数据结构和算法分析 优先队列

也可以使用普通的数组来实现优先队列，当然push复杂度为O(1),pop复杂度为O(N)。

也可以使用二叉查找树来实现，如果使用平衡树，那么插入和查找的复杂度就是所使用的平衡树的复杂度。

一般使用堆来实现优先队列。

堆：

• 堆是一棵完全二叉树(complete binary tree)。
• 由于完全二叉树的规律性，它可以用一个数组来实现而不需要指针。排除数组中位置0，在数组中任一位置i上的元素，其左儿子在位置2i上，右儿子在左儿子后的单元(2i+1)上。它的父亲节点在位置i/2上。
• 在一个堆中，对于每一个节点X，都小于它子节点的值。

堆的基本操作操作

插入操作：在堆的下一个空闲位置放入插入元素，然后将它不断上浮到合适的位置为止。时间复杂度：O(LogN)。

删除最小元：将堆顶的元素移除，然后将最后一个元素移动到堆顶，然后将堆顶元素不断下沉到合适的位置。时间复杂度：O(LogN)。

构建堆:将堆的元素的所有非叶子节点下沉到合适的位置（从最后一个非叶子结点开始，到根节点结束）。时间复杂度是O（N），而不是O(NlogN)。

代码：

1. package com.zjf;
2.  
3. import java.util.Arrays;
4. import java.util.List;
5.  
6. public class PriorityHeap<E extends Comparable<? super E>> {
7.  
8.    public static void main(String[] args) {
9.       // TODO Auto-generated method stub
10.       PriorityHeap<Integer> heap = new PriorityHeap<Integer>();
11.       heap.push(5);
12.       heap.push(3);
13.       heap.push(8);
14.       heap.push(1);
15.       heap.push(7);
16.       heap.push(6);
17.       System.out.println(heap);
18.       System.out.println(heap.pop());
19.       System.out.println(heap);
20.       Integer[] ia = {2,5,4,9,7,3,6,8};
21.       PriorityHeap<Integer> heap1 = new PriorityHeap<Integer>(ia);
22.       System.out.println(heap1);
23.    }
24.  
25.    // 简单实现 就写死了 不再考虑扩展
26.    private int currentSize = 0;
27.    private Comparable[] arr = new Comparable[1024];
28.  
29.    public void push(E e) {
30.       // 注意数组0下标的位置 不存储内容:为了满足n和2n+1的关系
31.       // 插入到最后一个位置
32.       arr[currentSize + 1] = e;
33.       int i = currentSize + 1;
34.       // 将刚才插入到最后一个位置的节点慢慢上浮到合适的位置
35.       while (i > 1) {
36.          if (arr[i].compareTo(arr[i / 2]) < 0) {
37.             // 交换上浮
38.             swap(i, i / 2);
39.          }
40.          i = i / 2;
41.       }
42.       // 操作成功后currentSize++
43.       currentSize++;
44.    }
45.  
46.    public PriorityHeap(E[] es) {
47.       // 将传入数组的内容一字排开放入堆中
48.       for (int i = 0; i < es.length; i++) {
49.          arr[i + 1] = es[i];
50.       }
51.       currentSize = es.length;
52.       // 构建堆
53.       buildHeap();
54.    }
55.  
56.    public PriorityHeap() {
57.  
58.    }
59.  
60.    // 构建堆:将乱序的数组 构建成满足堆序要求的堆结构
61.    public void buildHeap() {
62.       // 从currentSize的一半开始 往上 逐个下沉到合适的位置
63.       //currentSize/2是最后一个有子节点的位置 再往后就是叶子结点了
64.       for(int i = currentSize/2; i >=1;i--)
65.       {
66.          down(i);
67.       }
68.    }
69.  
70.    public E pop() {
71.       if (currentSize == 0) {
72.          return null;
73.       }
74.       E first = (E) arr[1];
75.       // 第一个元素空了下来 将最后一个元素移到这个位置 然后下沉到合适的位置
76.       arr[1] = arr[currentSize];
77.       // 下沉第一个元素
78.       down(1);
79.       // 成功后currentSize--
80.       currentSize--;
81.       return first;
82.    }
83.  
84.    // 下沉
85.    private void down(int i) {
86.       int child = i * 2;
87.       // 没有子节点 跳出循环
88.       if (child > currentSize) {
89.          return;
90.       }
91.       // 对比有两个子节点 那么需要对比它们两个 找出最小的一个
92.       if ((child + 1 <= currentSize)
93.             && arr[child].compareTo(arr[child + 1]) > 0) {
94.          child++;
95.       }
96.       if (arr[child].compareTo(arr[i]) < 0) {
97.          swap(i, child);
98.          down(child);
99.       }
100.    }
101.  
102.    // 交换
103.    private void swap(int i, int j) {
104.       Comparable temp = arr[i];
105.       arr[i] = arr[j];
106.       arr[j] = temp;
107.  
108.    }
109.  
110.    @Override
111.    public String toString() {
112.       List l = Arrays.asList(arr).subList(1, currentSize);
113.       return Arrays.toString(l.toArray());
114.    }
115. }

打印：

[1, 3, 6, 5, 7]

1

[3, 5, 6, 8]

[2, 5, 3, 8, 7, 4, 6]

 

原始的二叉堆使用数组实现，是一个完全二叉树，其实现简单，但是在合并方面不尽人意，只能通过构建一个新的堆来实现两个堆的合并，时间复杂度为O（N）。而左式堆和斜堆是两种合并高效的堆，并且左式堆以及斜堆的insert以及deleteMin等操作都是以merge操作为基础的。merge时间复杂度可以达到O（logN）。