大家好，又见面了，我是你们的朋友全栈君。
优先队列
比如现实生活中的排队，就符合这种先进先出的队列形式，但是像急诊医院排队，就不可能按照先到先治疗的规则，所以需要使用优先队列。
实现优先队列其实都是基于下面这些实现的：可以看出来实现优先队列最好的方式就是二叉堆。
（1）二叉堆本质上是一种完全二叉树
比如下面2棵树，左边的树是完全二叉树，右边不是，因为没有连续集中在左侧。定义1的意思是指
二叉堆的定义：
用数组来存储堆：如下图，父节点左孩子节点是本身索引的2倍，右孩子节点的索引是本身节点的2倍+1，这样只要知道其中一个节点的信息，就能迅速知道父节点或对应孩子节点的信息了。
最大堆
二叉堆分为2个类型，最大堆和最小堆，对于最大堆：最大堆任何一个父节点的值，都大于等于它左右孩子节点的值。
所以在插入新值68的时候，首先要满足作为完全二叉树的条件，就是最下层节点必须连续集中在左侧，所以放在11的位置，如下图：
如果这个二叉堆是最大堆，那么需要元素上游，和对应父节点进行比较，结果如下图：
如果我们要删除其中一个元素，比如根节点70，那我们需要将70和最下层的最右边的一个节点进行交换，然后删除70，如下：
但是此时明显不符合最大堆的定义，所以进行元素下沉：55和65都比28要大，但是我们选择和65交换，因为要满足最大堆的定义，这是风险最小的选择。
代码实现:
namespace DataStructure { /// <summary> /// 数组堆 /// </summary> /// <typeparam name="E"></typeparam> class MaxHeap<E> where E : IComparable<E> { private E[] heap; private int N; public MaxHeap(int capacity) { //之所以加1，是因为索引为0的地方是没有存值的。 heap = new E[capacity + 1]; } public MaxHeap() : this(10) { } public int Count { get { return N; } } public bool IsEmpty { get { return N == 0; } } public void Insert(E e) { //之所以减一，是因为二叉堆中的具体数是在索引1处开始。 if (N == heap.Length - 1) { ResetCapacity(heap.Length * 2); } //首先保证此树是完全二叉树。 heap[N + 1] = e; N++; Swim(N); } /// <summary> /// 元素上游 /// </summary> /// <param name="k"></param> private void Swim(int k) { //k==1时代表找到了根节点，所以不用再比较了，不能上游了 while (k > 1 && heap[k].CompareTo(heap[k / 2]) > 0) { Swap(k, k / 2); k = k / 2; } } private void Swap(int i, int j) { E e = heap[i]; heap[i] = heap[j]; heap[j] = e; } //删除最大元素 public E RemoveMax() { if (IsEmpty) throw new Exception("堆为空"); Swap(1, N); E max = heap[N]; //设置默认值，让垃圾回收器GC进行回收。 heap[N] = default; N--; Sink(1); if (N == (heap.Length - 1) / 4) ResetCapacity(heap.Length / 2); return max; } /// <summary> ///返回最大值 /// </summary> /// <returns></returns> public E Max() { if (IsEmpty) throw new Exception("堆为空"); return heap[1]; } /// <summary> /// 元素下沉 /// </summary> /// <param name="k"></param> private void Sink(int k) { //当前存在孩子节点的时候才能往下比较 while (2 * k <= N) { int j = 2 * k; //j+1<=N表示存在右孩子节点， //如果存在右孩子节点，并且右孩子节点比左孩子节点大 if (j + 1 <= N && heap[j + 1].CompareTo(heap[j]) > 0) { //右孩子的位置 j++; } //如果当前节点大于右孩子节点，则跳出 if (heap[k].CompareTo(heap[j]) >= 0) { break; } Swap(k, j); //j代表交换完成之后元素所在的新的位置，赋给k，看看这个位置是否需要继续交换 k = j; } } /// <summary> /// 数组扩容 /// </summary> /// <param name="newLength"></param> private void ResetCapacity(int newLength) { E[] newData = new E[newLength]; //将旧有数据复制到扩容后的新数组中 heap.CopyTo(newData, 0); //赋值给原有数组 注意此时给data的是引用，data中数据更改newData同样会变 heap = newData; } /// <summary> /// 重写输出方法 /// </summary> /// <returns></returns> public override string ToString() { StringBuilder stringBuilder = new StringBuilder(); stringBuilder.Append("["); for (int i = 1; i <=N; i++) { stringBuilder.Append(heap[i]); if (i != N) stringBuilder.Append(","); } stringBuilder.Append("]"); return stringBuilder.ToString(); } } }
