索引最小优先队列的实现

概述

最大优先队列和最小优先队列，它们分别可以快速访问到队列中的最大元素和最小元素，但是它们没有办法通过索引访问已存在于优先队列中的对象，并更新它们。

为此，在优先队列的基础上，引入了一种新的数据结构——索引优先队列。

下面以最小优先队列进行讲解。

实现思路

1. 给每一个数据元素关联一个整数，例如insert（int k, T t），k就是t关联的整数，通过k，我们可以快速获取t，k具有唯一性；
2. 虽然可以快速获取元素，但元素的排列并不是堆有序的。因此，增加数组int[] pq，保存每个元素的索引，pq实现堆有序即可。也就是说，pq[1]对应的元素items[pq[1]]小于等于items[pq[2]]和items[pq[3]]；
   
   
3. 通过上浮和下沉做堆调整时，其实调整的是pq数组。如果需要对items中的元素进行修改，比如让items[0] = “H”，我们需要对pq中的数据做堆调整，而且是调整pq[9]中元素的位置。但现在有一个问题，我们修改的是items数组中0索引处的值，如何才能快速知道需要挑中pq[9]中元素的位置呢？
4. 为此，我们引入了另一个数组，int[] qp，用来存储pq的逆序。例如pq[1]=6，则qp[6] = 1;
5. 有了pq数组后，如果我们修改items[0]=“H”，就可以先通过索引0，在qp数组中通过qp[0]=9查到索引，然后直接调整pq[9]即可。

Java实现

public class IndexMinPriorityQueue<T extends Comparable<T>> {
    //存储堆中的元素
    private T[] items;
    //保存每个元素在items数组中的索引，pq数组需要堆有序
    private int[] pq;
    //保存pq的逆序，pq的值作为索引，pq的索引作为值
    private int[] qp;
    //记录堆中元素的个数
    private int N;

    public IndexMinPriorityQueue(int capacity) {
        this.items = (T[]) new Comparable[capacity+1];
        this.pq = new int[capacity+1];
        this.qp= new int[capacity+1];
        this.N = 0;

        //默认情况下，队列中没有存储任何数据，让qp和pq中的元素都为-1；
        for (int i = 0; i < qp.length; i++) {
            qp[i]=-1;
        }
        for (int i = 0; i < pq.length; i++) {
            pq[i]=-1;
        }
    }

    //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;
    }
    
    //判断k对应的元素是否存在
    public boolean contains(int k) {
        //默认情况下，qp的所有元素都为-1，如果某个位置插入了数据，则不为-1
        return qp[k] != -1;
    }

    //最小元素关联的索引
    public int minIndex() {
        //pq的索引1处，存放的是最小元素在items中的索引
        return pq[1];
    }

    //往队列中插入一个元素,并关联索引i
    public void insert(int i, T t) {
        //判断i是否已经被关联，如果已经被关联，则不让插入
        if (contains(i)){
            return;
        }
        //元素个数+1
        N++;
        //把数据存储到items对应的i位置处
        items[i] = t;
        //在pq的N索引处存放i
        pq[N] = i;
        //在qp的i索引处存放N
        qp[i] = N;
        //上浮items[pq[N]],让pq堆有序
        swim(N);
    }

    //删除队列中最小的元素,并返回该元素关联的索引
    public int delMin() {
        //获取最小元素关联的索引
        int minIndex = pq[1];
        //交换pq中索引1处和最大索引处的元素
        exch(1,N);
        //删除qp中对应的内容
        qp[pq[N]] = -1;
        //删除pq最大索引处的内容
        pq[N] = -1;
        //删除items中对应的内容
        items[minIndex] = null;
        //元素个数-1
        N--;
        //对pq[1]做下沉，让堆有序
        sink(1);
        return minIndex;
    }

    //删除索引i关联的元素
    public void delete(int i) {
        //找到i在pq中的索引
        int k = qp[i];
        //交换pq中索引k处的值和索引N处的值
        exch(k,N);
        //删除qp中的内容
        qp[pq[N]] = -1;
        //删除pq中的内容
        pq[N] = -1;
        //删除items中对应的内容
        items[i] = null;
        //元素的数量-1
        N--;
        //堆的调整
        sink(k);
        swim(k);
    }

    //把与索引i关联的元素修改为t
    public void changeItem(int i, T t) {
        //修改items数组中i位置的元素为t
        items[i] = t;
        //找到i在pq中出现的位置
        int k = qp[i];
        //堆调整
        sink(k);
        swim(k);
    }

    //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) {
        while(k>1){
            if (less(k,k/2)){
                exch(k,k/2);
            } else {
            	break;
            }
            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){
            //找到子结点中的较小值
            int min;
            if (2*k+1<=N){
                if (less(2*k,2*k+1)){
                    min = 2*k;
                }else{
                    min = 2*k+1;
                }
            }else{
                min = 2*k;
            }
            //比较当前结点和较小值
            if (!less(min,k)){
                break;
            }
            exch(k,min);
            k = min;
        }
    }

    //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[pq[i]].compareTo(items[pq[j]])<0;
    }

    //交换堆中i索引和j索引处的值
    private void exch(int i, int j) {
        //交换pq中的数据
        int tmp = pq[i];
        pq[i] = pq[j];
        pq[j] = tmp;
        //更新qp中的数据
        qp[pq[i]] = i;
        qp[pq[j]] = j;
    }
}

public class Test {
    public static void main(String[] args) {
        String[] arr = {"S","O","R","T","E","X","A","M","P","L","E"};
        IndexMinPriorityQueue<String> indexMinPQ = new IndexMinPriorityQueue<>(20);
        // 插入
        for (int i=0; i<arr.length; i++) {
            indexMinPQ.insert(i, arr[i]);
        }
        System.out.println(indexMinPQ.size());
        // 获取最小值的索引
        System.out.println(indexMinPQ.minIndex());

        // 测试修改
        indexMinPQ.changeItem(0,"Z");
        int minIndex = -1;
        while(!indexMinPQ.isEmpty()) {
            minIndex = indexMinPQ.delMin();
            System.out.print(minIndex+",");
        }
    }
}

11
6
6,4,10,9,7,1,8,2,3,5,0,