8. 优先队列

news/2024/11/15 4:03:21/

8. 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，例如使用一个队列保存计算机的任务，一般情况下计算机的任务都是有优先级的，我们需要在这些计算机的任务中找出优先级最高的任务先执行，执行完毕后就需要把这个任务从队列中移除。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，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

8.1 最大优先队列

我们之前学习过堆，而堆这种结构是可以方便的删除最大的值，所以，接下来我们可以基于堆去实现最大优先队列。

8.1.1 最大优先队列API设计

8.1.2 代码实现

package com.ynu.Java版算法.U8_优先队列.T1_最大优先队列;//最大优先队列代码
public class MaxPriorityQueue<T extends Comparable<T>> {//存储堆中的元素private T[] items;//记录堆中元素的个数private int N;public MaxPriorityQueue(int capacity) {items = (T[]) new Comparable[capacity+1];N = 0;}// 判断堆中的索引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,j处的元素private void exch(int i,int j){T temp = items[i];items[i] = items[j];items[j] = temp;}// 插入节点public void insert(T t){items[++N] = t;   // ++N 保证是索引从1开始的swim(N);}// 每次删除最大值public T deleteMax(){T max = items[1];exch(1,N);items[N--] = null;sink(1);return max;}// swim上浮算法,使索引k处的元素上浮到正确位置private void swim(int k){while (k > 1){if (less(k,k/2)){   // 父节点大于当前节点  退出循环break;}exch(k,k/2);k = k/2;}}// sink下沉算法,使索引k处的元素能够处于正确位置private void sink(int k){while (2*k <= N){// 找到子节点的较大者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;}}//比较当前结点和子结点中的较大者，如果当前结点不小，则结束循环if (!less(k,max)){break;}exch(k,max);k = max;}}public int size(){return N;}public boolean isEmpty(){return N==0;}}package com.ynu.Java版算法.U8_优先队列.T1_最大优先队列;public class Main {public static void main(String[] args) {MaxPriorityQueue<String> queue = new MaxPriorityQueue<>(20);queue.insert("A");queue.insert("D");queue.insert("C");queue.insert("E");queue.insert("G");queue.insert("H");queue.insert("I");while (!queue.isEmpty()){String max = queue.deleteMax();System.out.println(max);}// 输出剩余大小  应该是0了System.out.println(queue.size());}
}

8.2 最小优先队列

最小优先队列实现起来也比较简单，我们同样也可以基于堆来完成最小优先队列。

我们前面学习堆的时候，堆中存放数据元素的数组要满足都满足如下特性：

1.最大的元素放在数组的索引1处。

2.每个结点的数据总是大于等于它的两个子结点的数据。

其实我们之前实现的堆可以把它叫做最大堆，我们可以用相反的思想实现最小堆，让堆中存放数据元素的数组满足

如下特性：

1.最小的元素放在数组的索引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。

这样我们就能快速的访问到堆中最小的数据。

8.2.1 最小优先队列API设计

8.2.2 最小优先队列代码实现

package com.ynu.Java版算法.U8_优先队列.T2_最小优先队列;public class MinPriorityQueue<T extends Comparable> {private T[] items;private int N;public MinPriorityQueue(int capacity) {items = (T[]) new Comparable[capacity+1];}// 判断索引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;}public boolean isEmpty(){return N==0;}// 交换索引i和索引j处的元素private void exch(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);}// 删除队列中的最小值public T delMin(){T min = items[1];exch(1,N);items[N] = null;N--;sink(1);return min;}// swim(k)private void swim(int k){while (k>1){if (less(k,k/2)){exch(k,k/2);}k = k/2;}}// sink(k)private void sink(int k){while (2*k <= N){int min = 2*k;if (2*k+1 <= N){if (!less(2*k,2*k+1)){min = 2*k+1;}}if (less(k,min)){break;}exch(k,min);k = min;}}public int size() {return N;}
}package com.ynu.Java版算法.U8_优先队列.T2_最小优先队列;public class Main {public static void main(String[] args) {MinPriorityQueue<String> minPriorityQueue = new MinPriorityQueue<>(20);minPriorityQueue.insert("D");minPriorityQueue.insert("H");minPriorityQueue.insert("I");minPriorityQueue.insert("K");minPriorityQueue.insert("A");minPriorityQueue.insert("B");minPriorityQueue.insert("C");System.out.println(minPriorityQueue.size());while (!minPriorityQueue.isEmpty()){System.out.println(minPriorityQueue.delMin());}}
}

