概念
我们知道,队列是一种先进先出的数据结构,但有些情况下,操作的数据可能带有优先级,一般出队列时,就有可能让优先级高的元素先出队列,在这种情景下,无脑使用队列显然是不合适的。比方说:在玩手机游戏时,如果有来电,那么系统应该优先处理打来的电话
- 在这种情况下,数据结构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(PriorityQueue)
优先级队列的模拟实现
JDK1.8中的 PriorityQueue底层使用 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
堆的概念
堆分为小根堆和大根堆,以图的方式展示
- 小根堆:根结点数值 比 其左右孩子 都小
- 大根堆:根结点数值 比 其左右孩子 都大
说明:
- 只考虑根结点和它的左右孩子,即图中三角部分。三角部分满足堆的条件,那么它就是一个堆
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 以层序的规则采用顺序的方式来高效存储
注意:
-
对于 非完全二叉树,则不适合使用顺序方式进行存储,因为为了能够还原二叉树,空间中必须要存储 空节点 ,就会导致空间利用率比较低
-
将元素存储到数组中后,可以根据 二叉树的性质5 对树进行还原
完全二叉树的性质:对于一棵有 n 个结点的完全二叉树,对于序号为 i 的结点来说,有:
若 i > 0,双亲序号:(i-1)/2;i=0,i为根结点编号,无双亲结点
若 2i+1 < n,左孩子序号:2i+1,否则无左孩子
若 2i+2 < n,右孩子序号:2i+2,否则无右孩子
堆的基本操作
一、堆的创建
第一步:构建构造方法
代码:
private static final int DEFAULT_CAPACITY = 11;
int[] queue;
private int usedSize;//量化有效数据
public MyPriorityQueue() {
this.queue = new int[DEFAULT_CAPACITY];
}
第二步:初始化 queue 数组
- 为了方便测试功能,这里简单写一下,就不涉及扩容之类的操作了
代码:
public void Initialization(int[] array) {
for (int i = 0; i < array.length; i++) {
queue[i] = array[i];
usedSize++;
}
}
第三步:创建堆(以大根堆为例)
思路:向下调整
图解:图中是以小根堆为例,但文中是构建大根堆,不要搞混
- 图中是只有根结点需要调整,但实际上传入的数组是随机的,计算机并不知道哪些子树本身就是大根堆,所以要每一棵子树都要调整一遍才可以
想法:
- 从最后一层非叶结点的最后一棵子树开始 向下调整 。如图,从蓝色序列 ① 开始向下调整,调整完之后从 ② 随后是 ③④⑤…
- 知道了最后一棵子树的下标,也就知道了后面要调整的子树的下标,即当前根结点下标减一
如何找到最后一棵子树的位置呢?
通过完全二叉树的性质来确定,拿到最后一个结点的下标,就能通过下标找到其父结点
算法:
- 通过孩子结点(用指针
child
进行标记)找到最后一棵子树(用指针parent
进行标记) - 找到左右孩子的最大值,用
child
与parent
所指向的对象相比较,如果child > parent
,那么两者进行交换,child
指向parent
,parent
通过child
来确定 - 一直调整到 0 下标这颗树
细节补充:
- 想拿到最后一个子树的下标,就要拿到其孩子结点的下标。其孩子结点的下标即为数组长度 - 1 (
child = usedSize - 1
),通过完全二叉树性质,其父结点下标为parent = (child-1)/2
- 图解:
代码:
public void createHeap() {
for (int parent = (usedSize - 1 - 1) / 2; parent >= 0; parent--) {
shiftDown(parent, usedSize);
}
}
private void siftDown(int parent, int length) {
int child = 2 * parent + 1; //
// 如果存在左孩子,才能进入while语句
while (child < length) {
// 让child指针指向最大的孩子结点
if ((child + 1 < length) && (queue[child] < queue[child + 1])) {
// 如果不存在右孩子,那么这个表达式可能会造成数组下标越界异常!
