优先队列
优先队列
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,那就是优先队列
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
最大优先队列
//最大优先队列
public class MaxPriorityQueue<T extends Comparable<T>>{
private T[] items; //存储堆中元素
private int N; //记录堆中元素个数
//构造函数
public MaxPriorityQueue(int capacity){
this.items=(T[])new Comparable[capacity+1];
this.N=0;
}
//获取队列中元素的个数
public int size(){
return N;
}
//判断队列是否为空
public boolean isEmpty(){
return N==0;
}
//判断堆中索引i处的元素是否小于索引j处的元素
private boolean less(int i,int j){
return items[i].compareTo(items[j])<0;
}
//交换索引i处和索引j处的值
private void exchange(int i,int j){
T temp=items[i];
items[i]=items[j];
items[j]=temp;
}
//往堆中插入一个元素
public void insert(T t){
items[++N]=t;
swim(N); //上浮
}
//删除堆中最大的元素,并且返回这个最大的元素
public T delMax(){
T max=items[1];
//交换索引1和索引N处的值
exchange(1,N);
//删除最后位置上的元素
items[N]=null;
N--;
sink(1);
return max;
}
//上浮算法,使索引k处的元素能在堆中处于一个正确的值
public void swim(int k){
while (k>1){
//比较当前结点和其父节点
if(less(k/2,k)){
//父节点小于子节点,交换
exchange(k/2,k);
}
k=k/2;
}
}
//下沉算法,使索引k处的元素能在堆中处于一个正确的位置
public void sink(int k){
while (2*k<=N){
//找到子节点中较大者
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;
}
}
if(!less(k,max)){
break;
}
exchange(k,max);
k=max;
}
}
}
测试代码
import com.algorith.heap.MaxPriorityQueue;
public class MaxPriorityQueueTest {
public static void main(String[] args) throws Exception {
String[] arr = {"S", "O", "R", "T", "E", "X", "A", "M", "P", "L", "E"};
MaxPriorityQueue<String> maxpq = new MaxPriorityQueue<>(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+",");
}
}
}
最小优先队列
特点:
1.最小的元素放在数组索引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
public class MinPriorityQueue<T extends Comparable<T>> {
private T[] items; //存储在堆中的元素
private int N; //堆中元素个数
public MinPriorityQueue(int capacity){
this.items=(T[])new Comparable[capacity+1];
this.N=0;
}
//获取队列中元素的个数
public int size(){
return N;
}
//判断队列的元素是否为空
public boolean isEmpty(){
return N==0;
}
//判断堆中索引i处的元素是否小于j处的元素
private boolean less(int i,int j){
return items[i].compareTo(items[j])<0;
}
//交换索引i处和索引j处的值
private void exchange(int i,int j){
T temp=items[i];
items[i]=items[j];
items[j]=temp;
}
//往堆中插入一个元素
public void insert(T t){
items[++N]=t;
swim(N); //上浮
}
public T delMin(){
//索引1处的值是最小值
T min=items[1];
//交换索引1处和索引N处的值
exchange(1,N);
//删除索引N处的值
items[N]=null;
N--;
sink(1);
return min;
}
public void swim(int k){
while (k>1){
//如果当前结点小于父节点
if(less(k,k/2)){
exchange(k,k/2);
}
k=k/2;
}
}
public void sink(int k){
while (2*k<=N){
//找出子节点中较小的索引值
int min=2*k;
if(2*k+1<=N&&less(2*k+1,2*k)){
min=2*k+1;
}
//如果当前结点小于子节点中的最小值
if(less(k,min)){
break;
}
exchange(k,min);
k=min;
}
}
}
测试代码
import com.algorith.heap.MinPriorityQueue;
public class MinPriorityQueueTest {
public static void main(String[] args) throws Exception {
String[] arr = {"S", "O", "R", "T", "E", "X", "A", "M", "P", "L", "E"};
MinPriorityQueue<String> minpq = new MinPriorityQueue<>(20);
for (String s : arr) {
minpq.insert(s);
}
System.out.println(minpq.size());
String del;
while(!minpq.isEmpty()){
del = minpq.delMin();
System.out.print(del+",");
}
}
}
索引优先队列
最大优先队列和最小优先队列,它们可以分别访问队列中最大元素和最小元素,但是它们有一个缺点,就是没办法通过索引访问已存在于优先队列中的对象,并更新它们。为了实现这个目的,则需要用到索引优先队列
步骤一:
存储数据时,给每一个数据元素关联一个整数,例如insert(int k,T t),我们可以看做k是t关联的
整数,那么我们的实现需要通过k这个值,快速获取到队列中t这个元素,此时有个k这个值需要具有唯一性。
最直观的想法就是我们可以用一个T[] items数组来保存数据元素,在insert(int k,T t)完成插入时,可以把k看做是items数组的索引,把t元素放到items数组的索引k处,这样我们再根据k获取元素t时就很方便了,直接就可以拿到items[k]即可。
步骤二:
步骤一完成后的结果,虽然我们给每个元素关联了一个整数,并且可以使用这个整数快速的获取到该元素,但是,items数组中的元素顺序是随机的,并不是堆有序的,所以,为了完成这个需求,我们可以增加一个数组int[]pq,来保存每个元素在items数组中的索引,pq数组需要堆有序,也就是说,
pq[1]对应的数据元素items[pq[1]]要小于等于pq[2]和pq[3]对应的数据元素items[pq[2]]和
items[pq[3]]。
步骤三:
通过步骤二的分析,我们可以发现,其实我们通过上浮和下沉做堆调整的时候,其实调整的是pq数组。如果需要
对items中的元素进行修改,比如让items[0]=“H”,那么很显然,我们需要对pq中的数据做堆调整,而且是调整
pq[9]中元素的位置。但现在就会遇到一个问题,我们修改的是items数组中0索引处的值,如何才能快速的知道需
要挑中pq[9]中元素的位置呢?
