Java中PriorityQueue经过二叉小顶堆完成,能够用一棵彻底二叉树表示。本文从Queue接口函数动身,结合生动的图解,浅显易懂地剖析PriorityQueue每个操作的详细进程和时刻复杂度,将让读者树立对PriorityQueue树立清晰而深化的认识。
总体介绍
前面以JavaArrayDeque为例讲解了Stack和Queue,其实还有一种特殊的行列叫做PriorityQueue,即优先行列。优先行列的作用是能保证每次取出的元素都是行列中权值最小的(Java的优先行列每次取最小元素,C++的优先行列每次取最大元素)。这里牵涉到了大小联系,元素大小的评判能够经过元素自身的天然次序(natural ordering),也能够经过结构时传入的比较器(Comparator,类似于C++的仿函数)。
Java中PriorityQueue完成了Queue接口,不允许放入null
元素;其经过堆完成,详细说是经过彻底二叉树(complete binary tree)完成的小顶堆(任意一个非叶子节点的权值,都不大于其左右子节点的权值),也就意味着能够经过数组来作为PriorityQueue的底层完成。
上图中我们给每个元素按照层序遍历的方法进行了编号,如果你足够仔细,会发现父节点和子节点的编号是有联系的,更确切的说父子节点的编号之间有如下联系:
leftNo = parentNo*2+1
rightNo = parentNo*2+2
parentNo = (nodeNo-1)/2
经过上述三个公式,能够容易计算出某个节点的父节点以及子节点的下标。这也便是为什么能够直接用数组来存储堆的原因。
PriorityQueue的peek()
和element
操作是常数时刻,add()
,offer()
, 无参数的remove()
以及poll()
办法的时刻复杂度都是log(N) 。
办法剖析
add()和offer()
add(E e)
和offer(E e)
的语义相同,都是向优先行列中刺进元素,只是Queue
接口规则二者对刺进失利时的处理不同,前者在刺进失利时抛出反常,后则则会回来false
。对于PriorityQueue这两个办法其实没什么不同。
新参加的元素可能会损坏小顶堆的性质,因而需求进行必要的调整。
//offer(E e)
public boolean offer(E e) {
if (e == null)//不允许放入null元素
throw new NullPointerException();
modCount++;
int i = size;
if (i >= queue.length)
grow(i + 1);//自动扩容
size = i + 1;
if (i == 0)//行列原来为空,这是刺进的第一个元素
queue[0] = e;
else
siftUp(i, e);//调整
return true;
}
上述代码中,扩容函数grow()
类似于ArrayList
里的grow()
函数,便是再申请一个更大的数组,并将原数组的元素复制过去,这里不再赘述。需求留意的是siftUp(int k, E x)
办法,该办法用于刺进元素x
并保持堆的特性。
//siftUp()
private void siftUp(int k, E x) {
while (k > 0) {
int parent = (k - 1) >>> 1;//parentNo = (nodeNo-1)/2
Object e = queue[parent];
if (comparator.compare(x, (E) e) >= 0)//调用比较器的比较办法
break;
queue[k] = e;
k = parent;
}
queue[k] = x;
}
element()和peek()
element()
和peek()
的语义彻底相同,都是获取但不删去队首元素,也便是行列中权值最小的那个元素,二者唯一的区别是当办法失利时前者抛出反常,后者回来null
。依据小顶堆的性质,堆顶那个元素便是全局最小的那个;因为堆用数组表示,依据下标联系,0
下标处的那个元素既是堆顶元素。所以直接回来数组0
下标处的那个元素即可。
代码也就非常简练:
//peek()
public E peek() {
if (size == 0)
return null;
return (E) queue[0];//0下标处的那个元素便是最小的那个
}
remove()和poll()
remove()
和poll()
办法的语义也彻底相同,都是获取并删去队首元素,区别是当办法失利时前者抛出反常,后者回来null
。因为删去操作会改动行列的结构,为维护小顶堆的性质,需求进行必要的调整。
代码如下:
public E poll() {
if (size == 0)
return null;
int s = --size;
modCount++;
E result = (E) queue[0];//0下标处的那个元素便是最小的那个
E x = (E) queue[s];
queue[s] = null;
if (s != 0)
siftDown(0, x);//调整
return result;
}
上述代码首先记载0
下标处的元素,并用最终一个元素替换0
下标方位的元素,之后调用siftDown()
办法对堆进行调整,最终回来原来0
下标处的那个元素(也便是最小的那个元素)。重点是siftDown(int k, E x)
办法,该办法的作用是从k
