Priority Queue
目的:
通过对JDK源码的分析,进一步了解堆和优先队列,体会JDK源码的优美之处。
目录:
1:概念
2:源码结构
3:方法分析
概念:
概念1:堆
堆,n个关键字序列K1,K2,…,Kn,当且仅当该序列满足如下性质称为堆
ki≤K2i且ki≤K2i+1(最小堆) 或 (2)Ki≥K2i且ki≥K2i+1 (最大堆)
堆一般用顺序存储结构存储(数组),但逻辑上可以认为是一个完全二叉树。
概念2:优先队列
优先队列,不同于普通的遵循FIFO(先进先出)规则的队列,每次都选出优先级最高的元素出队,优先队列里实际是维护了这样的一个堆,通过堆使得每次取出的元素总是最小的(用户可以自定义比较方法,相当于用户设定优先级)。
源码结构
字段
//默认初始化大小 private static final int DEFAULT_INITIAL_CAPACITY = 11; //堆 private transient Object[] queue; //当前大小 private int size = 0; //比较器 private final Comparator<? super E> comparator; //修改次数(增、删、改、查) private transient int modCount = 0;
方法
//增加 public boolean add(E e) //出队(不删除) public E peek() //出队(删除) public E poll() //删除 public boolean remove(Object o) //是否包含某元素 public boolean contains(Object o) //清空 public void clear() //扩容 private void grow(int minCapacity) //查找 private int indexOf(Object o)
方法分析
1:增加
堆在增加元素后,需要进行调整才能维护其最大堆或者最小堆的性质,下面以最小堆为例:
增加元素26,默认是从队尾增加,即直接添加到数组最后。下一步需要执行上滤。从上图可以看出,26比其父节点39小,因此两者交换位置;再次比较此时的26和其父节点30,30>26,调整位置,依次进行直到找到比26小的父节点,结束。
代码:
add
public boolean add(E e) { return offer(e); }
可以看出,add方法实际上是全部委托给offer(E)
public boolean offer(E e) { if (e == null) throw new NullPointerException(); modCount++; int i = size; //检查容量(扩容) if (i >= queue.length) grow(i + 1); //改变size size = i + 1; //调整 if (i == 0) queue[0] = e;//无父节点 ,直接赋值 else siftUp(i, e);//有父节点,需要上滤 return true; }
第1步:判空
if (e == null) throw new NullPointerException();
第2步:改变大小和扩容
modCount++; int i = size; if (i >= queue.length) grow(i + 1); size = i + 1;
第3步:添加元素并上滤
if (i == 0) queue[0] = e; else siftUp(i, e);
从上面的3步中可以看出,实际上关键的步骤是:grow 和 siftUp
grow方法
private void grow(int minCapacity) { if (minCapacity < 0) // overflow throw new OutOfMemoryError(); int oldCapacity = queue.length; // Double size if small; else grow by 50% int newCapacity = ((oldCapacity < 64) ? ((oldCapacity + 1) * 2) : ((oldCapacity / 2) * 3)); if (newCapacity < 0) // overflow newCapacity = Integer.MAX_VALUE; if (newCapacity < minCapacity) newCapacity = minCapacity; queue = Arrays.copyOf(queue, newCapacity); }
1:扩容方式是:
当前队列大小queue.length<64,则增加一倍容量;反之则增加一半容量。
2:调用Arrays的copyOf函数 ,实际上调用了该函数
这是个native方法。(注意,该方法只是浅克隆)
siftUp 方法
private void siftUp(int k, E x) { if (comparator != null) siftUpUsingComparator(k, x); else siftUpComparable(k, x); }
根据不同的比较方式,采取不同比较策略。
下面以使用默认comparator的方式分析
