文章目录
1.优先级队列
1.1 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，这种场景下，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。
在这种情况下，我们的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底层使用了堆的数据结构，而堆实际就是在完全二叉树的基础之上进行了一些元素的调 整。
2.1 堆的概念
堆：是在完全二叉树的基础上进行了条件的限制，即：每个节点都比其孩子节点大，则为大堆；每个节点都比其孩子节点小则为小堆。
-
完全二叉树比较适合使用顺序结构存储。
-
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：
- 堆中某个节点的值总是不大于或不小于其父节点的值；
- 堆总是一棵完全二叉树。
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，
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：
- 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
- 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
- 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
建堆时，从每一个非叶子节点开始，倒着一直到根节点，都要执行一次向下调整算法。
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？
仔细观察上图后发现： 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(以小堆为例)：
- 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
- parent右孩子是否存在，存在找到左右孩子中最小的孩子，让child进行标
- 将parent与较小的孩子child比较，如果：
- parent小于较小的孩子child，调整结束
- 否则：交换parent与较小的孩子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2。调整：向下调整。从每棵子树的根节点开始进行调整。每棵子树的调整属于向下调整。
2.3.2 创建大根堆
//建堆：大根堆
public void createHeap(){
for(int parent=(usedSize-1-1)/2;parent>=0;parent--){
shiftDown(parent,usedSize);
}
}
//判断左右孩子谁大，前提是必须有右孩子
if(child+1<len && elem[child]<elem[child+1]){
child++;//此时保存了最大值的下标
}
private void swap(int[] array,int i,int j){
int tmp=array[i];
array[i]=array[j];
array[j]=tmp;
}
import java.util.Arrays;
/**
* @author Susie-Wen
* @version 1.0
* @description:
* @date 2022/7/15 10:29
*/
public class TestHeap {
public int[] elem;//堆的底层是数组
public int usedSize;//当前堆中有效元素的数据个数
//提供一个构造方法
public TestHeap(){
this.elem=new int[10];
this.usedSize=0;
}
public void initArray(int[] array){
elem= Arrays.copyOf(array,array.length);
usedSize= elem.length;
}
//建堆：大根堆
public void createHeap(){
for(int parent=(usedSize-1-1)/2;parent>=0;parent--){
shiftDown(parent,usedSize);
}
}
/**
*实现向下调整
* @param parent 每棵子树的根节点下标
* @param len 每棵子树的结束位置
*/
private void shiftDown(int parent,int len){
int child=2*parent+1;//使用公式
//起码得有左孩子才能进入循环
while(child<len){
//判断左右孩子谁大，前提是必须有右孩子
if(child+1<len && elem[child]<elem[child+1]){
child++;//此时保存了最大值的下标
}
if(elem[child]>elem[parent]){
swap(elem,child,parent);
parent=child;
child=2*parent-1;
}else{
break;
}
}
}
private void swap(int[] array,int i,int j){
int tmp=array[i];
array[i]=array[j];
array[j]=tmp;
}
}
public class Test{
public static void main(String[] args) {
TestHeap testHeap=new TestHeap();
int[] array={27,15,19,18,28,34,65,49,25,37};
testHeap.initArray(array);
testHeap.createHeap();
System.out.println("nlnancaklc");//在此处设置断点
}
}
2.3.3 建堆时间复杂度
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)：
- 需要移动的节点的次数就是时间复杂度。
因此： 建堆的时间复杂度为O(N)。
题目：
2.4 堆的插入和删除
2.4.1堆插入
插入操作需要执行向上调整算法。
例如：向大根堆当中插入一个数字80，插入数据之后，必须保证仍然是一个大根堆。
public void offer(int x){
if(isFull()){
//如果数组满了，就进行扩容
elem=Arrays.copyOf(elem,elem.length*2);
}
this.elem[usedSize]=x;//将要插入的元素放到最末尾去
usedSize++;
shiftUp(usedSize-1);
}
//插入元素：向上调整
public void shiftUp(int child){
int parent=(child-1)/2;
while(child>0){
if(elem[child]>elem[parent]){
swap(elem,child,parent);
