排序算法之——优先队列经典实现(基于二叉堆)
许多应用都需要处理有序的元素,但有时,我们不要求所有元素都有序,或是一定要一次就将它们排序,许多情况下,我们会收集这些元素里的最大值或最小值。
这种情况下一个合适的数据结构应该支持两种操作:插入元素、删除最大元素。
SRE实战 互联网时代守护先锋,助力企业售后服务体系运筹帷幄!一键直达领取阿里云限量特价优惠。优先队列与栈和队列类似,但它有自己的奇妙之处。
在本文中,会讲解基于二叉堆的一种优先队列的经典实现方法(代码没有任何难度,主要是理解思想)。
一、关于堆
1、堆的定义:
数据结构二叉堆能很好地实现优先队列的操作。在二叉堆中,每个元素都要保证大于等于另外两个位置的元素,相应的,这些位置的元素又至少要大于等于数组中的另外两个元素。
将所有元素画成一颗二叉树,就能很容易看出这种结构。
(图示1)
2、堆的算法:
在堆有序的过程中我们会遇到两种情况:
某个节点的优先级上升,我们需要由下至上恢复堆的顺序。
当某个节点的优先级下降,我们需要由上至下恢复堆的顺序。
在排序算法中,我们只通过私有辅助函数来访问元素:
1 private void exch(int i, int j) { 2 Key temp = pq[i]; 3 pq[i] = pq[j]; 4 pq[j] = temp; 5 } 6
7 private boolean less(int i, int j) { 8 return pq[i].compareTo(pq[j]) < 0; 9 }
①、由下至上的堆的有序化(上浮)
1 private void swim(int k) {// 二叉堆
2 while (k > 1 && less(k / 2, k)) { 3 exch(k / 2, k); 4 k = k / 2; 5 } 6 }
k/2即为k节点的父节点,当k大于k/2时交换两者,并继续与其父节点比较,直到找到合适的位置。
②、由上至下的堆的有序化(下沉)
1 private void sink(int k) {// 二叉堆
2 while (2 * k <= N) { 3 int j = 2 * k; 4 if (j < N && less(j, j + 1)) { 5 j++; 6 } 7 if (!less(k, j)) { 8 break; 9 } 10 exch(k, j); 11 k = j; 12 } 13 }
对于二叉树,2*k即为k的左子节点,将左右子节点进行比较,再将父节点与较大的子节点比较,如果子节点大于父节点,就将他们交换,并继续向下比较,直到找到合适的位置。
③、调整数组大小
如果不知道元素的个数,任意在初始化时造成空间的浪费。我们需要创造一个函数,用来调整数组的大小。
在插入方法中,如果空间已满,就将数组大小扩展为原来的两倍。在删除方法中,如果元素的个数小于数组长度的1/4,就将数组的长度减小一半。
1 private void resize(int n) { 2 Key[] temp = (Key[]) new Comparable[n + 1]; 3 for (int i = 1; i <= N; i++) { 4 temp[i] = pq[i]; 5 } 6 pq = temp; 7 L = n; 8 }
有了上面的方法,我们只需在插入和删除方法中加入判断语句即可。
④、多叉堆(了解即可)
在掌握了二叉堆的原理之后,将其改进为多叉堆只需要做几个改动。下面直接放代码,有兴趣的朋友可以自己动手。
1 private void swim(int k, int d) {// d叉堆:(k+d-2)/d为d叉堆第k个节点的父节点
2 while (k > 1 && less((k + d - 2) / d, k)) { 3 exch((k + d - 2) / d, k); 4 k = (k + d - 2) / d; 5 } 6 } 7
8 private void sinkM(int k, int d) {// d叉堆
9 while (d * k - (d - 2) <= N) {// d叉堆k节点的第一个子节点
10 int j = d * k - (d - 2); 11 int flag = k; 12 while (j <= N && j <= d * k + 1) { 13 if (less(flag, j)) { 14 flag = j; 15 } 16 j++; 17 } 18 if (flag == k) {// flag没有改变
19 break; 20 } 21 exch(k, flag); 22 k = flag; 23 } 24 }
二、堆排序(非降序):
(示意图2)
堆排序的sink()方法经过修改sink(a,b)中a是被排序的元素,b为排序的最大范围(修改之前排序的最大范围为元素总个数)。
1 public void sort(Comparable[] a) {//堆排序
2 int n=N; 3 for(int k=n/2;k>=1;k--) { 4 sink(k,n); 5 } 6 while(n>1) { 7 exch(1,n--); 8 sink(1,n); 9 } 10 }
1、heap construction(堆的构造)
可以看到在for循环中,我们只扫描了数组一半元素,因为我们跳过了大小为1的子堆,每次对一个节点排序时,以该节点为根节点的子堆就是有序的,所以我们最后会得到一个堆有序的二叉堆。
2、sortdown(下沉排序)
下沉排序每次选出最大的元素放入数组空出的位置,这有点像选择排序,但所需的比较要小得多,因为堆提供了一种从未排序部分找到最大元素的有效方法。
三、java代码展示(所有代码)
1 public class MaxPQ<Key extends Comparable<Key>> { 2 private Key[] pq; 3 private static int N = 0;// 元素个数
4 private static int L;// 数组长度(不包括0)
5
6 public MaxPQ(int maxN) { 7 pq = (Key[]) new Comparable[maxN + 1]; 8 L = maxN; 9 } 10
11 public boolean isEmpty() { 12 return N == 0; 13 } 14
15 public int size() { 16 return N; 17 } 18
19 public void insert(Key v) {// 二叉堆