最直观的想法就是遍历pq数组,拿出每一个元素和0做比较,如果当前元素是0,那么调整该索引处的元素即可,
但是效率很低。
我们可以另外增加一个数组,int[] qp,用来存储pq的逆序。例如:
在pq数组中:pq[1]=6;
那么在qp数组中,把6作为索引,1作为值,结果是:qp[6]=1;
public class IndexMinPriorityQueue<T extends Comparable<T>> {
private T[] items; //存储堆中的数据元素
private int[] pq; //存储items数组元素的索引,pq数组需要堆有序
private int[] qp; //qp数组的索引值对应pq数组存储的元素值
//qp数组存储的元素值对应pq数组的索引值
private int N; //堆中元素的个数
public IndexMinPriorityQueue(int capacity){
this.items=(T[])new Comparable[capacity+1];
this.pq=new int[capacity+1];
this.qp=new int[capacity+1];
N=0;
for (int i = 0; i < qp.length; i++) {
//默认情况下,qp逆序中不保存任何索引
qp[i]=-1;
}
}
//获取队列中元素的个数
public int size(){
return N;
}
//判断队列是否为空
public boolean isEmpty(){
return N==0;
}
//判断堆中索引i处的元素是否小于索引j处的元素
private boolean less(int i,int j){
return items[pq[i]].compareTo(items[pq[j]])<0;
}
//交换堆中i索引处和j索引处的值
private void exchange(int i,int j){
//交换pq数组中的值
int temp=pq[i];
pq[i]=pq[j];
pq[j]=temp;
//更新qp数组中的值
qp[pq[i]]=i;
qp[pq[j]]=j;
}
//判断k对应的元素是否存在
public boolean contains(int k){
//默认情况下,qb所有元素都为-1,如果某个位置插入了数据,则不为-1
return qp[k]!=-1;
}
//最小关联索引
public int minIndex(){
//pq的索引1处,存放的是最小元素在items的索引
return pq[1];
}
//往队列中插入一个元素,并关联索引i
public void insert(int i,T t){
if(contains(i)){
throw new RuntimeException("该索引已存在");
}
//个数加1
N++;
//把元素放到item数组中
items[i]=t;
//使用pq存放这个索引
pq[N]=i;
//在qp的i索引处存放N
qp[i]=N;
//上浮items[pq[N]],让pq堆有序
swim(N);
}
//删除队列中最小元素,并返回该元素的关联索引
public int delMin(){
//找到items中最小元素的索引
int minIndex=pq[1];
//交换索引1和N的值
exchange(1,N);
//删除qp中索引为pq[N]的值
qp[pq[N]]=-1;
//删除pq索引N处的值
pq[N]=-1;
//删除items中最小元素
items[minIndex]=null;
N--;
sink(1);
return minIndex;
}
//删除索引i关联的元素
public void delete(int i){
//找出i在pq中的索引
int k=qp[i];
//吧pq中索引K处的值和索引N处的值交换
exchange(k,N);
//删除qp中pq[N]的值
qp[pq[N]]=-1;
//删除pq中索引N处的值
pq[N]=-1;
//删除item中索引i的值
items[i]=null;
N--;
sink(k);
swim(k);
}
//把与索引i关联的元素修改为t
public void changeItem(int i,T t){
//修改items数组中索引i处的值
items[i]=t;
//找到i在pq中的位置
int k=qp[i];
sink(k);
swim(k);
}
//上浮算法
public void swim(int k){
while (k>1){
//比较当前结点和父节点,如果当前结点比父节点小,交换位置
if(less(k,k/2)){
exchange(k,k/2);
}
k=k/2;
}
}
//下沉算法
public void sink(int k){
while (2*k<=N){
//找出子节点中较小的值
int min=2*k;
if(2*k+1<=N&&less(2*k+1,2*k)){
min=2*k;
}
//如果当前结点比子节点的较小值小,结束下沉
if(less(k,min)){
break;
}
exchange(k,min);
k=min;
}
}
}
测试代码
public class Test {
public static void main(String[] args) {
String[] arr = {"S", "O", "R", "T", "E", "X", "A", "M", "P", "L", "E"};
IndexMinPriorityQueue<String> indexMinPQ = new IndexMinPriorityQueue<>(20);
//插入
for (int i = 0; i < arr.length; i++) {
indexMinPQ.insert(i,arr[i]);
}
System.out.println(indexMinPQ.size());
//获取最小值的索引
System.out.println(indexMinPQ.minIndex());
//测试修改
indexMinPQ.changeItem(0,"Z");
int minIndex=-1;
while(!indexMinPQ.isEmpty()){
minIndex = indexMinPQ.delMin();
System.out.print(minIndex+",");
}
}
}