PriorityQueue（优先级队列＜--堆）

最新推荐文章于 2024-06-21 17:14:47 发布
最新推荐文章于 2024-06-21 17:14:47 发布
阅读量913 收藏 9
点赞数 30
分类专栏： Java专栏 文章标签： java 数据结构 开发语言 学习 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_74411357/article/details/139601298
版权

目录

前言 

１.概念 

２.优先级队列的模拟实现 

2.1 堆的概念

2.2 堆的存储方式 

2.3 堆的创建 

2.4 堆的插入和删除 

3. PriorityQueue的相关介绍 

3.1 PriorityQueue的特性 

3.2 优先级队列的构造 

PriorityQueue的实现 

Top-k问题

​​​​​​​

前言 

本篇博客介绍关于PriorityQueue即优先级队列---堆的相关知识，旨在帮助大家理解优先级队列，即堆的深层含义，对于数据结构的进一步理解提供了思路……

１.概念 

这里补充一下队列的相关知识，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；初中那会班主任排座位时可能会让成绩好的同学先挑座位。

在这种情况下，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，)。

２.优先级队列的模拟实现 

JDK1.8中的PriorityQueue底层使用了堆这种数据结构，

而堆实际就是在完全二叉树的基础上进行了一些调整。 

2.1 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 且 Ki= K2i+1 且 Ki >= K2i+2) i = 0，1，2…，则称为小堆(或大堆)。将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： 

  • 堆中某个节点的值总是不大于或不小于其父节点的值；
  • 堆总是一棵完全二叉树。 

小根堆＆＆大根堆图示理解如下： 

2.2 堆的存储方式 

从上面我们可以知道：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， 

对于非完全二叉树，则不适合使用顺序方式进行存储，这里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，我们假设i为节点在数组中的下标，则可以得到：

  • 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

2.3 堆的创建 

  • 堆的向下调整 

 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

  • parent右孩子是否存在，存在找到左右孩子中最小的孩子，让child进行比较 
  • 将parent与较小的孩子child比较

        如果：

  •      parent小于较小的孩子child，调整结束
  •      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。这里给大家提供一个例子：

  • 代码思想： 
public void shiftDown(int[] array, int parent) {
    // child先标记parent的左孩子，因为parent可能右左没有右
    int child = 2 * parent + 1;
    int size = array.length;
    
    while (child < size) {
        
        // 如果右孩子存在，找到左右孩子中较小的孩子,用child进行标记
        if(child+1 < size && array[child+1] < array[child]){
        child += 1;
       }
        
        // 如果双亲比其最小的孩子还小，说明该结构已经满足堆的特性了
        if (array[parent] <= array[child]) {
            break;
       }else{
            // 将双亲与较小的孩子交换
       int t = array[parent];
       array[parent] = array[child];
       array[child] = t;
            
            // parent中大的元素往下移动，可能会造成子树不满足堆的性质，因此需要继续向下调整
            parent = child;
            child = parent * 2 + 1;
       }
   }
}

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O(log2n)。

那么当根节点的左右子树不满足堆的特性，又该如何调整呢？ 

提供如下代码参考： 

public static void createHeap(int[] array) {
    // 找倒数第一个非叶子节点，从该节点位置开始往前一直到根节点，遇到一个节点，应用向下调整
    int root = ((array.length-2)>>1);
    for (; root >= 0; root--) {
        shiftDown(array, root);
   }
}
  • 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)：最终看如下推导过程：

所以，建堆的时间复杂度为O(N)。  

2.4 堆的插入和删除 

  • 堆的插入

总共需要两个步骤：

              1. 先将元素放入到底层空间中(注意：空间不够时需要扩容)