private void siftUpComparable(int k, E x) { Comparable<? super E> key = (Comparable<? super E>) x; //k>0保证元素有父节点 while (k > 0) { //父节点下标 int parent = (k - 1) >>> 1; Object e = queue[parent]; //如果比父节点大,不需要移动,结束 if (key.compareTo((E) e) >= 0) break; //父节点元素下移 queue[k] = e; //改变k的位置 k = parent; } //找到key对一个的合适的位置k,赋值 queue[k] = key; }
可以看出,该方法是采用迭代的方式,找到元素x的位置。
int parent = (k - 1) >>> 1; Object e = queue[parent];
通过无符号移位操作,取得父节点位置
if (key.compareTo((E) e) >= 0) break; queue[k] = e; k = parent;
此处采用了默认的comparator
如果比父节点值大,结束。
如果比父节点值小,父节点值下沉,K重新赋值,直到k=0或者k结点的值大于或等于parent结点值。
2:出队(不删除)
public E peek() { if (size == 0) return null; return (E) queue[0]; }
这个很简单,只是取出了其中的首位元素,但是并没有删除,不需要调整堆。
3:出队(删除最小元素)
出队过程
当最小元素14出队,从数组尾处取39赋值给队首。之后,进行和增加元素后相反的动作即下滤。
首先选出根节点(父节点)39的两个孩子结点中较小者,和39交换位置;当39找到新位置后,执行同种方法,如果孩子结点为null或者都比39大,则结束。
代码:
public E poll() { // 优先队列为空,返回null if (size == 0) return null; int s = --size; modCount++; // 取出队首 E result = (E) queue[0]; E x = (E) queue[s]; // 队尾赋值为null queue[s] = null; // 判断是否执行下滤 if (s != 0) siftDown(0, x); return result; }
可以看出其中主要方法是siftDown方法
private void siftDown(int k, E x) { if (comparator != null) siftDownUsingComparator(k, x); else siftDownComparable(k, x); }
同样,和上滤一样,是根据不同的comparator采取不同措施比较
private void siftDownUsingComparator(int k, E x) { // 计算非叶子节点元素的最大位置 int half = size >>> 1; // 如果不是叶子结点 while (k < half) { // 左孩子 int child = (k << 1) + 1; // 默认使用左孩子的值 Object c = queue[child]; //右孩子 int right = child + 1; /如果右孩子小于左孩子,c重新赋值为右孩子的值 if (right < size && comparator.compare((E) c, (E) queue[right]) > 0) c = queue[child = right]; // c和key(父节点)比较,若父节点大,不需要移动,结束 if (comparator.compare(x, (E) c) <= 0) break; queue[k] = c; //改变k的位置,向下移动 k = child; } queue[k] = x; }
如果自上向下调整的位置k大于half,说明该结点是叶子结点,直接将x元素赋值给queue[k].
如果自上向下调整的位置k小于half,则递归调整。首先取出左右孩子结点,并取两者中较小者赋值给c,然后比较c和当前k处元素key,如果key小,则结束。如果c大,则将k和c调换位置,经过多次迭代后,当x应该存放在叶子结点上或者x的值小于其左右孩子节点时终止
4:删除
删除有两种情况:
情况1:
此处是执行下滤过程。
情况2:
此处是执行上滤过程。
private E removeAt(int i) { assert i >= 0 && i < size; modCount++; int s = --size; // 如果是最后一个元素,直接赋值null if (s == i) queue[i] = null; else { // 取最后一个元素后,最后位置赋值为null E moved = (E) queue[s]; queue[s] = null; // 执行下滤 siftDown(i, moved); // 如果下滤后元素位置没变,说明moved是该子树最小元素;之后需要执行上滤 // 上滤和下滤实际效果是只会执行其中一个 if (queue[i] == moved) { siftUp(i, moved); if (queue[i] != moved)// iterator中会用到此处 return moved; } } return null; }
如果删除的是最后一个元素,则将最后一个元素设为null
if (s == i) queue[i] = null;
如果删除的不是最后一个元素,取出最后一个元素,并将最后一个元素设为null。执行向下调整函数 siftDown.