8.3 索引优先队列

​ 在之前实现的最大优先队列和最小优先队列，他们可以分别快速访问到队列中最大元素和最小元素，但是他们有一个缺点，就是没有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，在优先队列的基础上，学习一种新的数据结构，索引优先队列。接下来我们以最小索引优先队列举列。

8.3.1 索引优先队列实现思路

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;

8.3.2 索引优先队列API设计

8.3.3 索引优先队列代码实现

package com.ynu.Java版算法.U8_优先队列.T3_索引优先队列;public class IndexMinPriorityQueue<T extends Comparable<T>> {// 存储堆中的元素public T[] items;//保存每个元素在items数组中的索引，pq数组需要堆有序private int[] pq;//保存qp的逆序，pq的值作为索引，pq的索引作为值private int[] qp;// 记录堆中元素的个数private int N;// 获取索引index处的值public T get(int index){return items[index];}public IndexMinPriorityQueue(int capacity) {items = (T[]) new Comparable[capacity+1];pq = new int[capacity + 1]; // 因为是从索引为1处开始存储 所以需要capacity + 1qp = 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) {//先通过pq找出items中的索引，然后再找出items中的元素进行对比return items[pq[i]].compareTo(items[pq[j]]) < 0;}//交换堆中i索引和j索引处的值private void exch(int i,int j){// 先交换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){return qp[k] != -1;}//最小元素关联的索引  minIndex  items[minIndex]的值就是最小值public int minIndex(){return pq[1];}//使用上浮算法，使索引k处的元素能在堆中处于一个正确的位置private void swim(int k){while (k > 1){if (less(k,k/2)) {exch(k,k/2);}k = k/2;}}//使用下沉算法，使索引k处的元素能在堆中处于一个正确的位置private void sink(int k){//如果当前结点已经没有子结点了，则结束下沉while (2*k <= N){int min = 2*k;if (2*k +1 <=N && less(2*k+1,2*k)){min = 2*k+1;}//如果当前结点的值比子结点中的较小值小，则结束下沉if (less(k,min)){break;}exch(k,min);k = min;}}//往队列中插入一个元素,并关联索引ipublic void insert(int i,T t){//如果索引i处已经存在了元素，则不让插入if (contains(i)){throw new RuntimeException("该索引已经存在");}// 个数加一N++;// 把元素放进items数组items[i] = t;// 使用pq存放i这个索引pq[N] = i;qp[i] = N;//上浮items[pq[N]],让pq堆有序swim(N);}//删除队列中最小的元素,并返回该元素关联的索引public int delMin(){int minIndex = pq[1];// 交换pq索引1处的值和N处的值exch(1,N);//删除pq中索引N处的值qp[pq[N]] = -1;//删除items中的最小元素items[minIndex] = null;// 元素数量减一N--;//对pq[1]做下沉，让堆有序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];// 把pq中索引k处的值和索引N处的值交换exch(i,N);// 删除qp中索引pq[N]处的值qp[pq[N]] = -1;// 删除索引pq中索引N处的值pq[N] = -1;//删除items中索引i处的值items[i] = null;//元素数量-1N--;//对pq[k]做下沉，让堆有序sink(k);//对pq[k]做上浮，让堆有序swim(k);}//把与索引i关联的元素修改为为tpublic void changeItem(int i, T t) {//修改items数组中索引i处的值为titems[i] = t;//找到i在pq中的位置int k = qp[i];//对pq[k]做下沉，让堆有序sink(k);//对pq[k]做上浮，让堆有序swim(k);}}package com.ynu.Java版算法.U8_优先队列.T3_索引优先队列;
public class Main {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");// 从小到大遍历while(!indexMinPQ.isEmpty()){System.out.print(indexMinPQ.get(indexMinPQ.minIndex())+"  ");indexMinPQ.delMin();}}}

