8. 优先队列

news/2024/3/29 17:43:01/文章来源:https://blog.csdn.net/weixin_43830137/article/details/130323926

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 + 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();}}}

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:http://www.luyixian.cn/news_show_102409.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ROS1学习笔记:常用可视化工具的使用(ubuntu20.04)

参考B站古月居ROS入门21讲&#xff1a;常用可视化工具的实现 基于VMware Ubuntu 20.04 Noetic版本的环境 文章目录 一、日志输出工具&#xff1a;rqt_console二、绘制数据曲线&#xff1a;rqt_plot三、 图像渲染工具&#xff1a;rqt_image_view四、图形界面总接口&#xff1a;r…

kong(4):限流配置

Kong 提供了 Rate Limiting 插件&#xff0c;实现对请求的限流功能&#xff0c;避免过大的请求量过大&#xff0c;将后端服务打挂。 Rate Limiting 支持秒/分/小时/日/月/年多种时间维度的限流&#xff0c;并且可以组合使用。例如说&#xff1a;限制每秒最 多 100 次请求&…

初识Android内存优化

一、简介 Android 内存优化是指优化 Android 应用程序的内存使用&#xff0c;以减少可用内存的消耗&#xff0c;提高应用程序的性能和可靠性。Android 内存优化可以通过减少内存使用量&#xff0c;减少对资源的消耗&#xff0c;以及提高内存利用率来实现。 安卓系统对每个应用…

什么才是好CDN

选择一种领先于网络和移动技术不断进步以及不断演变的威胁格局的CDN&#xff0c;将使您能够始终如一地为客户提供尽可能好的在线体验&#xff0c;同时最大限度地降低运营复杂性和管理成本。 但问题来了&#xff1a;什么才是最好的CDN&#xff1f; 这个问题的唯一答案是&#x…

Tomcat概述以及部署与优化

一、Tomcat概述 1、Tomcat的概念 Tomcat是Java语言开发的&#xff0c;服务器是一个免费的开放源代码的Web应用服务器&#xff0c;属于轻量级应用服务器&#xff0c;在中小型系统和并发访问用户不是很多的场合下被普遍使用&#xff0c;是开发和调试JSP程序的首选。一般来说&am…

Flutter开发日常练习-小猫咪杂货店(新增动画和跳转抖音)

之前的练习加了个详情页面,然后跳转第三方页面抖音用户详情页面 跳转详情页添加了Hero的动画,共享元素过度 一个 标准 hero 动画 使 hero 从一页飞至新页面&#xff0c;通常以不同大小到达不同的目的地。 设定好每个图片的id,通过id作为 Hero 组件的标识,id不能重,否则会报错&…

OSCP-Medjed(重置用户密码、mysql写webshell、可写文件替换提权)

目录 扫描 FTP WEB 提权 扫描 FTP 尝试登录到FTP服务器,该服务器位于端口30021 使用Filezilla,并能够浏览文件。那里有一些配置文件,但找不到任何值得注意的东西,不能写入目录。

算法--前缀和技巧 (蓝桥杯123-灵能传输)

文章目录 什么是前缀和用途什么时候用例题[蓝桥杯 2021 国 ABC] 123题目描述输入格式输出格式样例 #1样例输入 #1样例输出 #1 提示 思路代码 灵能传输(蓝桥杯96%&#xff0c;洛谷ac)[蓝桥杯 2019 省 B] 灵能传输题目背景题目描述输入格式输出格式样例 #1样例输入 #1样例输出 #1…

【Leetcode -21.合并两个有序链表 -83.删除排序链表中的重复元素】

Leetcode Leetcode-21.合并两个有序链表Leetcode-83.删除排序链表中的重复元素 Leetcode-21.合并两个有序链表 题目&#xff1a;将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。 示例 1&#xff1a; 输入&#xff1a;l1 […

