一、把我能想到的写下来
1.堆排序 思路:
先复习一下上一篇中构建堆的方法,一种是逐个 add ,每次加在末尾,并上浮到根节点;一种是(在已有数组的基础上)自下向上依次下沉。
&zui#160; 堆排序的过程,以结果降序为例,**其实就是不断取得最大值的过程。**如果问原地排序,要想到第二种方式,当构建好堆后,堆的根节点就是最大值,每次获取根节点,然后把它与末尾交换,新的节点到了根的位置,可能会破坏大顶堆的结构,对根节点再进行下沉即可恢复大顶堆结构。这就是方法一——原地排序。再有,联想到上一篇的 deleteMax 方法,也可以获取最大值,不断地调用,也是原地排序的,而且这个办法还简单。
; 2020复习,我发现其实这俩一个意思… …
方法一:原地堆排序。不占用额外空间。
从最后一个非叶子节点开始,(因为叶子节点可以看作是天然的堆)siftDown,(这个siftDown不像之前的siftDown,是heap类中的,用的是该类的数组data,我们直接在传入的数组的基础上进行元素交换)直到根为止, 这样堆顶元素一定是最大值,然后每次将堆顶与数组最后一个元素交换,(这样就可以使最大的元素在最后)然后数组的Length-1,由于原来的数组已经是堆结构,因此只需要调整根和它的左右子树,即让根siftDown即可,就又能保证堆的性质。
方法二:
把数组先变成堆,(可以在heap类中写一个构造方法,传入数组),每次调用extractMax方法,取出并删除堆顶元素,可以逆序存储(下标从大到小)到新的数组中。
优先级队列:
队列有入队enQueue操作、出队deQueue操作、取队头但不删除peek、取队头并删除???操作、判空isEmpty操作、取得长度getSize操作,队是先进先出的。
(2)写一遍代码:
//自己写一遍 堆排序
public class heapSort
{
//方法一:先把数组变成堆.再调用extractMax方法,逆序存储堆顶元素,即从小到大排序
public Object[] heapSort1(Object[] disorderly)
{ heap heap4=new heap(disorderly);
Object[]orderly=new Object[disorderly.length];
int length=heap4.getSize();
for(int i=length-1;i>=0;i--)
{ orderly[i]=heap4.extractMax();}
return orderly; }
//方法二:原地堆排序。Okay
//首先,将数组变成堆,不使用heap类中的data数组,在原数组基础上交换元素,
// 先原地变成堆
//然后每次将堆顶——即最大值和数组最后的元素交换
//除堆顶外其他子树仍是堆结构
//再将根siftDown
//次数为数组的length
//简便起见,不像heap的构造器中传入了比较器,这里的类型为int
public int[] heapSort3(int[] disordly)
{//最后一个非叶子节点
int i=getFather(disordly.length-1);
for(int j=i;j>=0;j--)
{siftDown(disordly,j);}
return disordly;
}
private void siftDown(int[]data,int index) {
while (getLeft(index) < data.length) {
if(data[getMaxChild(data,index)]>data[index])
{ int change=getMaxChild(data,index);
swap2(data,getMaxChild(data,index), index);
index=change;}
else break;
}
}
private void swap2(int[]data,int index1,int index2)
{ int temp=data[index1];
data[index1]=data[index2];
data[index2]=temp; }
private int getFather(int index)
{return (index-1)/2;}
private int getLeft(int index)
{return index*2+1;}
private int getRight(int index)
{return index*2+2;}
private int getMaxChild(int[]data,int index1)
{if(getRight(index1)==data.length) return getLeft(index1);
if(data[getLeft(index1)]>data[getRight(index1)])
return getLeft(index1);
else return getRight(index1);
}
}
改良了siftDown(见上篇博客),测试均通过。
(3)算法题练习:https://leetcode-cn.com/problems/top-k-frequent-elements/submissions/
LeetCode347 给定一个非空的整数数组,返回其中出现频率前 k 高的元素。
思路:优先级队列-jdk1.5内置的-出队操作最先出的是值最小的。
新建一个Map,用来存储数组的元素值和其对应的频率。遍历数组,将值和频率存入。
优先级队列是优先级高的先出队,(那么在队中剩下的就是优先级低的,应当是频率的值大的)。队列中只放k个元素,(只放元素不放频率)进队的规则就是,当前元素的频率比队列中的最小的频率大时就入队。然后那个最小的会出队(验证了值越小的优先级越高,因此需要改写一下)遍历完Map,即可得到频率前k高的元素。
结合内置的优先级队列,(需要让队列放k+1个元素,最后的结果放在大小为k的List中)判断是否入队的规则是:遍历Map时,先将目前的元素入队,再根据频率,执行出队操作(这样就可以让最小频率出队)。获取结果,可以调用队列的toArray方法存储到数组,再通过List倒一下。
有一个问题,我们希望入队入的是元素值,而执行出队的依据(比较器)是频率,而优先队列的构造方法只能传入初始化优先队列长度和比较器,怎么实现入的是元素,而比较的是频率??? 可以创建一个类valueAndf,在该类中提供一个比较器,让频率去作比较。那么Map中放的key是元素的值,放的value是valueAndf。
我写的代码:
package BinaryTree.Heap.LeetCode347;
