普通的队列是一种先进先出的数据结构,元素在队列尾追加,而从队列头删除。在某些情况下,我们可能需要找出队列中的最大值或者最小值。普通的队列要完成这样的功能,需要每次遍历队列中的所有元素,比较并找出最大值,效率不是很高,这个时候,我们就可以使用一种特殊的队列来完成这种需求,优先队列。
优先队列按照其作用不同,可以分为以下两种:
- 最大优先队列:可以获取并删除队列中最大的值
- 最小优先队列:可以获取并删除队列中最小的值
一、最大优先队列
之前学习过堆,而堆这种结构是可以方便的删除最大的值,所以,接下来我们可以基于堆实现最大优先队列。
代码实现(和堆的实现代码几乎完全相同)
package Heap;
import javax.swing.*;
public class MaxPriorityQueue<T extends Comparable<T>> {
private T[] item; //存储堆中的元素
private int n; //记录堆中元素的个数
public MaxPriorityQueue(int capacity) {
item = (T[]) new Comparable[capacity + 1];
this.n = 0;
}
public int size(){
return n;
}
public boolean isEmpty(){
return n == 0;
}
private boolean less(int i, int j){
return item[i].compareTo(item[j]) < 0;
}
private void exch(int i, int j){
T temp = item[i];
item[i] = item[j];
item[j] = temp;
}
//往堆中插入一个元素
public void insert(T element){
item[++n] = element;
swim(n);
}
//上浮算法
private void swim(int k){
//如果是根节点就不再上浮了
while (k > 1){
if(less(k / 2, k)){
//父节点小于当前结点就交换
exch(k / 2, k);
}
k = k / 2; //更新当前结点的索引
}
}
public T delMax(){
T max = item[1];
exch(1, n);
//删除最后一个位置的元素
item[n] = null;
n--;
sink(1);
return max;
}
//下沉算法
private void sink(int k){
//叶节点不用下沉了
while(2 * k <= n){
//找子节点中的较大者
int max = 2 * k;
if(2 * k + 1 <= n){ //存在右子节点
if (less(2 * k, 2 * k + 1)){
max = 2 * k + 1;
}
}
//比较当前结点和较大的子节点
if (!less(k, max)){
break;
}
exch(k, max);
k = max;
}
}
}
public class PriorityQueueTest {
public static void main(String[] args) {
String[] arr = {"S", "O", "R", "T", "E", "X", "A", "M", "P", "L", "E"};
MaxPriorityQueue<String> maxpq = new MaxPriorityQueue<String>(20);
for (String s : arr) {
maxpq.insert(s);
}
System.out.println(maxpq.size());
String del;
while (!maxpq.isEmpty()){
del = maxpq.delMax();
System.out.print(del + " ");
}
}
}
二、最小优先队列
前面学习堆的时候,堆中存放数据元素的数组要满足都满足如下特性:
1. 最大的元素放在数组的索引1处。
2. 每个结点的数据总是大于等于它的两个子结点的数据。
其实之前实现的堆可以把它叫做最大堆,我们可以用相反的思想实现最小堆,让堆中存放数据元素的数组满足如下特性:
1.最小的元素放在数组的索引1处。
2.每个结点的数据总是小于等于它的两个子结点的数据。
代码实现:
package Heap;
public class MinPriorityQueue<T extends Comparable<T>> {
private T[] item; //存储堆中的元素
private int n; //记录堆中元素的个数
public MinPriorityQueue(int capacity) {
item = (T[]) new Comparable[capacity + 1];
this.n = 0;
}
public int size(){
return n;
}
public boolean isEmpty(){
return n == 0;
}
private boolean less(int i, int j){
return item[i].compareTo(item[j]) < 0;
}
private void exch(int i, int j){
T temp = item[i];
item[i] = item[j];
item[j] = temp;
}
//往堆中插入一个元素
public void insert(T element){
item[++n] = element;
swim(n);
}
//上浮算法
private void swim(int k){
//如果是根节点就不再上浮了
while (k > 1){
if(less(k, k / 2)){
//当前结点小于父节点就交换
exch(k, k / 2);
}
k = k / 2; //更新当前结点的索引
}
}
public T delMin(){
T min = item[1];
exch(1, n);
//删除最后一个位置的元素
item[n] = null;
n--;
sink(1);
return min;
}
//下沉算法
private void sink(int k){
//叶节点不用下沉了
while(2 * k <= n){
//找子节点中的较大者
int min = 2 * k;
if(2 * k + 1 <= n && less(2 * k + 1, 2 * k)){ //存在右子节点
min = 2 * k + 1;
}
//比较当前结点和较小的子节点
if (less(k, min)){
break;
}
//当前结点大,交换
exch(k, min);
k = min;
}
}
}
public class PriorityQueueTest {
public static void main(String[] args) {
String[] arr = {"S", "O", "R", "T", "E", "X", "A", "M", "P", "L", "E"};
// MaxPriorityQueue<String> maxpq = new MaxPriorityQueue<String>(20);
MinPriorityQueue<String> minqueue = new MinPriorityQueue<String>(20);
for (String s : arr) {
minqueue.insert(s);
}
System.out.println(minqueue.size());
String del;
while (!minqueue.isEmpty()){
del = minqueue.delMin();
System.out.print(del + " ");
}
}
}