首页 / JAVA / 优先队列(Java)
优先队列(Java)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了优先队列(Java)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含8203字，纯文字阅读大概需要12分钟。
内容图文
优先队列（底层结构为最大堆）
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。在优先队列中，元素被赋予优先级。当访问元素时，具有最高优先级的元素最先删除。优先队列具有最高级先出 （first in, largest out）的行为特征。通常采用堆数据结构来实现。
优先队列主要是出队操作与普通队列不同，队列中元素会有优先级之分，每次出队的元素是优先级最高的元素。
最大堆（二叉堆）
最大堆是堆的两种形式之一。
根结点（亦称为堆顶）的关键字是堆里所有结点关键字中最大者，称为大根堆，又称最大堆（大顶堆）。
大根堆要求根节点的关键字既大于或等于左子树的关键字值，又大于或等于右子树的关键字值。
Arr.java(动态数组)
//动态数组
public class Arr<E> {
private E[] data;// 创建一个数组
private int size;// 数组中元素个数
// 自定义构造器初始化数组 capacity数组的长度
public Arr(int capacity) {
// TODO Auto-generated constructor stub
data = (E[]) new Object[capacity];
size = 0;
}
// 默认构造方法 capacity数组的长度=10
public Arr() {
// TODO Auto-generated constructor stub
this(10);
}
// 根据传来的数组生成动态数组
public Arr(E[] arr) {
data = (E[]) new Object[arr.length];
for (int i = 0; i < arr.length; i++) {
data[i] = arr[i];
}
size = arr.length;
}
// 获取数组个数
public int getSize() {
return size;
}
// 获取数组长度
public int getCapacity() {
return data.length;
}
// 判断数组是否为空
public boolean isEmpty() {
return size == 0;
}
// 数组中添加元素 index是插入元素的位置，e是插入的元素，时间复杂度为O(n)
public void add(int index, E e) {
if (index < 0 || index > size) {
try {
throw new Exception("数组排列要求不能有空");
} catch (Exception e1) {
// TODO Auto-generated catch block
e1.printStackTrace();
}
}
// 数组扩容
if (size == data.length) {
try {
resize(2 * data.length); // 这里是扩容为原数组的2倍，Arraylist是扩容1.5倍
} catch (Exception e1) {
// TODO Auto-generated catch block
e1.printStackTrace();
}
}
for (int i = size - 1; i >= index; i--) {
data[i + 1] = data[i];
}
data[index] = e;
size++;
}
// 数组扩容或者缩容,时间复杂度为O(n)
private void resize(int newcapcatity) {
// TODO Auto-generated method stub
E[] newData = (E[]) new Object[newcapcatity];
for (int i = 0; i < size; i++) {
newData[i] = data[i];
}
data = newData;
}
// 在数组末尾添加元素,时间复杂度为O(1)
public void addLast(E e) {
add(size, e);
}
// 在数组首部添加元素,时间复杂度为O(n)
public void addFirst(E e) {
add(0, e);
}
// 重写toString 使用字符串拼接
@Override
public String toString() {
StringBuilder res = new StringBuilder();
res.append(String.format("Array:size = %d, capacity = %d\n", size, data.length));
res.append('[');
for (int i = 0; i < size; i++) {
res.append(data[i]);
if (i != size - 1) {
res.append(',');
}
}
res.append(']');
return res.toString();
}
public E getLast() {
return get(size - 1);
}
public E getFirst() {
return get(0);
}
// 获取index位置的数组元素,时间复杂度为O(1)
E get(int index) {
if (index < 0 || index >= size) {
try {
throw new Exception("index非法");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return data[index];
}
// 修改数组元素,时间复杂度为O(1)
void set(int index, E e) {
if (index < 0 || index >= size) {
try {
throw new Exception("index非法");
} catch (Exception e3) {
// TODO Auto-generated catch block
e3.printStackTrace();
}
}
data[index] = e;
}
// 查询是否包含数组元素e,时间复杂度为O(n)
public boolean contains(E e) {
for (int i = 0; i < size; i++) {
if (data[i].equals(e))
return true;
}
return false;
}
// 查找数组元素e,时间复杂度为O(n)
public int find(E e) {
for (int i = 0; i < size; i++) {
if (data[i].equals(e))
return i;// 返回元素e的位置
}
return -1;// 找不到元素e，返回-1
}
// 删除指定位置index的数组元素,时间复杂度为O(n)
public E remove(int index) {
if (index < 0 || index >= size) {
try {
throw new Exception("index非法");
} catch (Exception e3) {
// TODO Auto-generated catch block
e3.printStackTrace();
}
}
// 缩容
if (size == data.length / 2) {
resize(data.length / 2);
}
E ret = data[index];
for (int i = index + 1; i < size; i++) {
data[i - 1] = data[i];
}
size--;
data[size] = null;
return ret;// 返回删除的元素
}
// 数组删除首个元素,时间复杂度为O(n)
public E removeFirst() {
return remove(0);
}
// 数组删除最后一个元素,时间复杂度为O(1)
public E removeLast() {
return remove(size - 1);
}
