都大于(小于)或等于其子节点(如果有的话)值的树
- 大根树(max tree):又称最大树
- 小根树(min tree):又称最小树
- 大根树或小根树节点的子节点个数可以大于2
大根堆/小根堆:
- 既是大根树(小根树),又是
完全二叉树
- 大根堆(max heap):又称最大堆
- 小根堆(min heap):又称最小堆
堆是完全二叉树
,可用一维数组有效地描述堆。
关于完全二叉树,见本系列数据结构C++——二叉树和树
3.2.1 最大堆的ADT
数据成员:
- T *heap; // 元素数组
- int arrayLength; //数组的容量
- int heapSize; //堆中的元素个数
方法:
- empty():判断heapSize是否为0
- Size():返回heapSize的值
- top():如果 堆为空(heapSize==0),抛出异常queueEmpty;否则返回 heap[1](heap[0]未使用)
- pop()
- push(x)
重点:插入push、删除pop
3.2.2 最大堆的插入
流程:
- 作为叶子节点插入最大堆
- 与其父节点比较,若新插入节点更大,则两者交换(实际只是将父节点的值向下移)。否则该位置就是合法的,插入结束。
- 若发生交换,则重复这个过程,直到位置合法/交换为根节点
代码实现:
template<class T>
maxHeap<T>& maxHeap<T>::push(const T& theElement)
{
// 把theElement 插入到大根堆中
if (heapSize = = arrayLength-1) // 没有足够空间
……//数组长度加倍
//为theElement寻找应插入位置
// currentNode 从新的叶节点开始,并沿着树上升
int currentNode = ++heapSize;
while (currentNode != 1 && theElement > heap[currentNode/2])
{
//不能够把theElement放入heap[currentNode]
heap[currentNode] = heap[currentNode/2]; // 将元素下移
currentNode /= 2; // 移向父节点
}
heap[currentNode] = theElement;
}
插入的时间复杂度:
- 插入的时间复杂性.
每一层的工作,耗时: Θ ( 1 ) \Theta(1) Θ(1) - 实现插入策略的时间复杂性:
O ( h e i g h t ) = O ( l o g 2 n ) O(height) = O(log_2n) O(height)=O(log2n) (n 是堆的大小)
3.2.3 最大堆的删除
流程:
- 删除heap[1]
- 将最后一个元素heap[heapsize–]放到heap[1]的位置
- 显然,此时不满足最大堆的性质
- 因此,需要重新调整最大堆
调整为最大堆:
- current初始化为1,指向根的位置,表示被替换的空位置
- child 初始化为2,指向current的左孩子
- lastElemet = 原来最大堆的最后一个元素
- 循环判断: