`
chenlb
  • 浏览: 695600 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
社区版块
存档分类
最新评论

[原]自己实现的优先队列 PriorityQueue

阅读更多

    java库里的PriorityQueue无法满足我,它不能固定容量,不遍历(遍历后就无序了),它的排序因字是从小到大(虽然可以用Comparator来反转大小顺序)。我所要的是可以固定容量(在一大堆数据通信中选择最大或最小的几个数时很有用),可遍历(不是一个个poll())。
    于是,在有空的时间里写了一下。内容是一个双向链表(带头的,头不作保存数据),用插入排序。个人认为一个个添加的用插入排序效果比较好。从队尾到队头找合适的插入位置,是稳定的排序。
    添加的实体可以用Comparator或Comparable,如果这两个都不是,就失去排序的效果。实现了比较高兴,发表下。

package net.blogjava.chenlb.util;

import java.util.AbstractQueue;
import java.util.Comparator;
import java.util.Iterator;

/**
 * 
@param <E>
 * 容量capacity大于0,最多只能添加capacity个,多出的被删除掉.<br/>
 * 删除时根据{
@link Comparable}或{@link Comparator} 和 desc
 * 如果comparator==null时使用Comparable<br/>
 * non-thread safe
 * 
@author chenlb 2008-4-23 下午11:31:06
 
*/
public class TopPriorityQueue<E> extends AbstractQueue<E> implements java.io.Serializable {

    
private static final long serialVersionUID = 1L;

    
private int size;
    
private LinkedItem head;
    
private LinkedItem last;
    
private int top;    //top>0后,容量有限制
    private Comparator<? super E> comparator;
    
private boolean desc;    //降序
    
    
/**
     * 容量无限制,升序.
     
*/
    
public TopPriorityQueue() {
        
this(0nullfalse);
    }
    
    
/**
     * 容量无限制,
     * 
@param desc true为降序.
     
*/
    
public TopPriorityQueue(boolean desc) {
        
this(0null, desc);
    }

    
/**
     * 容量无限制,升序,用comparator排序
     
*/
    
public TopPriorityQueue(Comparator<? super E> comparator) {
        
this(0, comparator, false);
    }
    
    
/**
     * 容量无限制,用comparator排序
     * 
@param desc true为降序
     
*/
    
public TopPriorityQueue(Comparator<? super E> comparator, boolean desc) {
        
this(0, comparator, desc);
    }
    

    
/**
     * 容量限制为capacity.超出容量限制的,会删除优先级最小(队尾).
     
*/
    
public TopPriorityQueue(int capacity) {
        
this(capacity, nullfalse);
    }
    
    
public TopPriorityQueue(int capacity, boolean desc) {
        
this(capacity, null, desc);
    }
    
    
public TopPriorityQueue(int capacity, Comparator<? super E> comparator) {
        
this(capacity, comparator, false);
    }
    
    
public TopPriorityQueue(int capacity, Comparator<? super E> comparator, boolean desc) {
        head 
= new LinkedItem();
        last 
= head;
        top 
= capacity;
        
this.comparator = comparator;
        
this.desc = desc;
    }
    @Override
    
public Iterator<E> iterator() {
        
// TODO 迭代器
        return new It(head);
    }

    @Override
    
public int size() {
        
return size;
    }

    
    
public boolean offer(E o) {
        
// TODO 添加到适当的位置
        if(o == null) {
            
throw new IllegalArgumentException("不能添加值为null的!");
        }
        LinkedItem temp 
= new LinkedItem(o);
        
/*last.next = temp;
        temp.prev = last;
*/
        
if(last == head) {    //第一个
            last.next = temp;
            temp.prev 
= last;
            
            last 
= temp;
        } 
else {
            LinkedItem tempPrev 
= last;
            
if(comparator != null) {
                
while(tempPrev!=null && tempPrev != head) {
                
                    
int r = comparator.compare(tempPrev.data, temp.data);
                    
if(desc) {
                        r 
= 0 - r;
                    }
                    
if(r == 1) {    //tempPrev > temp
                        
//重置,继续向前找
                        tempPrev = tempPrev.prev;
                    } 
else {    //找到插入的位置
                        break;
                    }
                }
                