http://www.ppmy.cn/news/49026.html

相关文章

设计模式-结构型模式之代理模式

设计模式-结构型模式之代理模式

6. 代理模式 6.1. 模式动机 在某些情况下&#xff0c;一个客户不想或者不能直接引用一个对 象&#xff0c;此时可以通过一个称之为“代理”的第三者来实现 间接引用。代理对象可以在客户端和目标对象之间起到 中介的作用&#xff0c;并且可以通过代理对象去掉客户不能看到 的内…
阅读更多...
Linux --- 软件安装、项目部署

Linux --- 软件安装、项目部署

一、软件安装 1.1、软件安装方式 在Linux系统中&#xff0c;安装软件的方式主要有四种&#xff0c;这四种安装方式的特点如下&#xff1a; 1.2、安装JDK 上述我们介绍了Linux系统软件安装的四种形式&#xff0c;接下来我们就通过第一种(二进制发布包)形式来安装 JDK。 JDK…
阅读更多...
最短路径Floyd与区间DP

最短路径Floyd与区间DP

floyd算法是求最短路径的算法&#xff0c;算法复杂度为n(o^3),其优点在于能够一次求解所有点到其他点的最短路径&#xff0c;不需要其他运算&#xff0c;使用二维数组存储。其三层循环自外向内分别为&#xff1a;中间点&#xff0c;起始点和终点。状态方程为&#xff1a; num[…
阅读更多...
leetcode 879. Profitable Schemes（有利润的计划）

leetcode 879. Profitable Schemes（有利润的计划）

有几个工程&#xff0c;每个工程需要group[ i ]个人去做&#xff0c;做完了可以得到profit[ i ]的利润。 现有2个限制条件&#xff1a; 人数上限是n, 且参加了一个工程的人不能再参加其他工程。 利润下限minProfit, 至少要获得minProfit的利润。 问有多少种工程的选法&#xff…
阅读更多...
C语言-字符串

C语言-字符串

sizeof和strlen 的区别&#xff1a; 区别1&#xff1a; 1.sizeof计算整个数组大小&#xff0c; 2.strlen 计算有效的数组大小 新建字符数组”hello“ char cdata[128]"hello"; printf("sizeof--cdata的长度&#xff1a;%d\n",sizeof(cdata)); pri…
阅读更多...
shell编程入门 第一章 基本语法

shell编程入门 第一章 基本语法

shell编程的语法主要分为五个环节&#xff0c;分别是变量&#xff0c;字符串&#xff0c;运算符&#xff0c;流程控制&#xff0c;函数五大部分 shell编程的基础语法 一 变量1.1 shell变量名1.2 使用shell变量1.3只读变量1.4 删除变量 二 字符串2.1 定义时最好用双引号2.2获取字…
阅读更多...
ANR分析

ANR分析

ANR分析流程 一、ANR基本知识 1.1、发生原因 一句话总结&#xff1a;没有在规定的时间内&#xff0c;干完要干的事情&#xff0c;就会发生ANR。 1.2、ANR分类 从发生的场景分类&#xff1a; Input事件超过5s没有被处理完 Service处理超时&#xff0c;前台20s&#xff…
阅读更多...
那些突然想到的问题---EIP和PC的区别

那些突然想到的问题---EIP和PC的区别

我们都知道PC指针是指程序计数器&#xff08;Program Counter&#xff09;&#xff0c;也称为指令指针&#xff08;Instruction Pointer&#xff09;&#xff0c;是一种寄存器&#xff0c;用于存储计算机正在执行的指令的地址。在CPU执行程序时&#xff0c;PC指针会不断地更新&…
阅读更多...
最新文章

Copyright @ 2022~2023