8. 优先队列

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]]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 + 1
        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) {
        //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i
    public 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-1
        N--;
        //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t
    public void changeItem(int i, T t) {
    //修改items数组中索引i处的值为t
        items[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();
        }

    }

}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:/a/13578.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【有功-无功协调优化】基于改进多目标粒子群优化算法(小生境粒子群算法)的配电网有功-无功协调优化研究(Matlab代码实现)

&#x1f4a5; &#x1f4a5; &#x1f49e; &#x1f49e; 欢迎来到本博客 ❤️ ❤️ &#x1f4a5; &#x1f4a5; &#x1f3c6; 博主优势&#xff1a; &#x1f31e; &#x1f31e; &#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 …

中断嵌套实验

使用汇编语言&#xff0c;要求&#xff1a; 外部中断1可以嵌套外部中断0 没有中断时&#xff0c;8个LED发光二极管以0.1s的速度闪烁。 有外部中断0时&#xff0c;8个LED发光二极管以0.1s的速度流水点亮。&#xff08;中断子程序0&#xff09; 有外部中断1时&#xff0c;会打断外…

gdb调试常用指令及案例讲解

文章目录 前言一、常用指令二、案例说明1、测试源文件2、编译和调试 三、其他指令四、案例说明 前言 GDB是一个由GNU开源组织发布的、UNIX/LINUX 操作系统下的、基于命令行的、功能强大的程序调试工具。 GDB 支持断点、单步执行、打印变量、观察变量、查看寄存器、查看堆栈等调…

每天一道大厂SQL题【Day22】华泰证券真题实战(四)

每天一道大厂SQL题【Day22】华泰证券真题实战(四) 大家好&#xff0c;我是Maynor。相信大家和我一样&#xff0c;都有一个大厂梦&#xff0c;作为一名资深大数据选手&#xff0c;深知SQL重要性&#xff0c;接下来我准备用100天时间&#xff0c;基于大数据岗面试中的经典SQL题&…

2023软件测试工程师必备技能?要卷,谁还不会了......

目录&#xff1a;导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结&#xff08;尾部小惊喜&#xff09; 前言 软件测试岗位是怎…

day15 消息队列

目录 消息队列 消息队列的使用 发送消息 消息的接收 消息队列的控制 消息队列 概念&#xff1a; 消息队列是system V IPC对象的一种&#xff1b; 消息队列有消息队列ID来唯一标识&#xff1b; 消息队列就是一个消息的列表。用户可以在消息队列中添加消息、读取消息等&a…

zabbix故障排查

zabbix server服务问题可以查看server日志 tail -f /var/log/zabbix/zabbix_server.log 根据日志中的error报错提示分析原因 zabbix agent服务问题可以查看agent日志 tail -f /var/log/zabbix/zabbix_agentd.log 根据日志中的error报错提示分析原因 zabbix的nginx服务问题可…

从零开始学架构-计算高性能

一、概述 高性能是每个程序员的追求&#xff0c;无论做一个系统、还是写一组代码&#xff0c;都希望能够达到高性能的效果。而高性能又是最复杂的一环&#xff0c;磁盘、操作系统、CPU、内存、缓存、网络、编程语言、数据库、架构等&#xff0c;每个都可能影响系统的高性能&…

【FPGA实验1】FPGA点灯工程师养成记

对于FPGA几个与LED相关的实验&#xff08;包括按键点灯、流水灯、呼吸灯等&#xff09;的记录&#xff0c;方便日后查看。这世界上就又多了一个FPGA点灯工程师了&#x1f60f; 成为一个FPGA点灯工程师分三步&#xff1a; 一、按键点灯1、按键点灯程序2、硬件实现 二、流水灯1、…

智慧医院微信小程序定制开发功能有哪些

无论是哪个时代&#xff0c;人们对于医疗资源的需求都没有消退过&#xff0c;尤其是随着经济条件的提高&#xff0c;人们也越来越关注健康问题。无论是生病就诊还是定期体检都要用到医疗资源。但是平时到医院好像什么时候都人满为患&#xff0c;排很长时间的队&#xff0c;不仅…

ChatGPT4 的体验 一站式 AI工具箱 -—Poe(使用教程)