child=parent;
parent=(child-1)/2;
}else{
break;
}
}
}
public boolean isFull(){
return usedSize==elem.length;
}
2.4.2堆删除
堆删除：删的是堆顶元素，常见操作是将堆顶元素与堆中最后一个元素交换，然后堆中元素个数减少一个，重新将堆顶元素往下调整。
//出队：删除元素
public int poll(){
if(isEmpty()){
return -1;//这里写一个异常也可以
}
int old=elem[0];//记录下来要删的值
swap(elem,0,usedSize-1);
usedSize--;
shiftDown(0,usedSize);
return old;
}
public boolean isEmpty(){
return usedSize==0;
}
3.常用接口介绍
3.1 PriorityQueue的特性
JAVA当中的PriorityQueue底层默认是一个小根堆。
public class Test02 {
public static void main(String[] args) {
PriorityQueue<Integer> priorityQueue=new PriorityQueue<>();
priorityQueue.offer(12);
priorityQueue.offer(5);
priorityQueue.offer(42);
priorityQueue.offer(8);
System.out.println(priorityQueue.peek());
System.out.println(priorityQueue.poll());
}
}
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。
3.2 PriorityQueue使用的注意事项
- 使用时必须导入PriorityQueue所在的包，即：
import java.util.PriorityQueue;
- 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。
比如：里面的元素放的是学生类
class Student implements Comparable<Student>{
public int age;
@Override
public int compareTo(Student o) {
return this.age-o.age;
}
}
public class Test03 {
public static void main(String[] args) {
PriorityQueue<Student> priorityQueue=new PriorityQueue<>();
priorityQueue.offer(new Student());
priorityQueue.offer(new Student());
}
}
- 不能插入null对象，否则会抛出NullPointerException。
- 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。
- 插入和删除元素的时间复杂度为
- PriorityQueue底层使用了堆数据结构（注意：是小根堆）。
- 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。
3.3 PriorityQueue的构造方法
此处只是列出了PriorityQueue中常见的几种构造方式：
| 构造器 | 功能介绍 |
|---|---|
| PriorityQueue() | 创建一个空的优先级队列，默认容量是11 |
| PriorityQueue(intinitialCapacity) | 创建一个初始容量为initialCapacity的优先级队列，注意：initialCapacity不能小于1，否则会抛IllegalArgumentException异 常 |
| PriorityQueue(Collection<? extends E> c) | 用一个集合来创建优先级队列 |
class Student implements Comparable<Student>{
public int age;
@Override
public int compareTo(Student o) {
return this.age-o.age;
}
}
class AgeComparator implements Comparator<Student>{
@Override
public int compare(Student o1, Student o2) {
return o1.age-o2.age;
}
}
public class Test03 {
public static void main(String[] args) {
AgeComparator ageComparator=new AgeComparator();
PriorityQueue<Student> priorityQueue=new PriorityQueue<>(ageComparator);
priorityQueue.offer(new Student());
priorityQueue.offer(new Student());
}
}
3.4 PriorityQueue的offer方法
3.5 PriorityQueue函数介绍
| 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(log2N)，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 |
3.6 PriorityQueue扩容
以下是JDK 1.8中， PriorityQueue的扩容方式：
private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;
private void grow(int minCapacity) {
int oldCapacity = queue.length;
// Double size if small; else grow by 50%
int newCapacity = oldCapacity + ((oldCapacity < 64) ?
(oldCapacity + 2) :
(oldCapacity >> 1));
// overflow-conscious code
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
queue = Arrays.copyOf(queue, newCapacity);
}
private static int hugeCapacity(int minCapacity) {
if (minCapacity < 0) // overflow
throw new OutOfMemoryError();
return (minCapacity > MAX_ARRAY_SIZE) ?