            } 
else if(o instanceof Comparable) {    //用Comparable
                
                
while(tempPrev!=null && tempPrev != head) {
                    Comparable
<E> tPrev = (Comparable<E>) tempPrev.data;
                    
int r = tPrev.compareTo(temp.data);
                    
if(desc) {
                        r 
= 0 - r;
                    }
                    
if(r == 1) {    //tempPrev > temp
                        
//重置,继续向前找
                        tempPrev = tempPrev.prev;
                    } 
else {    //找到插入的位置
                        break;
                    }
                }
            }
            
if(tempPrev != null) {    //插入
                if(tempPrev == last) {    //后面添加的
                    last = temp;
                }
                
                temp.next 
= tempPrev.next;
                
if(tempPrev.next != null) {
                    tempPrev.next.prev 
= temp;
                }
                tempPrev.next 
= temp;
                temp.prev 
= tempPrev;
            }
        }
        
        size
++;
        
if(top > 0 && size > top) {    //去掉优先级最小的
            tail();
        }
        
return true;
    }

    
/**
     * 从栈底去除
     
*/
    
public E tail() {
        
if(last == head) {
            
return null;
        }
        LinkedItem laster 
= last;
        last 
= last.prev;
        last.next 
= null;
        laster.prev 
= null;
        size
--;
        
return laster.data;
    }
    
    
public E peek() {
        
// TODO 取得栈顶值
        LinkedItem first = head.next;
        
if(first != null) {
            
return first.data;
        }
        
return null;
    }

    
    
public E poll() {
        
// TODO 从栈顶去除
        LinkedItem first = head.next;
        
if(first != null) {
            head.next 
= first.next;
            
if(first.next != null) {
                first.next.prev 
= head;
            }
            size
--;
            
return first.data;
        }
        
return null;
    }

    
private class It implements Iterator<E> {

        LinkedItem curr;
        
        
public It(LinkedItem curr) {
            
super();
            
this.curr = curr;
        }

        
        
public boolean hasNext() {
            
if(curr != null && curr.next != null) {
                
return true;
            }
            
return false;
        }

        
        
public E next() {
            curr 
= curr.next;
            E d 
= curr.data;
            
return d;
        }

        
        
public void remove() {
            curr.prev.next 
= curr.next;
            
if(curr.next != null) {
                curr.next.prev 
= curr.prev;
            }
            size
--;
        }
        
    }
    
    
/**
     * 
@param <E>
     * 链结点.
     * 
@author chenlb 2008-5-4 下午04:48:17
     
*/
    
private class LinkedItem {
        LinkedItem prev;
        E data;
        LinkedItem next;
        
public LinkedItem() {
        }
        
public LinkedItem(E o) {
            
this.data = o;
        }
    }
}
分享到:
评论
5 楼 moshalanye 2008-07-01  
lucene 2.32 中用来实现查询结果存放缓存的时候    在代码里有一个这样的实现可以去看下得
org.apache.lucene.util.PriorityQueue  这个是抽象类,里面也有它的实现
4 楼 stephen 2008-06-12  
引用
于是,在有空的时间里写了一下。内容是一个双向链表(带头的,头不作保存数据),用插入排序。个人认为一个个添加的用插入排序效果比较好。从队尾到队头找合适的插入位置,是稳定的排序。


这样来看,这个就是一个排序的双向链表而已。当然,由于有了排序,也可以当作优先队列来用。只是要看数据的规模,这种双向链表的插入在数据量比较大的情况下,需要做的比较次数太多了。
算法书上通常会提到用 heap 结构来实现优先队列,主要是考虑在大规模的数据量情况,heap 是一种性能比较好的结构,在优先队列的使用场景中比二叉树更好一点。
3 楼 llade 2008-06-12  
取决于你需要解决的问题,插入排序用TreeSet。
插入和移除手段可以多样,真正要关注的是否需要多线程访问。
2 楼 chenlb 2008-05-25  
现在我用的是插入排序,链表的.
1 楼 chenlb 2008-05-25  
或许已经有第三方的库类似实现,各位朋友推荐下。

相关推荐

    基于java优先队列(PriorityQueue)的多路排序算法(含代码)

    在Java编程中,优先队列(PriorityQueue)是一种特殊的队列,它按照元素的优先级进行出队。这种数据结构在实现多路归并排序(Multi-Merge Sort)时非常有用,因为它能有效地处理多个已排序的输入流,并将它们合并成...

    java-leetcode题解之第347题前K个高频元素.zip

    Java中处理这类问题通常涉及到哈希表(HashMap)和优先队列(PriorityQueue)的数据结构。哈希表用于存储元素及其出现次数,而优先队列用于找出频率最高的元素。优先队列的特性是总是保持最小的元素在队列头部,这...

    huffman编码和反编码的java实现

    这个过程可以使用优先队列(PriorityQueue)来实现,队列中的元素是自定义的Node类,包含字符、频率以及指向左子节点和右子节点的引用。 3. **遍历哈夫曼树生成编码**:从根节点开始,每向左走一步记录一个0,每向...

    Java 容器.pdf_电子版pdf版

    * PriorityQueue:基于堆结构实现,可以用它来实现优先队列。 Map Map 是一种键值对的映射表,提供了对键值对操作的基本方法。常见的 Map 实现类有: 1. TreeMap:基于红黑树实现。 2. HashMap:基于哈希表实现...