              2. 将最后新插入的节点向上调整，直到满足堆的性质 

这里给大家提供图示帮助理解：

  • 参考代码： 
public void shiftUp(int child) {
    // 找到child的双亲
     int parent = (child - 1) / 2;
    
    while (child > 0) {
        // 如果双亲比孩子大，parent满足堆的性质，调整结束
        if (array[parent] > array[child]) {
            break;
       }
        else{
            // 将双亲与孩子节点进行交换 
            int t = array[parent];
            array[parent] = array[child];
            array[child] = t;
        
            // 小的元素向下移动，可能到值子树不满足对的性质，因此需要继续向上调增
            child = parent;
            parent = (child - 1) / 1;
       }
   }
}
  • 堆的删除 

注意：堆的删除一定删除的是堆顶元素。

具体如下： 1. 将堆顶元素对堆中最后一个元素交换

                   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  

图示理解如下： 

这里用堆模拟实现一下优先级队列：

public class MyPriorityQueue {
    // 演示作用，不再考虑扩容部分的代码
    private int[] array = new int[100];
    private int size = 0;
    
    public void offer(int e) {
        array[size++] = e;
        shiftUp(size - 1);
   }
    
    public int poll() {
        int oldValue = array[0];
        array[0] = array[--size];
        shiftDown(0);
        return oldValue;
   }
    
    public int peek() {
        return array[0];
   }
}

3. PriorityQueue的相关介绍 

3.1 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.

这里我们主要了解PriorityQueue，如下图所示： 

关于PriorityQueue的使用要注意：

1. 使用时必须导入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 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  

3.2 优先级队列的构造 

参考代码：

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());
   }

这里需要注意的是：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，此时创建的就是大堆。 

// 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
class IntCmp implements Comparator<Integer>{
    @Override
    public int compare(Integer o1, Integer o2) {
        return o2-o1;
   }
}
 
public class TestPriorityQueue {
    public static void main(String[] args) {
        PriorityQueue<Integer> p = new PriorityQueue<>(new IntCmp());
        p.offer(4);
        p.offer(3);
        p.offer(2);
        p.offer(1);
        p.offer(5);
        System.out.println(p.peek());
   }
}
  • 插入/删除/获取优先级最高的元素  

static void TestPriorityQueue2(){
    int[] arr = {4,1,9,2,8,0,7,3,6,5};
 
    // 一般在创建优先级队列对象时，如果知道元素个数，建议就直接将底层容量给好
    // 否则在插入时需要不多的扩容
    // 扩容机制：开辟更大的空间，拷贝元素，这样效率会比较低
    PriorityQueue<Integer> q = new PriorityQueue<>(arr.length);
    for (int e: arr) {
        q.offer(e);
   }
 
    System.out.println(q.size());   // 打印优先级队列中有效元素个数
    System.out.println(q.peek());   // 获取优先级最高的元素
 
    // 从优先级队列中删除两个元素之和，再次获取优先级最高的元素
    q.poll();
    q.poll();
    System.out.println(q.size());   // 打印优先级队列中有效元素个数
    System.out.println(q.peek());   // 获取优先级最高的元素
 
    q.offer(0);
    System.out.println(q.peek());   // 获取优先级最高的元素
 
    // 将优先级队列中的有效元素删除掉，检测其是否为空
    q.clear();
    if(q.isEmpty()){
        System.out.println("优先级队列已经为空!!!")；
        }
        else{
            System.out.println("优先级队列不为空");
}        
}
  • PriorityQueue的扩容方式

JDK1.8版本： 

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

  • PriorityQueue的实现 

用堆作为底层结构封装优先级队列   

  • 堆排序  

两个步骤：

                1. 建堆   升序：建大堆

                              降序：建小堆

                2. 利用堆删除思想来进行排序  

这里给大家介绍一下Top-k问题 。

  • Top-k问题

TOP-K问题：即求数据集合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。

比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。

对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能数据都 不能一下子全部加载到内存中)。最佳的方式就是用堆来解决，