调用：
按照二叉堆最大堆的定义，实现结果应为：
class Program { static void Main(string[] args) { MaxHeap<int> maxHeap = new MaxHeap<int>(); int[] arr = { 3,2,1,5,4}; for (int i = 0; i < arr.Length; i++) { maxHeap.Insert(arr[i]); Console.WriteLine(maxHeap); } maxHeap.RemoveMax(); Console.WriteLine(maxHeap); } }
结果：
[3]
[3,2]
[3,2,1]
[5,3,1,2]
[5,4,1,2,3]
[4,3,1,2]
和预期一致。
最小堆
最小堆任何一个父节点的值，都小于等于它左右孩子节点的值。
堆排序
堆排序是利用堆这种数据结构而设计的一种排序算法，堆排序是一种选择排序，它的最坏，最好，平均时间复杂度均为O(nlogn)，它也是不稳定排序。堆排序的基本思想是：将待排序序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了（一般升序采用大顶堆，降序采用小顶堆)。
代码如下：
class HeapSort1 { public static void Sort(int[] arr) { int n = arr.Length; MaxHeap<int> maxHeap = new MaxHeap<int>(n); for (int i = 0; i < n; i++) { maxHeap.Insert(arr[i]); } //要想实现正序，那么最大值就是放后面，所以i--； for (int i = n - 1; i >= 0; i--) { arr[i] = maxHeap.RemoveMax(); } } }
但是，当前代码的性能不是很好，他的时间复杂度：建堆(nlogn)+出堆(nlogn)=O(2nlogn)，空间复杂度为O(n)
可以使用原地堆排序进行优化。
原地堆排序
如下图，符合完全二叉树，但是不符合最大堆定义。 图中的橙色节点都是叶子节点，我们可以从第一个非叶子节点开始进行考察，其中n代表数组的个数。
class HeapSort2 { public static void Sort(int[] arr) { int n = arr.Length; MaxHeap<int> maxHeap = new MaxHeap<int>(n); for (int i = 0; i < n; i++) { maxHeap.Insert(arr[i]); } //因为要从第一个非叶子节点开始，并且期间需要元素下沉来实现最大堆。 for (int i = (n - 1 - 1) / 2; i >= 0; i--) { Sink(arr, i, n - 1); } //原地堆排序 for (int i = n - 1; i >= 0; i--) { //交换元素 Swap(arr, 0, i); //交换之后再次比较 Sink(arr, 0, i - 1); } } /// <summary> /// 元素下沉 /// </summary> /// <param name="k"></param> private static void Sink(int[] arr, int k, int N) { //当前存在孩子节点的时候才能往下比较 while (2 * k + 1 <= N) { int j = 2 * k + 1; //j+1<=N表示存在右孩子节点， //如果存在右孩子节点，并且右孩子节点比左孩子节点大 if (j + 1 <= N && arr[j + 1].CompareTo(arr[j]) > 0) { //右孩子的位置 j++; } //如果当前节点大于右孩子节点，则跳出 if (arr[k].CompareTo(arr[j]) >= 0) { break; } Swap(arr, k, j); //j代表交换完成之后元素所在的新的位置，赋给k，看看这个位置是否需要继续交换 k = j; } } private static void Swap(int[] arr, int i, int j) { int e = arr[i]; arr[i] = arr[j]; arr[j] = e; } }
优先队列
基于最大堆实现最大优先队列
完整代码：
最大最小数组堆：
namespace DataStructure { /// <summary> /// 最大数组堆 /// </summary> /// <typeparam name="E"></typeparam> class MaxHeap<E> where E : IComparable<E> { private E[] heap; private int N; public MaxHeap(int capacity) { //之所以加1，是因为索引为0的地方是没有存值的。 heap = new E[capacity + 1]; N = 0; } public MaxHeap() : this(10) { } public int Count { get { return N; } } public bool IsEmpty { get { return N == 0; } } public void Insert(E e) { //之所以减一，是因为二叉堆中的具体数是在索引1处开始。 if (N == heap.Length - 1) { ResetCapacity(heap.Length * 2); } //首先保证此树是完全二叉树。 