欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

优先队列

程序员文章站 2022-03-31 21:18:30
...

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。

优先队列

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]]。

优先队列

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;

优先队列

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+",");
        }
    }
}