数据结构与算法之优先队列<九>

什么是优先队列
快速得找到元素的最大或最小值。为了实现这种数据结构
优先队列便孕育而生。优先队列或ADT是一种数据结构，支持插入和删除最小值或最大值并返回最大值或最小值得操作。

优先队列的应用
1.数据压缩（赫夫曼编码）
2.最短路径
3.最小生成树
4.选择问题：查找第K个最小元素

优先队列的实现
1.有序/无序数组实现
2.有序/无序链表实现
3.二叉树实现
4.二叉堆实现

主要介绍二叉堆的实现
二叉堆是一棵具有特殊性质的二叉树。
基本要求是所有节点必须大于或等于（小于或等于）其孩子节点
并且应该是一棵完全二叉树

二叉堆的实现

/* * 优先队列是至少允许下列两种操作的数据结构 * insert(插入) deleteMin(删除最小)  * 优先队列的工作是 找出 返回 删除 优先队列中的最小或最大元素 *  * 完全二叉堆实现优先队列 * 利用完全二叉树的紧凑性将完全二叉树转化为数组形式 */public class BinaryHeap<T extends Comparable<? super T>> {    // 堆    private T[] heap;    // 当前大小    private int currentSize;    // 默认大小    private final static int DEFAULT_SIZE = 10;    public BinaryHeap() {        this(DEFAULT_SIZE);    }    // 打印二叉堆    public void printHeap() {        for (int i = 0; i < currentSize; i++)            System.out.print(this.heap[i] + ",");    }    @SuppressWarnings("unchecked")    public BinaryHeap(int size) {        heap = (T[]) new Comparable[size];    }    // 将一个数组转化为二叉堆    @SuppressWarnings("unchecked")    public BinaryHeap(T[] items) {        currentSize = items.length;        heap = (T[]) new Comparable[(currentSize + 2) * 11 / 10];        System.arraycopy(items, 0, heap, 0, items.length);        bulidHeap();    }    /*     * 对外开放的方法     */    // 插入堆    public void insert(T t) {        // 数据临界 扩一倍        if (currentSize == heap.length)            enlargeArray(heap.length * 2);        // 当前数量加一        currentSize++;        // 插入节点的序号        int i = currentSize - 1;        while (i > 0 && t.compareTo(heap[(i - 1) / 2]) > 0) {            // 插入数据大于其父节点的数据            heap[i] = heap[(i - 1) / 2];            // 下一个父节点            i = (i - 1) / 2;        }        heap[i] = t;    }    // 找到最大值    public T findMax() {        if (currentSize > 0)            return heap[0];        return null;    }    // 删除最大值    public T deleteMax() {        T t = null;        if (currentSize > 0) {            t = heap[0];            // 将最后一个元素替代第一个            heap[0] = heap[currentSize - 1];            currentSize--;            percolateDown(0);        }        return t;    }    /*     * 私人方法     */    // 下滤 (先找到孩子的最大值在与小于孩子的父节点互换)    private void percolateDown(int hole) {        // 判断节点是否有孩子        int left = hole * 2 + 1;        T temp;        // 如果左孩子存在        if (left < currentSize) {            // 如果右孩子存在            if (left + 1 < currentSize) {                // 若右孩子大于左孩子互换                if (heap[left + 1].compareTo(heap[left]) > 0) {                    temp = heap[left + 1];                    heap[left + 1] = heap[left];                    heap[left] = temp;                }            }            // 如果左节点大于父节点 互换            if (heap[left].compareTo(heap[hole]) > 0) {                temp = heap[hole];                heap[hole] = heap[left];                heap[left] = temp;            }        }    }    // 建立二叉堆    public void bulidHeap() {        // 调整所有节点 (currentSize表示当前堆中元素个数)        for (int i = (currentSize - 2) / 2; i >= 0; i--) {            percolateDown(i);        }    }    // 动态扩充数组变为原来的两倍    @SuppressWarnings("unchecked")    private void enlargeArray(int newSize) {        // 保存旧数据        T[] temp = heap;        // 扩一倍        heap = (T[]) new Comparable[2 * heap.length];        // 导入旧数据        System.arraycopy(temp, 0, heap, 0, temp.length);    }}

至此，优先队列的基础介绍完毕。