// 数组删除元素e,时间复杂度为O(n)
public void removeElement(E e) {
int index = find(e);
if (index != -1) {
remove(index);
} else {
System.out.println("数组中没有元素e");
}
}
// 元素交换
public void swap(int i, int j) {
if (i < 0 || i >= size || j >= size || j < 0)
try {
throw new Exception("元素越界");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
E t = data[i];
data[i] = data[j];
data[j] = t;
}
}
MaxHeap.java(最大堆)
//最大堆 以动态数组为底层
public class MaxHeap<E extends Comparable<E>> {
private Arr<E> data;
public MaxHeap(int capacity) {
// TODO Auto-generated constructor stub
data = new Arr<>(capacity);
}
public MaxHeap() {
// TODO Auto-generated constructor stub
data = new Arr<>();
}
// 构造函数 将任意数组整理成最大堆的形状
public MaxHeap(E[] arr) {
data = new Arr<>(arr);// 根据传来的数组生成动态数组
for (int i = parent(arr.length - 1); i >= 0; i--) {
siftDown(i);// 从最后一个非叶子节点进行下沉，一直到根节点
}
}
public int size() {
return data.getSize();
}
public boolean isEmpty() {
return data.isEmpty();
}
// 返回二叉树的数组表示中，一个索引所表示的元素的父亲节点的索引
private int parent(int index) {
if (index == 0) {
try {
throw new Exception("根节点没有父节点");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return (index - 1) / 2;
}
// 获取左孩子节点的索引
private int leftChild(int index) {
return 2 * index + 1;
}
// 获取右孩子节点的索引
private int rightChild(int index) {
return 2 * index + 2;
}
// 向堆中添加元素
public void add(E e) {
data.addLast(e);// 在数组末尾添加元素e
siftUp(data.getSize() - 1);// 元素上浮
}
// 堆中元素上浮
private void siftUp(int k) {
// TODO Auto-generated method stub
while (k > 0 && data.get(parent(k)).compareTo(data.get(k)) < 0) {
data.swap(k, parent(k));// 与父节点进行交换
k = parent(k);// k变化到父节点，准备下一轮循环
}
}
// 取出堆中最大元素
public E findMax() {
if (data.getSize() == 0)
try {
throw new Exception("堆为空");
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return data.get(0);
}
// 取出堆中最大元素
public E extractMax() {
E ret = findMax();
data.swap(0, data.getSize() - 1);
data.removeLast();
siftDown(0);
return ret;
}
// 元素下沉
private void siftDown(int k) {
// TODO Auto-generated method stub
while (leftChild(k) < data.getSize()) {
int j = leftChild(k);
if (j + 1 < data.getSize() && data.get(j + 1).compareTo(data.get(j)) > 0) {
j = rightChild(k);
// data[j]是左孩子和右孩子中的最大值
if (data.get(k).compareTo(data.get(j)) >= 0)// 左右孩子的最大值与索引为k的元素进行比较
break;// 如果索引为k的元素大于左右孩子的最大值，即符合堆的性质
data.swap(k, j);// 否则进行交换
k = j;// 元素k的索引变为j，准备下次循环
}
}
}
// 取出堆中的最大元素，并且替换成元素e
public E replace(E e) {
E ret = findMax();// 找到最大元素
data.set(0, e);// 将e替换成最大元素的位置
siftDown(0);// 进行下沉
return ret;
}
}
最大堆中常用的方法
replace：取出最大元素后，放入一个新元素
实现1：可以先使用extractMax方法取出最大元素，再使用add方法，两次O(logn)的操作
实现2：可以直接将堆顶元素替换以后Sift Down，一次O(logn)的操作
heapify：将任意数组整理成最大堆的形状
实现1：将n个元素逐个插入一个空的最大堆中，算法复杂度是O(nlogn)
实现2：heapify的过程，算法复杂度为O(n)（上述代码中使用构造函数public MaxHeap(E[] arr)完成heapify的操作）
Queue.java(队列接口)
public interface Queue<E> {
void enqueue(E e);//入队
E dequeue();//出队
E getFront();//获取队首元素
int getSize();//获取队列中元素个数
boolean isEmpty();//判断队列是否为空
}
PriorityQueue.java(优先队列)
//优先队列，底层结构为最大堆 实现队列接口
public class PriorityQueue<E extends Comparable<E>> implements Queue<E> {
private MaxHeap<E> maxHeap;
public PriorityQueue() {
// TODO Auto-generated constructor stub
maxHeap = new MaxHeap<>();
}
@Override
public void enqueue(E e) {
// TODO Auto-generated method stub
maxHeap.add(e);
}
@Override
public E dequeue() {
// TODO Auto-generated method stub
return maxHeap.extractMax();//去除堆中最大元素
}
@Override
public E getFront() {
// TODO Auto-generated method stub
return maxHeap.findMax();//最大堆的堆顶元素
}
@Override
public int getSize() {
// TODO Auto-generated method stub
return maxHeap.size();
}
@Override
public boolean isEmpty() {
// TODO Auto-generated method stub
return maxHeap.isEmpty();
}
}
内容总结
以上是互联网集市为您收集整理的优先队列(Java)全部内容，希望文章能够帮你解决优先队列(Java)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】