import java.util.*;
public class Solution {
class valueAndF implements Comparable
{
@Override
public String toString() {
return "valueAndF{" +
"value=" + value +
", frequecy=" + frequecy +
'}';
}
public valueAndF(int value, int frequecy)
{this.value=value;
this.frequecy=frequecy;}
private int value;
private int frequecy;
public int compareTo(Object o) {
if(this.frequecy>((valueAndF)o).frequecy) return 1;
if(this.frequecy==((valueAndF)o).frequecy) return 0;
else return -1;
}
}
public List<Integer> topKFrequent(int[] nums, int k) {
PriorityQueue priorityQueue=new PriorityQueue(nums.length+1);
Map<Integer,valueAndF>keyAndFreq=new HashMap();
for(int i:nums)
{ if(keyAndFreq.get(i)==null)
{ valueAndF vandf=new valueAndF(i,1);
keyAndFreq.put(i,vandf);}
else{int frequecy=keyAndFreq.get(i).frequecy+1;
valueAndF vandf=new valueAndF(i,frequecy);
keyAndFreq.put(i,vandf); }}
for(valueAndF i:keyAndFreq.values())
{if(priorityQueue.size()<k)
{priorityQueue.add(i);}
else { priorityQueue.add(i);
priorityQueue.poll(); }
}
List result=new ArrayList<>();
int[] save=new int[keyAndFreq.size()];
valueAndF[]v=new valueAndF[keyAndFreq.size()];
for(int i=0;i<k;i++)
{ v[i]=(valueAndF)priorityQueue.poll();
save[i]=v[i].value;
}
for(int i=k-1;i>=0;i--){result.add(save[i]);}
return result;}}
(这个好像是我第一次不参考任何人的代码,AC的中等题,嘻嘻~。)
通过这道算法题,我还发现JDK1,5内置的优先级队列Priority是这样的,我们可以让进队的类(能进队的一定是具有可比性的,需要覆写比较器的相应方法)以Comparable的compareTo方法为例:
public int compareTo(Object o) {
if(this.frequecy<((valueAndF)o).frequecy) return 1;
if(this.frequecy==((valueAndF)o).frequecy) return 0;
else return -1;
}
当add()了新的元素时,当前这个元素就相当于this(this指代当前对象),而优先级队列的队头元素就相当于o,如果当前元素的frequecy小于队头的frequecy,那么它不会成为队头,这样一来,就会是大的值先出队。
而本题是需要最小值先出队,因此我们需要写成
if(if(this.frequecy>((valueAndF)o).frequecy) return 1;)
(为方便记忆,总结为:想知道最神马值先出队,就看o)
(还要记住一点,优先级队列永远是优先级高的先出队(所以本题中值越小优先级越高。)(其实这个意义也不大,还是知道值大值小先出队来得实在。))
2020重写代码,已通过:
public class Solution {
public List<Integer> topKFrequent(int[] nums, int k) {
HashMap<Integer,Integer> map=new HashMap();
PriorityQueue<Integer> queue=new PriorityQueue(new Comparator() {
@Override
public int compare(Object o1, Object o2) {
return map.get((Integer) o1)-map.get((Integer) o2);
}
});
ArrayList arrayList=new ArrayList();
for(int i=0;i<nums.length;i++)
{
if(map.get(nums[i])==null)
{
map.put(nums[i],1);
}
else
{ map.put(nums[i],map.get(nums[i])+1);
}
}
for(Integer i:map.keySet())
{
int frequecy=map.get(i);
if(queue.size()<k)
{
queue.add(i);
}
else
{
int currentMinQ=map.get(queue.peek());
if(frequecy>currentMinQ)
{
queue.poll();
queue.add(i);
}
}
}
while (!queue.isEmpty())
{
arrayList.add(queue.poll());
}
return arrayList;
}
}
别整那么复杂的,用 一个 HashMap,存 值和频率 就好了,在新建优先队列时,构造方法中传入 Comparator ,比较规则是只比较频率,入队时入的是数值。这就是典型的 TOP k问题,如果求 前k大,比如这道题,就用小顶堆(即每次都让最小值出队,这样当前新的值与队中最小值比较,如果比最小值大,就要替换掉它。)覆写 compare 方法时,==返回 o1-o2 ==,即实现的是 小顶堆。
(有时间研究一下优先队列。)