一、堆
堆是一种基本的数据结构,本质是一棵完全二叉树。
堆分为最大堆和最小堆。堆常用于构建优先队列,堆排序,哈夫曼树/编码等。
- 最大堆:父节点的值比所有子节点的值都要大或者相等
- 最小堆:父节点的值比所有子节点的值都要小或者相等(如下图)
如上图所示,堆的底层数据结构通常采用数组来存储
1、插入
以最小堆为例,插入后依然保持最小堆的特性,首先针对下面的最小堆,插入数据1
数据1插入到数组尾部,发现比父节点10小,则交换
交换之后发现数据1依然比父节点的值小,再次交换,直到父节点的值大于等于它
2、删除:删除最大堆的最大值,最小堆的最小值,即堆顶,让剩下的数据继续保持最小最大堆的特性
以上图插入结果为例,删除最小堆的堆顶数值为1的元素
删除后,做了几次交换,依然保持了最小堆特性。
二、优先队列(PriorityQueue)
优先队列是JDK1.5开始提供的API,默认最小堆排序,源码可自行在jdk查看,这里就不多说了。
// 默认最小堆
PriorityQueue<Integer>minQ=new PriorityQueue<Integer>();
minQ.offer(1);
minQ.offer(13);
minQ.offer(6);
while (!minQ.isEmpty()) {
System.out.println(minQ.poll());
}
// 通过比较器 定义最大堆
PriorityQueue<Integer>maxQ=new PriorityQueue<Integer>((a,b)->b-a);
maxQ.offer(1);
maxQ.offer(13);
maxQ.offer(6);
while (!maxQ.isEmpty()) {
System.out.println(maxQ.poll());
}
PriorityQueue<Integer>maxQ2=new PriorityQueue<Integer>((a,b)->{return b-a;});
maxQ2.offer(1);
maxQ2.offer(13);
maxQ2.offer(6);
while (!maxQ2.isEmpty()) {
System.out.println(maxQ2.poll());
}
// 通过比较器,定义集合的排序
PriorityQueue<Integer>maxQ3=new PriorityQueue<Integer>(new Comparator<Integer>() {
public int compare(Integer o1, Integer o2) {
return o2-o1;
}
});
maxQ3.offer(1);
maxQ3.offer(13);
maxQ3.offer(6);
while (!maxQ3.isEmpty()) {
System.out.println(maxQ3.poll());
}
// 数组比较器
PriorityQueue<int[]>queue1=new PriorityQueue<int[]>((a,b)->b[0]-a[0]);
queue1.offer(new int[]{1,4});
queue1.offer(new int[]{3,2});
queue1.offer(new int[]{2,8});
while (!queue1.isEmpty()) {
int[] tmp=queue1.poll();
System.out.println(tmp[0]);
System.out.println(tmp[1]);
}
-
offer 和 add的区别:offer返回布尔值,add失败会抛异常
-
Poll 和 remove的区别:poll失败返回null,remove失败会抛异常
-
peek 和 element的区别:peek失败返回null,element失败会抛异常
下面是LeetCode的一道题 703. Kth Largest Element in a Stream 的示例
import java.util.PriorityQueue;
// 工具类,求出第K大的数字
public class KthLargest {
public static void main(String[] args) {
int k = 3;
int[] arr = {4, 5, 8, 2};
KthLargest kthLargest = new KthLargest(3, arr);
System.out.println(kthLargest.add(3)); // returns 4
System.out.println(kthLargest.add(5)); // returns 5
System.out.println(kthLargest.add(10)); // returns 5
System.out.println(kthLargest.add(9)); // returns 8
System.out.println(kthLargest.add(4)); // returns 8
}
private PriorityQueue<Integer> priorityQueue;
private int k;
public KthLargest(int k, int[] nums) {
this.priorityQueue = new PriorityQueue<Integer>();
this.k = k;
for (int i = 0; i < nums.length; i++) {
priorityQueue.add(nums[i]);
}
while (priorityQueue.size() > k) {
priorityQueue.poll();
}
}
public int add(int val) {
this.priorityQueue.add(val);
while (priorityQueue.size() > k) {
priorityQueue.poll();
}
return priorityQueue.peek();
}
}
优点和用途
- PriorityQueue对比数组插入和删除(O(n)的复杂度)效率更高,复杂度为 O(logn) ,每次插入和删除后依然保持堆特性。
- PriorityQueue数据有序的输出出来
- 哈夫曼编码等,第K个最大最小值