    Java语言程序设计(进阶篇)原书第10版答案

    Java的`PriorityQueue`类实现了优先队列。 5. **集合和映射表**: Java集合框架包括List、Set和Map接口,以及它们的各种实现类,如ArrayList、LinkedList、HashSet、TreeSet、HashMap和TreeMap等。这些集合类提供了...

    基于Java的实例源码-最短路径算法实现 k-shortest-paths.zip

    7. **数据结构与算法**:在Java实现中,常用的数据结构包括数组、链表、队列、栈、优先队列等。算法方面,除了上述提到的路径搜索算法,还需要理解动态规划、回溯、递归等概念。 8. **编程技巧**:良好的代码组织和...

    最小生成树:Prim算法(两种方法)(java)

    在Java中实现Prim算法,通常有两种方法:优先队列(PriorityQueue)和邻接矩阵(Adjacency Matrix)。下面将详细介绍这两种方法,并通过代码实例来阐述它们的工作原理。 1. **优先队列方法**: 使用优先队列可以...

    Java就该这样学原代码

    - 高级集合:优先队列PriorityQueue、并发集合ConcurrentHashMap等。 5. **多线程** - 创建线程:通过实现Runnable接口或继承Thread类。 - 线程同步:synchronized关键字、wait/notify机制、Lock接口(如...

    C++实现的哈夫曼数的操作

    这个过程可以通过优先队列(如堆)来实现,每次取出权值最小的两个节点进行合并。 2. **生成编码**:从根节点到每个叶子节点的路径可以形成一个独特的二进制编码。左分支通常代表0,右分支代表1。当遍历到叶子节点...

    java 集合源码学习,jdk1.8集合类所有的源码讲解

    `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...

    java高级编程必须知道的集合详细讲解

    `Queue`接口的实现如`PriorityQueue`基于堆实现,可以实现优先级队列功能。 `Map`接口代表键值对的集合,主要实现类有`HashMap`、`TreeMap`、`HashTable`和`LinkedHashMap`。`HashMap`在Java 7中基于哈希表(冲突...

    哈夫曼编码实现压缩解压缩java

    - 使用优先队列(PriorityQueue)存储节点,根据频率排序,便于每次取出频率最小的两个节点。 - 构建哈夫曼树后,可以通过深度优先搜索(DFS)或广度优先搜索(BFS)生成编码表。 - 压缩时,根据编码表将文本转换...

    数据结构各种算法实现(C++模板),doc,代码可以直接拷出来用,321页,18大类的数据结构和算法

    `PriorityQueue.h` 文件定义了优先级队列的实现,支持以下功能: - **构造与析构**:初始化和销毁优先级队列。 - **入队**:向队列中添加元素。 - **出队**:移除并返回优先级最高的元素。 - **获取最高优先级元素*...

    java数据结构

    5. **队列的变种:优先队列**:优先队列根据优先级顺序处理元素,可以使用Java的PriorityQueue类来实现。 6. **堆**:堆是一种特殊的树形数据结构,通常为完全二叉树,满足堆性质(父节点的值大于或小于子节点的值...

    贪心算法和动态规划(Java实现) 贪心算法和动态规划.pdf

    在Java中,我们可以使用优先队列来实现贪心算法。首先,我们将所有的果子数加入优先队列,然后不断地从队列中取出两个最小的元素,合并它们,并将合并的结果加入队列中。最后,我们将所有的果子合并成一堆,并计算出...

    Java算法题,数据结构分析和实现.zip

    Java的`java.util.PriorityQueue`实现了最小堆,常用于优先级任务的调度。 6. **哈希表(Hash Table)**:哈希表通过哈希函数将键映射到数组的索引上,实现快速查找。Java的`HashMap`和`HashTable`是典型的哈希表...

    huffman编码实现压缩与解压文件

    这个过程包括创建一个最小堆(优先队列)并逐步合并频率最低的两个节点,直到只剩下一个节点,即为Huffman树的根节点。每个内部节点代表一个合并的字符或子树,而叶子节点则对应原始字符。 3. **生成Huffman编码**...

    CodingProblems:从 O(n) 中的大字符串中选择最常出现的前 k 个单词

    在Java中实现这两个问题,我们可以利用HashMap类处理单词计数,PriorityQueue类实现优先队列,以及gcd()函数计算最大公约数。在实际编程中,理解并熟练应用这些数据结构和算法能够有效提高代码质量和效率。 总结,...

    分治法实现比赛日程安排

    在实现过程中,可能需要考虑优化算法性能,比如使用优先队列(PriorityQueue)来存储待分配的比赛,或者使用动态规划来减少回溯搜索。同时,为了处理时间冲突,可以设计一个回溯函数,当发现无法分配比赛时,回溯并...

Global site tag (gtag.js) - Google Analytics