集合框架 Queue篇(2)—PriorityQueue

  categories:资料  author:

来源:互联网

Queue

————
1.ArrayDeque,
2.PriorityQueue,
3.ConcurrentLinkedQueue,

4.DelayQueue,
5.ArrayBlockingQueue,
6.LinkedBlockingQueue,
7.LinkedBlockingDeque
8.PriorityBlockingQueue,
9.SynchronousQueue
————

—————————————

PriorityQueue(优先级队列)

/**
*PriorityQueue是一个优先级堆(二叉堆)的无界优先级队列。
*优先级队列的元素按照其自然顺序(Comparable)进行排序,或者根据构造队列时提供的Comparator进行排序,具体取决于所使用的构造方法。
*优先级队列不允许使用null元素。依靠自然顺序的优先级队列还不允许插入不可比较的对象(否则会导致ClassCaseException)。
*此队列的头是按指定排序方式确定的最小元素。如果多个元素都是最小值,则头是其中一个元素–选择方法是任意的。
*队列获取操作 poll、remove、peek和element访问处于队列头的元素。
*优先级队列是无界的,但是有一个内部容量,控制着用于存储队列元素的数组大小。它至少等于队列的大小。随着不断向优先级队列
*添加元素,其容量会自动增加。无需指定容量增加策略的细节。
*/
public class PriorityQueue<E> extends AbstractQueue<E> implements java.io.Serializable {
    private static final int DEFAULT_INITIAL_CAPACITY = 11;//默认的初始容量为11

    /**
     * 优先队列是通过“平衡二叉堆”的形式实现的:
     * 对于数组queue中任一元素queue[n],其左儿子为queue[2*n+1],右儿子为queue[2*(n+1)];
     * 优先级队列的元素按照其自然顺序(Comparable)进行排序,或者根据构造队列时提供的Comparator进行排序,
     * 具体取决于所使用的构造方法。
     * 在堆中,对于每个节点n,n的父节点中的关键字小于或等于n中的关键字,根节点也就是queue[0]是最小的。
     */
    private transient Object[] queue;

    private int size = 0;//优先级队列中元素的个数

    /**
     * 节点的关键字“比较器”,如果为null则采用关键字的自然排序(Comparable)方式
     */
    private final Comparator<? super E> comparator;

    /**
     * 优先队列结构变动的次数
     */
    private transient int modCount = 0;

    /**
     * 无参构造,采用默认容量及元素的自然排序(Comparable)形式
     */
    public PriorityQueue() {
        this(DEFAULT_INITIAL_CAPACITY, null);
    }

    /**
     * 指定容量
     */
    public PriorityQueue(int initialCapacity) {
        this(initialCapacity, null);
    }

    /**
     * 指定容量及排序器
     */
    public PriorityQueue(int initialCapacity, Comparator<? super E> comparator) {
        // Note: This restriction of at least one is not actually needed,
        // but continues for 1.5 compatibility
        if (initialCapacity < 1)
            throw new IllegalArgumentException();
        this.queue = new Object[initialCapacity];
        this.comparator = comparator;
    }

    /**
     * 通过“集合”初始化队列并根据集合的类型初始化排序器
     */
    public PriorityQueue(Collection<? extends E> c) {
        initFromCollection(c);
        if (c instanceof SortedSet)
            comparator = (Comparator<? super E>)
                ((SortedSet<? extends E>)c).comparator();
        else if (c instanceof PriorityQueue)
            comparator = (Comparator<? super E>)
                ((PriorityQueue<? extends E>)c).comparator();
        else {
            comparator = null;
            heapify();
        }
    }

    /**
     * 通过另一个“优先队列”初始化队列及其排序方式
     */
    public PriorityQueue(PriorityQueue<? extends E> c) {
        comparator = (Comparator<? super E>)c.comparator();
        initFromCollection(c);
    }

    /**
     * 通过“排序集合”初始化队列及其排序方式
     */
    public PriorityQueue(SortedSet<? extends E> c) {
        comparator = (Comparator<? super E>)c.comparator();
        initFromCollection(c);
    }

    /**
     * 通过集合初始化数组
     */
    private void initFromCollection(Collection<? extends E> c) {
        Object[] a = c.toArray();
        // If c.toArray incorrectly doesn’t return Object[], copy it.
        if (a.getClass() != Object[].class)
            a = Arrays.copyOf(a, a.length, Object[].class);
        queue = a;
        size = a.length;
    }

    /**
     *增加数组容量
     */
    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);
    }

    /**
     * 插入元素
     */
    public boolean add(E e) {
        return offer(e);
    }

    /**
     * 插入元素
     */
    public boolean offer(E e) {
        if (e == null)
            throw new NullPointerException();
        modCount++;
        int i = size;
        if (i >= queue.length)
            grow(i + 1);//增加容量
        size = i + 1;
        if (i == 0)//如果插入前为空队列
            queue[0] = e;
        else           
            siftUp(i, e);//通过堆的“上滤”方式插入新的元素(i是最后一个元素的位置)
        return true;
    }
    //获得队头元素
    public E peek() {
        if (size == 0)
            return null;
        return (E) queue[0];
    }
    //遍历得到元素o的索引
    private int indexOf(Object o) {
if (o != null) {
            for (int i = 0; i < size; i++)
                if (o.equals(queue[i]))
                    return i;
        }
        return -1;
    }

    /**
     * 删除元素(通过equals的方式)
     */
    public boolean remove(Object o) {
int i = indexOf(o);
if (i == -1)
     return false;
else {
     removeAt(i);
     return true;
}
    }

    /**
     * 删除元素(通过==(引用相等)的方式)
     */
    boolean removeEq(Object o) {
for (int i = 0; i < size; i++) {
     if (o == queue[i]) {
                removeAt(i);
                return true;
            }
        }
        return false;
    }