最近由于人工智能聊天机器人的爆火(ChatGPT)&#xff0c;因此各种各样的AI助手流行与网络&#xff0c;各种各样的都有&#xff0c;不论是什么样的其实都是为了我们更方便的解决问题&#xff0c;今天介绍一款AI工具箱——Poe将多种AI集成与一个界面&#xff0c;大家可以一次感受…

SQL Server基础 第五章 函数的使用(日期、字符串、时间、数学、转换等函数)

前言 在SQL Server中提供了许多内置函数&#xff0c;SQL Server中的内置函数就相当于Java、C#等编程语言中的内置API函数。按照函数种类可以分为聚合函数、数学函数、字符串函数、日期函数和时间函数、转换函数和元数据的数6种。在本章中重点讲解比较常用的4种函数&#xff0c…

在线题库整理及一些刷题注意事项

在线题库整理及一些刷题注意事项 刷题站CSDN编程语言支持 LeetCode编程语言支持数据库语言支持 牛客网编程语言支持数据库语言支持 洛谷编程语言支持 AcWing编程语言支持 蓝桥编程语言支持 做题的两种模式调用模式委托模式 注意事项小结 刷题站 老顾一个人单打独斗太久了&…

如何使用ffmpeg给视频减震去抖

之前自己发过一些记录仪拍下来的画面&#xff0c;你们可能已经看过了&#xff0c;例如&#xff1a; 最适合骑行的罐装饮料 然而&#xff0c;自己这个骑行记录仪&#xff0c;仅仅是很低端的一款&#xff0c;防抖功能很差&#xff0c;远远比不了GoPro那些高端的户外运动记录仪&am…

Qt扫盲-QAbstractSeries理论总结

QAbstractSeries理论总结 一、概述二、常用函数1. 属性2. 设置功能3. 显示隐藏4. 与 绘图的交互 三、信号 一、概述 QAbstractSeries类是所有Qt图表线的基类。通常&#xff0c;特定于序列类型的继承类会被使用&#xff0c;而不是这个基类。这个基类只是提供了一些管理和控制这…

再聊 MySQL 聚簇索引

为什么是再次理解呢&#xff1f;因为松哥之前写过相关的文章介绍过聚簇索引&#xff0c;但是感觉还不够&#xff0c;因此今天想再来和小伙伴们聊一聊这个话题。 1. 什么是聚簇索引 数据库的索引从不同的角度可以划分成不同的类型&#xff0c;聚簇索引便是其中一种。 聚簇索引…

数据库基础篇 《4. 运算符》

目录 1. 算术运算符 1&#xff0e;加法与减法运算符 2&#xff0e;乘法与除法运算符 3&#xff0e;求模&#xff08;求余&#xff09;运算符 2. 比较运算符 1&#xff0e;等号运算符 2&#xff0e;安全等于运算符 3&#xff0e;不等于运算符 4. 空运算符 5. 非空运算…

【架构】微前端

文章目录 概述优劣优点缺点 微前端的整体架构微前端部署平台微前端运行时基于 SPA 的微前端架构 应用生命周期 方案qiankun 主应用qiankun微应用Vue 2 微应用 来源 概述 微前端不是单纯的前端框架或者工具&#xff0c;而是一套架构体系&#xff0c;这个概念最早在 2016 年底被…

helm部署相关服务过程中问题记录

在学习helm部署相关服务过程中出现一些相关问题&#xff0c;自己记录并供大家一起学习&#xff01;&#xff01;&#xff01; 【问题1】部署helm 获取软件包失败 在通过wget https://storage.googleapis.com/kubernetes-helm/helm-v2.13.1-linux-amd64.tar.gz文件过程发现无法…

叔可忍婶不可忍!马斯克3月呼吁暂停人工智能,4月却创立TruthGPT

2018年马斯克退出了OpenAI团队。 2022年11月&#xff0c;ChatGPT在北美大陆问世。 2023年3月21日&#xff0c;马斯克在未来生命&#xff0c;签署并呼吁&#xff0c;暂停高级人工智能的研发。 2023年4月18日马斯克创立了TruthGPT。 同时&#xff0c;亚马逊&#xff0c;也创立了B…