20 if (N == L) { 21 resize(2 * N + 1); 22 System.out.println("resize Double"); 23 } 24 pq[++N] = v; 25 swim(N); 26 } 27
28 public void insert(Key v, int d) {// d叉堆
29 if (N == L) { 30 resize(2 * N + 1); 31 System.out.println("resize Double"); 32 } 33 pq[++N] = v; 34 swim(N, d); 35 } 36
37 public Key delMax() { 38 Key max = pq[1]; 39 exch(1, N--); 40 pq[N + 1] = null; 41 sink(1); 42 if (N > 0 && N == L / 4) { 43 resize(L / 2); 44 System.out.println("resize 1/2"); 45 } 46 return max; 47 } 48
49 public Key delMax(int d) { 50 if (N == 0) { 51 System.out.println("none!"); 52 } 53 Key max = pq[1]; 54 exch(1, N--); 55 pq[N + 1] = null; 56 sinkM(1, d); 57 if (N > 0 && N == L / 4) { 58 resize(L / 2); 59 System.out.println("resize 1/2"); 60 } 61 return max; 62 } 63
64 private void swim(int k) {// 二叉堆
65 while (k > 1 && less(k / 2, k)) { 66 exch(k / 2, k); 67 k = k / 2; 68 } 69 } 70
71 private void swim(int k, int d) {// d叉堆:(k+d-2)/d为d叉堆第k个节点的父节点
72 while (k > 1 && less((k + d - 2) / d, k)) { 73 exch((k + d - 2) / d, k); 74 k = (k + d - 2) / d; 75 } 76 } 77
78 private void sink(int k) {// 二叉堆
79 while (2 * k <= N) { 80 int j = 2 * k; 81 if (j < N && less(j, j + 1)) { 82 j++; 83 } 84 if (!less(k, j)) { 85 break; 86 } 87 exch(k, j); 88 k = j; 89 } 90 } 91
92 private void sinkM(int k, int d) {// d叉堆
93 while (d * k - (d - 2) <= N) {// d叉堆k节点的第一个子节点
94 int j = d * k - (d - 2); 95 int flag = k; 96 while (j <= N && j <= d * k + 1) { 97 if (less(flag, j)) { 98 flag = j; 99 } 100 j++; 101 } 102 if (flag == k) {// flag没有改变
103 break; 104 } 105 exch(k, flag); 106 k = flag; 107 } 108 } 109
110 private void resize(int n) { 111 Key[] temp = (Key[]) new Comparable[n + 1]; 112 for (int i = 1; i <= N; i++) { 113 temp[i] = pq[i]; 114 } 115 pq = temp; 116 L = n; 117 } 118
119 private void exch(int i, int j) { 120 Key temp = pq[i]; 121 pq[i] = pq[j]; 122 pq[j] = temp; 123 } 124
125 private boolean less(int i, int j) { 126 return pq[i].compareTo(pq[j]) < 0; 127 } 128
129 public void sort(Comparable[] a) {//堆排序
130 int n=N; 131 for(int k=n/2;k>=1;k--) { 132 sink(k,n); 133 } 134 while(n>1) { 135 exch(1,n--); 136 sink(1,n); 137 } 138 } 139
140 private void sink(int k, int n) {//二叉树 从k到n排序
141 while (2 * k <= n) { 142 int j = 2 * k; 143 if (j < n && less(j, j + 1)) { 144 j++; 145 } 146 if (!less(k, j)) { 147 break; 148 } 149 exch(k, j); 150 k = j; 151 } 152 } 153
154 public static void main(String[] args) { 155 MaxPQ mpq = new MaxPQ<>(3); 156 mpq.insert(1); 157 mpq.insert(2); 158 mpq.insert(3); 159 mpq.insert(4); 160 mpq.insert(5); 161 mpq.insert(6); 162 mpq.insert(7); 163 mpq.insert(8); 164 mpq.insert(9); 165 mpq.insert(10); 166 mpq.insert(11); 167 mpq.sort(mpq.pq); 168 for(int i=1;i<=N;i++) { 169 System.out.println(mpq.pq[i]); 170 } 171 /*for (int i = 1; i <= 13; i++) { 172 System.out.println(mpq.delMax()); 173 }*/
174 } 175
176 }