heap[N + 1] = e; N++; Swim(N); } /// <summary> /// 元素上游 /// </summary> /// <param name="k"></param> private void Swim(int k) { //k==1时代表找到了根节点，所以不用再比较了，不能上游了 while (k > 1 && heap[k].CompareTo(heap[k / 2]) > 0) { Swap(k, k / 2); k = k / 2; } } private void Swap(int i, int j) { E e = heap[i]; heap[i] = heap[j]; heap[j] = e; } //删除最大元素 public E RemoveMax() { if (IsEmpty) throw new Exception("堆为空"); Swap(1, N); E max = heap[N]; //设置默认值，让垃圾回收器GC进行回收。 heap[N] = default; N--; Sink(1); if (N == (heap.Length - 1) / 4) ResetCapacity(heap.Length / 2); return max; } /// <summary> ///返回最大值 /// </summary> /// <returns></returns> public E Max() { if (IsEmpty) throw new Exception("堆为空"); return heap[1]; } /// <summary> /// 元素下沉 /// </summary> /// <param name="k"></param> private void Sink(int k) { //当前存在孩子节点的时候才能往下比较 while (2 * k <= N) { int j = 2 * k; //j+1<=N表示存在右孩子节点， //如果存在右孩子节点，并且右孩子节点比左孩子节点大 if (j + 1 <= N && heap[j + 1].CompareTo(heap[j]) > 0) { //右孩子的位置 j++; } //如果当前节点大于右孩子节点，则跳出 if (heap[k].CompareTo(heap[j]) >= 0) { break; } Swap(k, j); //j代表交换完成之后元素所在的新的位置，赋给k，看看这个位置是否需要继续交换 k = j; } } /// <summary> /// 数组扩容 /// </summary> /// <param name="newLength"></param> private void ResetCapacity(int newLength) { E[] newData = new E[newLength]; //将旧有数据复制到扩容后的新数组中 heap.CopyTo(newData, 0); //赋值给原有数组 注意此时给data的是引用，data中数据更改newData同样会变 heap = newData; } /// <summary> /// 重写输出方法 /// </summary> /// <returns></returns> public override string ToString() { StringBuilder stringBuilder = new StringBuilder(); stringBuilder.Append("["); for (int i = 1; i <= N; i++) { stringBuilder.Append(heap[i]); if (i != N) stringBuilder.Append(","); } stringBuilder.Append("]"); return stringBuilder.ToString(); } } /// <summary> /// 最小数组堆 /// </summary> /// <typeparam name="E"></typeparam> class MinHeap<E> where E : IComparable<E> { private E[] heap; private int N; public MinHeap(int capacity) { //之所以加1，是因为索引为0的地方是没有存值的。 heap = new E[capacity + 1]; N = 0; } public MinHeap() : this(10) { } public int Count { get { return N; } } public bool IsEmpty { get { return N == 0; } } public void Insert(E e) { //之所以减一，是因为二叉堆中的具体数是在索引1处开始。 if (N == heap.Length - 1) { ResetCapacity(heap.Length * 2); } //首先保证此树是完全二叉树。 heap[N + 1] = e; N++; Swim(N); } /// <summary> /// 元素上游 /// </summary> /// <param name="k"></param> private void Swim(int k) { //k==1时代表找到了根节点，所以不用再比较了，不能上游了 while (k > 1 && heap[k].CompareTo(heap[k / 2]) < 0) { Swap(k, k / 2); k = k / 2; } } private void Swap(int i, int j) { E e = heap[i]; heap[i] = heap[j]; heap[j] = e; } //删除最小元素 public E RemoveMin() { if (IsEmpty) throw new Exception("堆为空"); Swap(1, N); E max = heap[N]; //设置默认值，让垃圾回收器GC进行回收。 