目录
1. 优先级队列的概念
前面介绍过队列,队列是一种先进先出(FIFO)的数据结构,但有些情况下,操作的数据可能带有优先级,一般出队列时,可能需要优先级高的元素先出队列,该中场景下,使用队列显然不合适,比如:在手机上玩游戏的时候,如果有来电,那么系统应该优先处理打进来的电话;初中那会班主任排座位时可能会让成绩好的同学先挑座位。
在这种情况下,数据结构应该提供两个最基本的操作,一个是返回最高优先级对象,一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)。
2. 优先级队列的模拟实现
JDK1.8中的PriorityQueue底层使用了堆这种数据结构,而堆实际就是在完全二叉树的基础上进行了一些调整。
2.1 堆的概念
如果有一个关键码的集合K = {k0,k1, k2,…,kn-1},把它的所有元素按完全二叉树的顺序存储方式存储 在一个一维数组中,并满足:Ki <= K2i+1 且 Ki<= K2i+2 (Ki >= K2i+1 且 Ki >= K2i+2) i = 0,1,2…,则称为 小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆,根节点最小的堆叫做最小堆或小根堆。
堆的性质:
1.堆中某个节点的值总是不大于或不小于其父节点的值
2.堆总是一颗完全二叉树
2.2 堆的存储方式
从堆的概念可知,堆是一棵完全二叉树,因此可以层序的规则采用顺序的方式来高效存储。
将元素存储到数组中后,可以根据二叉树章节的性质5对树进行还原。假设i为节点在数组中的下标,则有:
1. 如果i为0,则i表示的节点为根节点,否则i节点的双亲节点为 (i - 1)/2
2. 如果2 * i + 1 小于节点个数,则节点i的左孩子下标为2 * i + 1,否则没有左孩子
3. 如果2 * i + 2 小于节点个数,则节点i的右孩子下标为2 * i + 2,否则没有右孩子
2.3 堆的创建
2.3.1 堆向下调整
对于集合{ 27,15,19,18,28,34,65,49,25,37 }中的数据,如果将其创建成堆呢?
根节点的左右子树已经完全满足堆的性质,因此只需将根节点向下调整好即可
向下过程(以大根堆为例):
1. 让parent标记需要调整的节点,child标记parent的左孩子(注意:parent如果有孩子一定先是有左孩子)
2. 如果parent的左孩子存在,即:child < size, 进行以下操作,直到parent的左孩子不存在
2.1 parent右孩子是否存在,存在找到左右孩子中最大的孩子,让child进行标
2.2 将parent与较小的孩子child比较,如果:
2.2.1 parent大于较小的孩子child,调整结束
2.2.2 否则:交换parent与较大的孩子child,交换完成之后,parent中大的元素向下移动,可能导致子
树不满足对的性质,因此需要继续向下调整,即parent = child;child = parent*2+1; 然后继续第2步。
2.3.2 代码实现
package csdn;
/**
* Created with IntelliJ IDEA.
* Description:
* User: YAO
* Date: 2023-03-27
* Time: 14:31
*/
public class heap {
public int[] elem;
public int usedSize;
public heap(){
this.elem = new int[10];
}
public void intElem(int[] array){
//给数组进行赋值
for (int i = 0; i < array.length; i++) {
elem[i] = array[i];
usedSize++;
}
}
/**
* 1.创建大根堆 ---> 向下调整的方式
*/
public void createHeap(){
for (int i = (usedSize-1)/2; i >= 0; i--){
shiftDown(i, usedSize);
}
}
public void shiftDown(int parent, int end){
int child = 2*parent + 1;
while (child < end){
//1.有右孩子的情况下
if(child+1<end && elem[child]>elem[child+1]){
// 让child代表最大的孩子节点的下标
child++;
}
if (elem[child] > elem[parent]){
int tmp = elem[child];
elem[child] = elem[parent];
elem[parent] = tmp;
//向下调整
parent = child;
child = 2*parent+1;
}
else {
//调整完毕
break;
}
}
}
}
2.3.3 向下调整时间复杂度分析
最坏的情况,从根一路比较到叶子,比较的次数为完全二叉树的高度,即时间复杂度为
2.3.3 建堆的时间复杂度分析
因为堆是完全二叉树,而满二叉树也是完全二叉树,此处为了简化使用满二叉树来证明(时间复杂度本来看的就是
近似值,多几个节点不影响最终结果)
2.4 堆的插入与删除
2.4.1 堆的插入
堆的插入总共需要两个步骤:
1. 先将元素放入到底层空间中(注意:空间不够时需要扩容)
2. 将最后新插入的节点向上调整,直到满足堆的性质
2.4.2 代码实现
package csdn;
import java.util.Arrays;
/**
* Created with IntelliJ IDEA.