【Web3.0大势所趋】我看到了互联网未来的模样

前言 Web3.0 是一个越来越受到关注的话题&#xff0c;它被认为将会带来天翻地覆的变化。本文我们一起来谈谈 Web3.0 的概念、特点和优势&#xff0c;并探讨它为什么如此重要和具有革命性的。 文章目录 前言Web3.0是什么Web3.0的技术Web3.0的优势总结 Web3.0是什么 Web3.0: 是下…

MATLAB实现图像滤波及噪声消除

图像增强是指根据特定的需要突出一幅图像中的某些信息&#xff0c;同时削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用来说&#xff0c;比原始图像更适用。因此&#xff0c;这类处理是为了某种应用目的而去改善图像质量的。处理的结果使图…

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[…

JVM原理

JVM 什么是JVM&#xff1f; JVM是一种虚拟出来的计算机&#xff0c;是通过在实际的计算机上仿真模拟各种计算机功能来实现的。 JVM有自己完善的硬件架构&#xff0c;如处理器、堆栈、寄存器等&#xff0c;还具有相应的指令系统。Java语言最重要的特点就是跨平台运行。 使用J…

智慧管廊监控与报警管控一体化系统解决方案

摘要&#xff1a;智慧管廊监控与报警管控是一项综合性质较高的管控操作系统。在各项系统结构之间因为技术管理体系之间的差异&#xff0c;所评价的标准也有着不同的区分&#xff0c;导致各项标准之间难以实现相互之间的联通。这种形式下就需要实现环境与设备之间的监控管理、通…

(IPC)进程间通信的常用的两种方式——管道、共享内存

前言&#xff1a; 众所周知&#xff0c;不同的进程之间&#xff0c;在正常情况下&#xff0c;由于其拥有独立的PCB、上下文等原因&#xff0c;每个进程都是独立且互不干扰&#xff0c;这不仅保证了进程的安全&#xff0c;也降低了OS对于进程的管理成本。 但是通常情况下&…

01-yolo算法

要点&#xff1a; 归纳 YOLOv5 github 1 YOLO v1 1) 将一幅图像分成SxS个网格(grid cell)&#xff0c;如果某个object的中心 落在这个网格中&#xff0c;则这个网格就负责预测这个object。 2)每个网格要预测B个bounding box&#xff0c;每个bounding box 除了要预测位置之…

倾斜摄影三维模型、激光点云、正射影像、数字高程模型如何实现在线浏览?

四维轻云是成都远石技术团队基于浏览器打造的一款地理空间数据管理云平台&#xff0c;可实现TB级大规模倾斜摄影三维模型发布管理&#xff0c;并支持私有化部署和高阶功能定制化开发。 1、注册登录 首先在四维轻云官网点击「立即试用」按钮&#xff0c;进入登录页面并点击「注…

C# 特性(Attribute)

一、特性&#xff08;Attribute&#xff09;定义 特性&#xff08;Attribute&#xff09;是用于在运行时传递程序中各种元素&#xff08;比如类、方法、结构、枚举、组件等&#xff09;的行为信息的声明性标签。您可以通过使用特性向程序添加声明性信息。 特性使用中括号…

2023年制造业产品经理考NPDP有什么用?

产品经理国际资格认证NPDP是新产品开发方面的认证&#xff0c;集理论、方法与实践为一体的全方位的知识体系&#xff0c;为公司组织层级进行规划、决策、执行提供良好的方法体系支撑。 【认证机构】 产品开发与管理协会&#xff08;PDMA&#xff09;成立于1979年&#xff0c;是…

键盘录入及标识符

键盘录入 键盘录入介绍&#xff1a; ●为什么要有键盘录入? 目的&#xff1a;为了让我们操作的数据,变得更加灵活 举例&#xff1a;int a10; 这里a虽然是个变量&#xff0c;但记录的值&#xff0c;却是手动写死的。 提问&#xff1a;能不能让a变量记录的值&#xff0c;灵活…