基本思路如下：

1. 用数据集合中前K个元素来建堆

  • 前k个最大的元素，则建小堆
  • 前k个最小的元素，则建大堆

2. 用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素

将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素。  

这里给出关于Top-k问题解决的详细代码,供大家参考：

//使用比较器创建小根堆
class LessIntComp implements Comparator<Integer>{
@Override
public int compare(Integer o1, Integer o2) {
return o1 - o2;
}
}
//使用比较器创建大根堆
class GreaterIntComp implements Comparator<Integer>{
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
}
public class TestDemo<E> {
//求最小的K个数，通过比较器创建大根堆
public static int[] smallestK(int[] array, int k) {
if(k <= 0) {
return new int[k];
}
GreaterIntComp greaterCmp = new GreaterIntComp();
PriorityQueue<Integer> maxHeap = new PriorityQueue<>(greaterCmp);
//先将前K个元素，创建大根堆
for(int i = 0; i < k; i++) {
maxHeap.offer(array[i]);
}
//从第K+1个元素开始，每次和堆顶元素比较
for (int i = k; i < array.length; i++) {
int top = maxHeap.peek();
if(array[i] < top) {
maxHeap.poll();
maxHeap.offer(array[i]);
}
}
//取出前K个
int[] ret = new int[k];
for (int i = 0; i < k; i++) {
int val = maxHeap.poll();
ret[i] = val;
}
return ret;
}
public static void main(String[] args) {
int[] array = {4,1,9,2,8,0,7,3,6,5};
int[] ret = smallestK(array,3);
System.out.println(Arrays.toString(ret));
}
}

 

 

 

 