E moved = (E) queue[s]; queue[s] = null; siftDown(i, moved);
如果执行了下滤之后,如情况2,此时24并没有向下移动,此时说明需要进行上滤过程
if (queue[i] == moved) { siftUp(i, moved); if (queue[i] != moved)// iterator中会用到此处 return moved; }
5:clear:清除
这个很简单,只是遍历数组,删除(设为null)
public void clear() { modCount++; for (int i = 0; i < size; i++) queue[i] = null; size = 0; }
6:contains:是否包含
这个过程实际上就是查找过程
public boolean contains(Object o) { return indexOf(o) != -1; }
7:idnexOf :查找
private int indexOf(Object o) { if (o != null) { //遍历数组查询 for (int i = 0; i < size; i++) //如果是自定义的元素,重写equals方法是很有必要的 if (o.equals(queue[i])) return i; } return -1; }
以上只是简单的分析了主要的方法,对于构造函数,实际上主要就是调用这几个方法,就没有再分析。有兴趣可以自行分析,相信会有所收获。
(ps:写完后,准备提交结果出现此种情况
原因是:
幸好有自动保存草稿功能,否则....)
相关推荐
JDK源码之PriorityQueue解析 一、优先队列的应用 优先队列是程序开发中常用的数据结构之一。它可以应用于多个领域,如操作系统的进程调度、爬虫系统的任务调度等。在这些应用中,优先队列可以确保高优先级的任务或...
PriorityQueue在JDK中内置,基于二叉堆数据结构实现,特别是最小堆,这意味着队列头部的元素总是具有最低的优先级。在Java 7中,PriorityQueue的底层实现是一个近似完全二叉树的数组,保证了队列的高效操作。 ...
`PriorityQueue`则是一种优先队列,根据元素的自然顺序或比较器进行排序。 `Map`接口存储键值对,不允许键重复。`HashMap`是基本的实现,它通过哈希表提供快速的插入、删除和查找操作。`TreeMap`使用红黑树保持键的...
此外,`PriorityQueue`是一种基于优先堆实现的队列,元素按照优先级进行排序,常用于实现调度和事件处理。`Deque`接口代表双端队列,可以支持从两端添加和移除元素,`ArrayDeque`是其高效的实现。 `Collections`...
除了基本的队列操作外,Java还提供了PriorityQueue等具有优先级功能的队列。 在Java集合框架中,各种集合类型的自动扩容机制是提高性能的关键。当集合的容量不足以容纳更多元素时,会进行扩容操作,这是通过定义...
4. **优先队列**:PriorityQueue实现了优先队列数据结构,可以高效地执行插入和删除操作,常用于优先级调度和堆排序。 5. **树结构**:TreeSet和TreeMap使用红黑树实现,提供O(log n)的时间复杂度,支持高效的插入...
在Java中实现Dijkstra算法,通常会用到数据结构如优先队列(PriorityQueue)来存储待处理的节点,按照距离进行排序。同时,还需要一个邻接表(Adjacency List)来表示图的结构,这比邻接矩阵更加节省空间,尤其对于...
它可以作为一个优先队列使用,队列中的元素按照优先级顺序排序。 #### Map `Map` 是键值对的集合,其中每个键都是唯一的。 - **TreeMap**: 基于红黑树实现的有序映射,提供按键值排序的功能。`TreeMap` 的键自动...
#### 第五章 JDK源码 71. **HashMap原理**:基于哈希表实现,以数组+链表的形式存储数据。 72. **HashTable原理**:与HashMap类似,但它是线程安全的。 73. **LinkedList原理**:双向链表结构,适合频繁的插入和删除...
2.2 JDK和JRE的区别:JDK(Java开发工具包)包含了JRE(Java运行时环境)以及编译Java源码的编译器和其他工具。JRE仅包含运行Java程序所需的环境。 2.3 “static”关键字的含义?能否在Java中重写私有或静态方法?...
- **PriorityQueue**:实现了优先级队列。 - **HashMap**:基于哈希表实现的`Map`。 - **TreeMap类**:基于红黑树实现的`Map`,键自然排序或自定义排序。 - **LinkedHashMap类**:保持插入顺序的`Map`。 - **...
Java中的队列有ArrayDeque、LinkedList、PriorityQueue等。ArrayDeque使用数组实现,LinkedList使用链表实现,PriorityQueue使用堆实现。 6. 反射中,Class.forName和classloader的区别。 Class.forName和...