heap[N] = default; N--; Sink(1); if (N == (heap.Length - 1) / 4) ResetCapacity(heap.Length / 2); return max; } /// <summary> ///返回最小值 /// </summary> /// <returns></returns> public E Min() { if (IsEmpty) throw new Exception("堆为空"); return heap[1]; } /// <summary> /// 元素下沉 /// </summary> /// <param name="k"></param> private void Sink(int k) { //当前存在孩子节点的时候才能往下比较 while (2 * k <= N) { int j = 2 * k; //j+1<=N表示存在右孩子节点， //如果存在右孩子节点，并且右孩子节点比左孩子节点小 if (j + 1 <= N && heap[j + 1].CompareTo(heap[j]) < 0) { //右孩子的位置 j++; } //如果当前节点小于右孩子节点，则跳出 if (heap[k].CompareTo(heap[j]) <= 0) { break; } Swap(k, j); //j代表交换完成之后元素所在的新的位置，赋给k，看看这个位置是否需要继续交换 k = j; } } /// <summary> /// 数组扩容 /// </summary> /// <param name="newLength"></param> private void ResetCapacity(int newLength) { E[] newData = new E[newLength]; //将旧有数据复制到扩容后的新数组中 heap.CopyTo(newData, 0); //赋值给原有数组 注意此时给data的是引用，data中数据更改newData同样会变 heap = newData; } /// <summary> /// 重写输出方法 /// </summary> /// <returns></returns> public override string ToString() { StringBuilder stringBuilder = new StringBuilder(); stringBuilder.Append("["); for (int i = 1; i <= N; i++) { stringBuilder.Append(heap[i]); if (i != N) stringBuilder.Append(","); } stringBuilder.Append("]"); return stringBuilder.ToString(); } } }
最大最小优先队列：
namespace DataStructure { /// <summary> /// 最大优先队列 IQueue：是自定义的一个接口 /// </summary> /// <typeparam name="E"></typeparam> class MaxPQ<E> : IQueue<E> where E : IComparable<E> { private MaxHeap<E> heap; public int Count { get { return heap.Count; } } public bool IsEmpty { get { return heap.IsEmpty; } } public MaxPQ(int capacity) { heap = new MaxHeap<E>(capacity); } public MaxPQ() { heap = new MaxHeap<E>(); } public void Enqueue(E e) { heap.Insert(e); } public E Dequeue() { return heap.RemoveMax(); } public E Peek() { return heap.Max(); } } /// <summary> /// 最小优先队列 /// </summary> /// <typeparam name="E"></typeparam> class MinPQ<E> : IQueue<E> where E : IComparable<E> { private MinHeap<E> heap; public int Count { get { return heap.Count; } } public bool IsEmpty { get { return heap.IsEmpty; } } public MinPQ(int capacity) { heap = new MinHeap<E>(capacity); } public MinPQ() { heap = new MinHeap<E>(); } public void Enqueue(E e) { heap.Insert(e); } public E Dequeue() { return heap.RemoveMin(); } public E Peek() { return heap.Min(); } } }
（1）在一百万个元素中找出前10个最小的元素。
最好用优先队列，因为其他那些排序方法需要把1百万个数据先放到内存中才能进行排序，通过优先队列，来一个数据，就处理一个，不需要那么多的内存，只需要开辟10个内存来储存即可。
我们可以把数据规模缩小来进行测试，如下：
我们可以先找出3个元素，然后将剩余的元素和选出来的元素进行比较，如果存在比这3个元素小的，则替换，否则继续比较。
class Program { static void Main(string[] args) { //找最小的三个数 MaxPQ<int> maxHeap = new MaxPQ<int>(3); int[] arr = { 3, 2, 1, 5, 4 }; for (int i = 0; i < arr.Length; i++) { if (maxHeap.Count < 3) { maxHeap.Enqueue(arr[i]); } //如果当前数比最大数还小，则去除最大数， else if (arr[i] < maxHeap.Peek()) { //去除队列中最大的数 maxHeap.Dequeue(); maxHeap.Enqueue(arr[i]); } } } }
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/155691.html原文链接：https://javaforall.cn
【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛
【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...