爱编程的Tom
关注
  • 30
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
优先级队列PriorityQueue----堆
m0_47265327的博客
04-27 171
堆 , PriorityQueue , 优先级队列
优先级队列 - 堆 - PriorityQueue
mu_tong_的博客
10-21 695
本文 ： 优先级队列
优先级队列-----堆
qq_46235384的博客
03-11 441
堆 堆逻辑上首先是一棵完全二叉树 大根堆/大堆：堆中根节点值 >= 子树的节点值，叫做大堆/大根堆/最大堆 小根堆/小堆：堆中根节点值 <= 子树的节点值，叫做小堆/大根堆/最大堆 注意 在最大堆中，当前的根节点是最大的，在任意子树中也满足 节点的大小关系和所处的层次无关 二叉树的存储方式 使用顺序表存储完全二叉树时，节点的索引和节点的关系如下： 根节点从0开始编号，已知父节点为k，左子树索引为2k+1，右子树索引为2k+2 已知子节点为k，父节点就是（...
PriorityQueue优先级队列
m0_68700019的博客
05-28 883
手把手教你创建堆，堆的完整创建代码、优先级队列的使用，图文详解
进阶JavaSE-PriorityQueue优先级队列
x0919的博客
10-22 1372
大家好。好久不见，今天我们接着上次讲完List接口以及List底层所实现的一些容器。今天我们来讲一下Java中的另外一个容器：优先级队列！这个容器，底层是一个堆，那么具体什么是堆？什么是优先级队列？我们往下看！！！ 一、堆的概念 堆，实则就是一颗二叉树的抽象，堆在底层实现，是用一个数组来存储数据的。堆有两种： 大根堆 小根堆 大根堆：在一颗二叉树中，堆顶的元素是整课树中最大的，对于每颗子树而言，也是如此。 小根堆：在一颗二叉树中，堆顶的元素是整棵树中最小的，对于每颗子树而言，也是如此。 上图就是两种堆
优先级队列------堆（Heap）
qq_45277758的博客
03-28 813
一、三种堆的区别： 1、 优先级队列（堆）：是一种特殊的数据结构，本质上是一个二叉树 2、Java中的"堆"：JVM持有的内存中的一个内存区域 3、操作系统中的"堆"：每个进程也持有一定的内存空间，在这上面也有一个内存区域叫做堆 - 优先级队列： 优先级队列也是一个队列，但不是单纯的先进先出，而是把优先级最高的先出去，该队列内部的结构就是’堆’ - 常用接口 1、PriorityQueue 1)单纯的整形优先级队列入队和出队—按照数字大小顺序来出队 import java.util.PriorityQueu
PriorityQueue优先级队列 ----- 堆排序
SUPERCHAT8的博客
09-17 235
特点 优先级队列是无界的(默认容量为11：DEFAULT_INITIAL_CAPACITY = 11)，最大可以达到 Integer.MAX_VALUE ,容量不够会使用grow(size)方法实现扩容 线程不安全，对应的线程安全类:PriorityBlockingQueue 类 不允许为 null PriorityQueue默认的是维持一个小顶堆 自定义的对象要实现 Comparator接口...
堆和PriorityQueue优先级队列的创建与使用
qq_56320180的博客
04-17 151
介绍了如何实现堆以及优先级的队列的性质
PriorityQueue优先级队列——java中的堆
defudove
04-01 434
此文依托力扣题目“前K个高频元素”主要讲解了：getOrDefault( ) 和 PriorityQueue 的用法
解析Java中PriorityQueue优先级队列结构的源码及用法
09-02
优先级队列的核心特性包括： 1. **数据结构**：PriorityQueue使用二叉堆作为其数据结构，通常是一个最小堆，保证队头元素是最小的。 2. **比较规则**：队列中的元素必须实现Comparable接口，或者在创建队列时提供...
PriorityQueue-MEX-Matlab 优先级队列 matlab
01-06
PriorityQueue-MEX-Matlab 优先级队列 matlab
具有有效更改功能的Rust优先级队列。-Rust开发
05-27
优先级和项目存储在IndexMap中，并且队列被实现为索引堆。 请在这里阅读API文档用法要使用此板条箱，只需在Cargo.toml中添加以下字符串：priority-queue =“ 1.0.0”版本号遵循semver约定。 然后，如以下示例所示，...
Java-PriorityQueue:任务优先级队列的实现
04-02
任务的优先队列 基于任务的PriorityQueue的实现在此程序中，用户可以： 注册新任务，并传递名称和优先级 提取并返回列表中优先级最低的任务 清除任务列表 列出所有待处理的任务及其优先级 导入和导出CSV文件中的...
优先级队列cpp文件PriorityQueue.cpp
07-13
优先级队列cpp文件PriorityQueue.cpp
数据结构与算法-差分数组及应用
qq_36115196的博客
06-20 902
差分数组： 其实差分数组是创建一个一个辅助数组，用来表示给定数组的变化，一般用来对数组进行区间修改的操作。
日常工作记录目录
与海
06-21 265
EasyExcel实现二维码下载与展示
Homebrew使用
最新发布
gghh2015的博客
06-21 354
具体参考：https://blog.csdn.net/m0_67402970/article/details/126434901。简介：https://www.jianshu.com/p/f4c9cf0733ea。2、查看安装路径：brew list maven。官网：https://brew.sh/
Java面试八股之简述JVM内存结构
u012151345的博客
06-20 962
在Java 8之前，永久代（Permanent Generation）是方法区的实现，之后被元空间（Metaspace）取代。总结来说，JVM内存结构设计精巧，通过区分线程私有和共享区域，以及细致划分各个区域的功能，确保了Java程序的高效、安全运行。每个线程都有自己的栈，用于存储方法调用时的信息，包括局部变量表、操作数栈、动态链接、方法出口等。方法区的一部分，存放编译期生成的各种字面量和符号引用，如字符串字面量、类名、方法名等。JVM中最大的一块内存区域，用于存储几乎所有的对象实例和数组。
线程安全的优先级队列PriorityQueue
09-06
线程安全的优先级队列PriorityQueue是通过使用DelayedWorkQueue实现的方式来实现的。DelayedWorkQueue是一个基于堆排序的线程安全队列，只能处理RunnableScheduledFuture类型的任务。它的实现方式类似于...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱编程的Tom

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值