* Description:
* User: YAO
* Date: 2023-03-27
* Time: 14:31
*/
public class heap {
public int[] elem;
public int usedSize;
public heap(){
this.elem = new int[10];
}
public void intElem(int[] array){
//给数组进行赋值
for (int i = 0; i < array.length; i++) {
elem[i] = array[i];
usedSize++;
}
}
public void offer(int val){
if (isFull()){
elem = Arrays.copyOf(elem,2*elem.length);
}
elem[usedSize] = val;
usedSize++;
shiftUp(usedSize-1);
}
//向上调整
private void shiftUp(int child) {
int parent = 2*child+1;
while (child>0){
if (elem[child] > elem[parent]){
int tmp = elem[child];
elem[child] = elem[parent];
elem[parent] = tmp;
child = parent;
parent = (child-1)/2;
}
else {
break;
}
}
}
//判断堆满
private boolean isFull() {
return usedSize == elem.length;
}
}
2.4.3 向上调整时间复杂度分析
最坏的情况,从根一路比较到叶子,比较的次数为完全二叉树的高度,即时间复杂度为
2.4.4 向上调整建堆时间复杂度分析
2.4.5 堆的删除
注意:堆的删除一定删除的是堆顶元素。具体如下:
1. 将堆顶元素对堆中最后一个元素交换
2. 将堆中有效数据个数减少一个
3. 对堆顶元素进行向下调整
2.4.6 代码实现
package csdn;
import java.util.Arrays;
/**
* Created with IntelliJ IDEA.
* Description:
* User: YAO
* Date: 2023-03-27
* Time: 14:31
*/
public class heap {
public int[] elem;
public int usedSize;
public heap(){
this.elem = new int[10];
}
public void shiftDown(int parent, int end){
int child = 2*parent + 1;
while (child < end){
//1.有右孩子的情况下
if(child+1<end && elem[child]>elem[child+1]){
// 让child代表最大的孩子节点的下标
child++;
}
if (elem[child] > elem[parent]){
int tmp = elem[child];
elem[child] = elem[parent];
elem[parent] = tmp;
//向下调整
parent = child;
child = 2*parent+1;
}
else {
//调整完毕
break;
}
}
}
public void poll(int val){
if (isEmpty()){
return;
}
swap(elem,elem[0],elem[usedSize-1]);
usedSize--;
shiftDown(0,usedSize);
}
public boolean isEmpty(){
return usedSize == 0;
}
private void swap(int[] arr, int i,int j){
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
}
3.常用接口介绍
3.1 PriorityQueue的特性
Java集合框架中提供了PriorityQueue和PriorityBlockingQueue两种类型的优先级队列,PriorityQueue是线
程不安全的,PriorityBlockingQueue是线程安全的,本文主要介绍PriorityQueue。
v
关于PriorityQueue的使用要注意:
1. 使用时必须导入PriorityQueue所在的包
2. PriorityQueue中放置的元素必须要能够比较大小,不能插入无法比较大小的3.对象,否则会抛出ClassCastException异常
3.不能插入null对象,否则会抛出NullPointerException
4.没有容量限制,可以插入任意多个元素,其内部可以自动扩容(最大容量为int的最大值)
5. 插入和删除元素的时间复杂度为
6.PriorityQueue底层使用了堆数据结构
7.PriorityQueue默认情况下是小堆---即每次获取到的元素都是最小的元素
public class testHeap {
public static void main2(String[] args) {
//测试优先级队列
//1.
Queue<Integer> priorityQueue1 = new PriorityQueue<>();
priorityQueue1.offer(10);
priorityQueue1.offer(1);
System.out.println(priorityQueue1.poll()); // 输出1,证明优先级队列默认是小根堆
//2. PriorityQueue中放置的元素必须要能够比较大小,不能插入无法比较大小的对象,否则会抛出
// ClassCastException异常
Queue<Student> priorityQueue2 = new PriorityQueue<>();
//不可以比较,没有说明怎么比较
priorityQueue2.offer(new Student("张三",1));
priorityQueue2.offer(new Student("李四",3));
System.out.println(priorityQueue1.poll());
//3.不能插入null对象,否则会抛出NullPointerException
priorityQueue1.offer(null);
//4.没有容量限制,可以插入任意多个元素,其内部可以自动扩容
}
}
3.2 PriorityQueue常用接口介绍
3.2.1 优先级队列的构造
static void TestPriorityQueue(){
// 创建一个空的优先级队列,底层默认容量是11
PriorityQueue<Integer> q1 = new PriorityQueue<>();
// 创建一个空的优先级队列,底层的容量为initialCapacity
PriorityQueue<Integer> q2 = new PriorityQueue<>(100);
ArrayList<Integer> list = new ArrayList<>();
list.add(4);
list.add(3);
list.add(2);
list.add(1);
// 用ArrayList对象来构造一个优先级队列的对象
// q3中已经包含了三个元素
PriorityQueue<Integer> q3 = new PriorityQueue<>(list);
System.out.println(q3.size());
System.out.println(q3.peek());
}
3.2.2. 插入/删除/获取优先级最高的元素
函数名 | 功能介绍 |
boolean offer(E e) | 插入元素e,插入成功返回true,如果e对象为空,抛出NullPointerException异常,时间复杂度O(logn) ,注意:空间不够时候会进行扩容 |
E peek() | 获取优先级最高的元素,如果优先级队列为空,返回null |
E poll() | 移除优先级最高的元素并返回,如果优先级队列为空,返回null |
int size() | 获取有效元素的个数 |
void clear() | 清空 |
boolean isEmpty() | 检测优先级队列是否为空,空返回true |
4.topK问题
见面试题系列
1.求前k个最大值
2.求前k个最小值
👇👇点击下方👇👇