48-优先级队列

Java优先级队列(PriorityQueue)原理与应用

目录

1.概念

2.内部原理

3.操作

4.应用

5.代码实现

6.TOP-K问题


Java元素的比较icon-default.png?t=N3I4http://t.csdn.cn/rJ8fM

1.概念

在很多应用中,我们通常需要按照优先级情况对待处理对象进行处理,比如首先处理优先级最高的对象,然后处理次高的对象。

在这种情况下,数据结构应该提供2个最基本的操作:一个是返回最高优先级对象,一个是添加新的对象。这种数据结构就是优先级队列(Priority Queue)。

2.内部原理

优先级队列的实现方式很多,最常见的是用堆来构建。其底层是基于堆来实现的,仍满足队列的3大操作。(还是队列,不过套了堆的包装)。

3.操作

  1. 入队列:调用堆的add方法。
  2. 出队列:按照优先级出队列,优先级最高的先出(堆顶元素),调用堆的extractMax方法。
  3. 查看队首元素:即堆顶元素。

4.应用

  1. 医生排患者手术名单,优先级就是病情严重程度,相同严重程度再看时间先后。
  2. 操作系统的作业(进程/任务)调度。

5.代码实现

import heap.MaxHeap;

public class PriorityQueue implements Queue {
    private MaxHeap heap = new MaxHeap();

    @Override
    public void offer(int value) {
        heap.add(value);
    }

    @Override
    public int poll() {
        return heap.extractMax();
    }

    @Override
    public int peek() {
        return heap.peekHeap();
    }
}
import java.util.Arrays;

public class QueueTest {
    public static void main(String[] args) {
        int[] arr = {3, 5, 2, 1, 7, 6, 9, 8};
        Queue queue = new PriorityQueue(); //降序排列
        for(int i : arr) {
            queue.offer(i);
        }
        for (int i = 0; i < arr.length; i++) {
            arr[i] = queue.poll();
        }
        System.out.println(Arrays.toString(arr));
    }
}

import java.util.Arrays;
import java.util.PriorityQueue;

public class QueueTest {
    public static void main(String[] args) {
        int[] arr = {3, 5, 2, 1, 7, 6, 9, 8};
        PriorityQueue<Integer> queue = new PriorityQueue<>(); //升序排序,JDK中的PriorityQueue是基于最小堆实现的
//        Queue queue = new PriorityQueue(); //降序排列
        for(int i : arr) {
            queue.offer(i);
        }
        for (int i = 0; i < arr.length; i++) {
            arr[i] = queue.poll();
        }
        System.out.println(Arrays.toString(arr));
    }
}

PS:源码分析:

private void siftUp(int k, E x) {
    if (comparator != null)
        siftUpUsingComparator(k, x);
    else
        siftUpComparable(k, x);
}

当使用JDK的优先级队列时,若传入的是自定义类型,如Student,

  • 要么向优先级队列中传入该类的比较器。
public PriorityQueue(Comparator<? super E> comparator) {
    this(DEFAULT_INITIAL_CAPACITY, comparator);
}
  • 要么自定义的类型实现了Comparable接口。

JDK内置的类,如String,包装类等都默认是Comparable的子类。

private void siftUpComparable(int k, E x) {
    Comparable<? super E> key = (Comparable<? super E>) x;
    while (k > 0) {
        int parent = (k - 1) >>> 1;
        Object e = queue[parent];
        if (key.compareTo((E) e) >= 0)
            break;
        queue[k] = e;
        k = parent;
    }
    queue[k] = key;
}

e是父节点的值,key是子节点的值。if分支说明当前节点 >= 父节点,停止。

父节点 < 子节点,堆顶存放的就是最小值,最小堆。

要想通过CompareTo方法改造为最大堆,则this.val < o.val =>return 1;

根据JDK代码,就把小的值留在子节点,大的值跑上面了,变为最大堆。

6.TOP-K问题

问题:在100w个集合中,找到前100大的元素值。

解决:

①建一最大堆,然后返回100次堆顶。时间复杂度O(n) + O(klogk);空间复杂度O(n)。

②排序。时间复杂度O(nlogn);空间复杂度O(1)。

③TOP-K问题:

取大构建小堆,取小构建大堆。

取大用小堆核心:

相当于打擂过程,声明一个大小为100的最小堆,然后依次扫描此集合与堆顶元素比较。

  • 若队列中元素个数<100,直接入队。
  • 若队列中元素个数>100,比较当前扫描元素和堆顶元素的大小:
  1. 若扫描元素<堆顶元素,则一定小于堆中所以元素,跳过。
  2. 若扫描元素>堆顶元素,将当前堆中最小值(堆顶元素)换出,换一个更“优秀”的元素(扫描元素)进来。

n是元素个数,前k大元素:时间复杂度O(nlogk)(n扫描所有数,logk构建取出堆);空间复杂度O(k)(开k个大小的堆,一般k << n)。

④快排partition思想。(最优解)时间复杂度O(n)。

 

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值