优先级队列
二叉树的顺序存储
把一颗完全二叉树按照层序遍历的顺序存在数组中,则有:
假设当前下标为i:
则i下标节点的
父亲节点是:(i-1)/2
左孩子节点是:i2+1
右孩子节点是:i2+2
堆
堆的作用时找到一组数据中的最大值/最小值
大堆:根节点的值比根节点所在这棵树的所有节点的值都大,就叫大堆,也叫大根堆,或最大堆。反之就叫做小堆,小根堆,最小堆。
大堆(小堆)的所有子树都为大堆(小堆)。
调整一颗二叉树成为大堆或小堆时,应该先调整它的子树,当其所有子树都为大堆或小堆时,再进行最后的调整
堆在逻辑上时一颗完全二叉树,实际是保存在数组中的
在堆排序中的时间复杂度为O(n)
下图为一颗二叉树变为大堆时,调整过程:
而在入堆时,把节点加在最后一个节点之后,然后进行调整,此时只需调整所有包含此节点的二叉树。如:上图中若在val值为6的节点的左孩子节点加一个节点,则需要调整val为(6,19,98)的这三颗二叉树。
在出堆时,若需要出第一个节点,则应把第一个节点与最后一个节点的位置互换,然后再出掉最后一个节点之后再进行调整。如图,若需要出堆98,则交换98与4,在把堆中 val为4,28的节点进行调整。
TOPK问题,就是找一组数据中最大(小)的K个数据,如果找最大,则用小堆,如果找最小,则用大堆。
PriorityQueue
实例化:
PriorityQueue<Integer> que = new PriorityQueue<>();
默认为小堆:
PriorityQueue que = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o1-o2;
}
});
此时定义为小堆
PriorityQueue que = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2-o1;
}
});
此时定义为大堆
也可定义堆的大小
PriorityQueue que = new PriorityQueue<>(5,new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2-o1;
}
});
此时是大小为5的大堆
在PriorityQueue中:如果定义的是大堆,那么在存入元素的时候就会自动将最大数调整到根节点,反之,最小数调整到根节点。
TOP-K问题
TOP-K问题:就是找出一组数据最大(小)的K个数字,如果找最大,则用小堆,如果找最小,则用大堆。如:找K个最大的数据,就建立一个大小为K 的小堆,先入这组数据的前K个数字,每次都与PriorityQueue的队首元素去比较,如果比较结果是数据比队首元素大,则出掉队首,比较的这个数字进队。遍历完成后,PriorityQueue里面的元素就是要求的所有元素
找出最大的K个数字
public static int[] topK(int[] array,int k) {
PriorityQueue<Integer> minHeap = new PriorityQueue<>(k,
new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o1-o2;
}
});
for (int i = 0; i < array.length; i++) {
if(k > 0) {
minHeap.offer(array[i]);
k--;
}else {
Integer val = minHeap.peek();
if(array[i] > val) {
minHeap.poll();
minHeap.offer(array[i]);
}
}
}
int[] ret = new int[minHeap.size()];
for(int i = 0;i<minHeap.size();i++){
ret[i] = minHeap.poll();
}
return ret;
找出和最小的K对数字
//此处并没有按照TOPK问题的思路去解
public List<List<Integer>> kSmallestPairs(int[] nums1, int[] nums2, int k) {
PriorityQueue<List<Integer>> que = new PriorityQueue<>(new Comparator<List<Integer>>() {
@Override
public int compare(List<Integer> o1, List<Integer> o2) {
return (o1.get(0)+o1.get(1))-(o2.get(0)+o2.get(1));
}
});
List<List<Integer>> ret = new ArrayList<>();
for (int i = 0; i < nums1.length; i++) {
for (int j = 0; j < nums2.length; j++) {
List<Integer> tmp= new ArrayList<>();
tmp.add(nums1[i]);
tmp.add(nums2[j]);
ret.add(tmp);
}
}
if (k>nums1.length*nums2.length) return ret;
for (int i = 0;i<ret.size();i++){
que.offer(ret.get(i));
}
ret.clear();
for (;k>0;k--) {
ret.add(que.poll());
}
return ret;
}