child = child + 1;
}
if (queue[child] > queue[parent]) {
swap(child,parent);// 交换
// 向下调整
// parent 指向 child
parent = child;
child = 2*parent+1;
}else {
break; // 如果不大于,说明这棵子树符合堆结构,直接退出循环
}
}
}
// 交换
private void swap(int child, int parent) {
int tmp = queue[child];
queue[child] = queue[parent];
queue[parent] = tmp;
}
- 向下调整建堆的时间复杂度为:O(N)
- 也可以使用向上调整的方式建立堆,但这种建堆方式的时间复杂度为:O(N logN)*
曾困扰过我的一些问题
- 一棵子树有两个孩子,那么
child
指针应该指向哪个孩子结点呢?- 让
child
指向左右孩子中最大的那一个孩子结点,因为只有这个最大的孩子结点才有资格去和parent
结点相比较。如果这个child
结点数值大于parent
结点数值,两者交换后,child
结点的左右子树就无法确定是堆结构,所以要让parent
指向child
(对于child
结点来说,它本身也是一个根结点,它也有它的左右子树),再去判断child
这棵子树是否符合堆结构,即向下调整
- 让
如图:
- 在图一中,蓝框中的树是已经调整完毕的,现在要调整下标1的树。可以看到,1下标树的左子树中存在比根结点15还要大的孩子结点18、25,如果只是将49调整上去,就会发生图二中的情况,我们只是调整橙框中的树,并没有向下调整,导致这棵子树不符合堆结构
- 核心在于,有数值进行交换的两个结点,无法确保根结点与其下属子树的值是否符号堆的条件,交换过后的子树具有不确定性。要确保其下属子树符号根堆结构,就有了
parent
位置更改为child
,再去判断其子树是否符号堆条件
- 核心在于,有数值进行交换的两个结点,无法确保根结点与其下属子树的值是否符号堆的条件,交换过后的子树具有不确定性。要确保其下属子树符号根堆结构,就有了
- 循环结束条件疑问:不断向下调整,那么什么时候才结束呢?
- 通过二叉树性质5可知,如果已知根结点下标为
i
,树结点个数为n
,那么若2*i+1 < n
说明有左孩子,反之则无左孩子;因为是完全二叉树,没有左孩子,必然没有右孩子。循环条件即从这一条性质而来。
- 通过二叉树性质5可知,如果已知根结点下标为
第四步:堆的插入
思路:向上调整
- 堆的底层是用数组实现的,所以直接在数组有效数据的后面插入数据即可。
- 直接用插入进来的数据与根结点相比较(因为插入之前已经是堆结构了,根结点左右孩子是固定的,如果插入的数值比根结点还大,说明这个数值肯定比原根结点的左孩子大),若大于根结点,两者交换
注意:
- 插入前判断数组是否已满,若已满,则进行扩容操作
算法逻辑
- 这里的向上调整算法逻辑,其实就类似简单插入排序
代码:
public void offer(int val) {
if (isFull()) {
grow();
}
int i = usedSize;
if (i == 0) {
queue[0] = val;
}else {
siftUp(val,i);
}
usedSize++;
}
private void siftUp(int val, int child) {
// i 为插入下标
// 选择排序
while (child > 0) {
int parent = (child-1)/2;
int e = queue[parent];
if (val > e) {
queue[child] = e;
child = parent;
}else {
break;
}
}
queue[child] = val;
}
private void grow() {
queue = Arrays.copyOf(queue,queue.length*2);
}
private boolean isFull() {
return usedSize == queue.length;
}
第五步:堆的删除
堆的删除一定是删除堆顶元素
思路:
- 将堆顶元素与堆中最后一个元素交换
- 有效数据个数减 1
- 对堆顶元素进行向下调整
代码:
public int poll() {
if (usedSize == 0) {
throw new IndexOutOfBoundsException("数组为空");
}
// 返回堆顶元素
int result = queue[0];
// 拿到最后元素下标,并且有效数据个数减一
int size = --usedSize;
// 交换堆顶元素与最后一个元素
swap(0,size);
// 对堆顶元素进行向下调整
siftDown(0,size);
return result;
}