Integer.MAX_VALUE :
MAX_ARRAY_SIZE;
}
优先级队列的扩容说明：
- 如果容量小于64时，是按照oldCapacity的2倍方式扩容的
- 如果容量大于等于64，是按照oldCapacity的1.5倍方式扩容的
- 如果容量超过MAX_ARRAY_SIZE，按照MAX_ARRAY_SIZE来进行扩容
4.堆的应用
4.1 常见习题
-
下列关键字序列为堆的是:()
A: 100,60,70,50,32,65
B: 60,70,65,50,32,100
C: 65,100,70,32,50,60
D: 70,65,100,32,50,60
E: 32,50,100,70,65,60
F: 50,100,70,65,60,32
答案：A -
已知小根堆为8,15,10,21,34,16,12 ，删除关键字8之后需重建堆 ，在此过程中 ，关键字之间的比较次数是()
A: 1
B: 2
C: 3
D: 4
答案：C
-
一组记录排序码为(5 11 7 2 3 17),则利用堆排序方法建立的初始堆为()
A: (11 5 7 2 3 17)
B: (11 5 7 2 17 3）
C: (17 11 7 2 3 5)
D: (17 11 7 5 3 2)
E: (17 7 11 3 5 2)
F: (17 7 11 3 2 5)
答案：C -
最小堆[0,3,2,5,7,4,6,8],在删除堆顶元素0之后 ，其结果是()
A: [3 ，2 ，5 ，7 ，4 ，6 ，8]
B: [2 ，3 ，5 ，7 ，4 ，6 ，8]
C: [2 ，3 ，4 ，5 ，7 ，8 ，6]
D: [2 ，3 ，4 ，5 ，6 ，7 ，8]
答案：C
4.2 top-k问题
top-k问题：求最大或者最小的前k个数据。比如：世界前500强公司。
对于这类问题，可以使用优先级队列。而优先级队列可以做是因为它的底层是堆，因此就相当于堆问题的应用。
class Solution {
public int[] smallestK(int[] arr, int k) {
int[] ret=new int[k];//这里创建的是k个数，不能是其他的整数
if(k==0)return ret; //这里由测试用例可知，不能直接返回null
//由于是求最小的k个元素，因此创建大小为k的大根堆
PriorityQueue<Integer> maxPQ=new PriorityQueue<>(k,new Comparator<Integer>() {
@Override //匿名内部类，重写comparator方法
public int compare(Integer o1, Integer o2) {
//这里的类型要写Integer，不能写int
return o2-o1;//这里可以看出是创建大根堆，如果变成小根堆则是o1-o2
}
});
for(int i=0;i<arr.length;i++){
if(maxPQ.size()<k){
maxPQ.offer(arr[i]);//只要堆没有满就入堆
}else{
//获取堆顶元素
int top=maxPQ.peek();
//找前k个最小的
if(arr[i]<top){
maxPQ.poll();//出堆顶元素
maxPQ.offer(arr[i]);//把当前循环到的元素放到堆中
//每次执行一次offer方法，就会重新调整一下堆，使得其堆顶元素一直是最大的
}
}
}
for(int i=0;i<k;i++){
int val=maxPQ.poll();//每次弹出一个元素
ret[i]=val;
}
return ret;
}
}
TOP-K问题：即求数据集合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。
比如：专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能数据都 不能一下子全部加载到内存中)。最佳的方式就是用堆来解决，基本思路如下：
- 1、用数据集合中前K个元素来建堆
- 前k个最大的元素，则建小堆
- 前k个最小的元素，则建大堆
- 2、用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素，将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素。
4.3 堆排序
堆排序即利用堆的思想来进行排序，总共分为两个步骤：
- 1、建堆
- 升序：建大堆
- 降序：建小堆
- 2、利用堆删除思想来进行排序
建堆和堆删除中都用到了向下调整，因此掌握了向下调整，就可以完成堆排序。
public void heapSort(){
int end=usedSize-1;
while(end>0){
swap(elem,0,end);shiftDown(0,end);
end--;
}
}
2782
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
