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
- 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;
- 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]];
- 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?
- 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;
- 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,