指定的方位开端,将x
逐层向下与当时点的左右孩子中较小的那个交流,直到x
小于或等于左右孩子中的任何一个为止。
//siftDown()
private void siftDown(int k, E x) {
int half = size >>> 1;
while (k < half) {
//首先找到左右孩子中较小的那个,记载到c里,并用child记载其下标
int child = (k << 1) + 1;//leftNo = parentNo*2+1
Object c = queue[child];
int right = child + 1;
if (right < size &&
comparator.compare((E) c, (E) queue[right]) > 0)
c = queue[child = right];
if (comparator.compare(x, (E) c) <= 0)
break;
queue[k] = c;//然后用c取代原来的值
k = child;
}
queue[k] = x;
}
remove(Object o)
remove(Object o)
办法用于删去行列中跟o
持平的某一个元素(如果有多个持平,只删去一个),该办法不是Queue接口内的办法,而是Collection接口的办法。因为删去操作会改动行列结构,所以要进行调整;又因为删去元素的方位可能是任意的,所以调整进程比其它函数稍加繁琐。详细来说,remove(Object o)
能够分为2种状况:1. 删去的是最终一个元素。直接删去即可,不需求调整。2. 删去的不是最终一个元素,从删去点开端以最终一个元素为参照调用一次siftDown()
即可。此处不再赘述。
详细代码如下
//remove(Object o)
public boolean remove(Object o) {
//经过遍历数组的方法找到第一个满意o.equals(queue[i])元素的下标
int i = indexOf(o);
if (i == -1)
return false;
int s = --size;
if (s == i) //状况1
queue[i] = null;
else {
E moved = (E) queue[s];
queue[s] = null;
siftDown(i, moved);//状况2
......
}
return true;
}
Java运用PriorityQueue树立大小顶堆
输入整数数组 arr ,找出其中最小的 k 个数。例如,输入4、5、1、6、2、7、3、8这8个数字,则最小的4个数字1、2、3、4。
使用上面这题来做布景。
树立大顶堆
大顶堆执行poll()去掉的是大数,留下的是小数。结构办法传入 (w1, w2) -> w2 – w1
第二个参数减第一个是大顶堆
import java.util.*;
public class Solution {
public static void main(String[] args) {
int[] arr = new int[]{3,2,1,6,9};
int[] res = getLeastNumbers(arr, 4);
System.out.println(Arrays.toString(res));
}
public static int[] getLeastNumbers(int[] arr, int k) {
PriorityQueue<Integer> heap = new PriorityQueue<>(
(w1, w2) -> w2 - w1 // 第二个参数减第一个是大顶堆
);
for (int value : arr) {
heap.offer(value);
if (heap.size() > k) heap.poll();
}
int[] res = new int[k];
int j = 0;
while (! heap.isEmpty()) {
res[j++] = heap.poll();
}
return res;
}
}
将数组悉数建成堆后,堆中数据如下:
然后执行heap.poll()会将大的数出队,剩余的是小的数据。
树立小顶堆
PriorityQueue默认树立小顶堆 执行poll()出队的是值小的数据,保存的是值大的数据
import java.util.*;
public class Solution {
public static void main(String[] args) {
int[] arr = new int[]{3,2,1,6,9};
int[] res = getLeastNumbers(arr, 3);
System.out.println(Arrays.toString(res));
}
public static int[] getLeastNumbers(int[] arr, int k) {
PriorityQueue<Integer> heap = new PriorityQueue<>();
for (int value : arr) {
heap.offer(value);
if (heap.size() > k) heap.poll();
}
int[] res = new int[k];
int j = 0;
while (! heap.isEmpty()) {
res[j++] = heap.poll();
}
return res;
}
}