    /**
     * 是否包含
     */
    public boolean contains(Object o) {
return indexOf(o) != -1;
    }

    /**
     * 返回队列元素的Object数组
     */
    public Object[] toArray() {
        return Arrays.copyOf(queue, size);
    }

    /**
     * 返回指定返回类型队列元素的数组
     */
    public <T> T[] toArray(T[] a) {
        if (a.length < size)
            // Make a new array of a’s runtime type, but my contents:
            return (T[]) Arrays.copyOf(queue, size, a.getClass());
System.arraycopy(queue, 0, a, 0, size);
        if (a.length > size)
            a[size] = null;
        return a;
    }
    //遍历器
    public Iterator<E> iterator() {
        return new Itr();
    }
    private final class Itr implements Iterator<E> {
      ……
    }

    public int size() {
        return size;
    }

    /**
     * 清空队列
     */
    public void clear() {
        modCount++;
        for (int i = 0; i < size; i++)
            queue[i] = null;
        size = 0;
    }
    //出对
    public E poll() {
        if (size == 0)
            return null;
        int s = –size;//最后一个元素索引
        modCount++;
        E result = (E) queue[0];
        E x = (E) queue[s];
        queue[s] = null;
        if (s != 0)
            siftDown(0, x);//安排最后一个元素的位置
        return result;
    }

    /**
     * 删除指定位置的元素
     */
    private E removeAt(int i) {
        assert i >= 0 && i < size;
        modCount++;
        int s = –size;
        if (s == i) // 如果是最后一个元素,直接删除
            queue[i] = null;
        else { //否则,还要考虑删除位置i元素后,最后一个元素重新安排位置的问题
            E moved = (E) queue[s];
            queue[s] = null;
            siftDown(i, moved);//“下滤”策略
            if (queue[i] == moved) {//为了应对“迭代器”执行期间进行的remove操作,而导致的“Unlucky”元素设置的。
                siftUp(i, moved);
                if (queue[i] != moved)
                    return moved;
            }
        }
        return null;
    }

    /**
     *优先队列的“插入操作”时调用该“上滤”策略 :(主要是安排“插入的新元素”的合适位置)
     *为了将一个元素x插入到堆中,我们在下一个可用位置(就是最后一个叶子节点的下一个节点处)
     *创建一个空穴,否则该堆不是完全树。如果x可以放在该空穴中并不破坏堆的序,那么就插入完成。
     *否则,我们把空穴的父节点上的元素移入空穴中,这样空穴就朝着根的方向向上冒一步。继续改过程
     *直到x能被放入空穴中为止。
     *
     * 也就是,从位置k(该类中传入的k为最后一个元素的位置)处插入元素x,为了保证堆序性质,
     * 就对x进行“上滤”操作直到x为叶子节点或者小于等于它的孩子节点。
     */
    private void siftUp(int k, E x) {
        if (comparator != null)//比较器为null时
            siftUpUsingComparator(k, x);
        else
            siftUpComparable(k, x);
    }
    //“上滤”策略,通过自然顺序比较关键字
    private void siftUpComparable(int k, E x) {
        Comparable<? super E> key = (Comparable<? super E>) x;
        while (k > 0) {
            int parent = (k – 1) >>> 1;//父位置
            Object e = queue[parent];
            if (key.compareTo((E) e) >= 0)//key>=父时,就表示该位置适合插入,
                break;
            //key比父小时,父就下移,k指定到原来父的位置,继续“上移”循环,直到key>=父或者k=0(为根)
            queue[k] = e;
            k = parent;
        }
        queue[k] = key;
    }
    //“上滤”策略,通过比较器比较关键字
    private void siftUpUsingComparator(int k, E x) {
        while (k > 0) {
            int parent = (k – 1) >>> 1;
            Object e = queue[parent];
            if (comparator.compare(x, (E) e) >= 0)
                break;
            queue[k] = e;
            k = parent;
        }
        queue[k] = x;
    }

    /**
     *优先队列(二叉堆)的“删除操作”时调用该“下滤”策略 :(主要是安排最后一个元素的位置)
     *当删除一个最小元时,要在根节点建立一个空穴。由于现在少了一个元素,因此堆中最后一个元素x必须移动到某个
     *位置。如果x可以放在空穴中,那么操作结束,否则将空穴的两个儿子中的较小者移入空穴,这样空穴就向下推进一层。
     *重复该步骤直到x可以被放入空穴中。因此,我们的做法就是将x置于沿着k开始包含最小儿子的一条路径上的一个正确
     *位置。
     * 优先队列(小顶堆)的删除操作一般指的删除最小元(堆顶,根节点),当然也可以是k位置。
     * 也就是把位置k处设为空穴,对(最后一个元素)x进行“下滤”操作 直到x为叶子节点或者小于等于它的孩子节点。
     */
    private void siftDown(int k, E x) {
        if (comparator != null)
            siftDownUsingComparator(k, x);
        else
            siftDownComparable(k, x);
    }
    //“下滤”操作,通过关键字的comparable比较元素大小
    private void siftDownComparable(int k, E x) {
        Comparable<? super E> key = (Comparable<? super E>)x;
        int half = size >>> 1;        // 循环非叶子节点(因为最后一个元素位于叶子节点处,只在叶子节点以上的部分寻找)
        while (k < half) {//k是指删除的元素的位置
            int child = (k << 1) + 1; // 左儿子位置
            Object c = queue[child];
            int right = child + 1;    // 右儿子位置
            //如果右儿子不是最后一个节点,c指向小节点
            if (right < size &&
                ((Comparable<? super E>) c).compareTo((E) queue[right]) > 0)
                c = queue[child = right];
            if (key.compareTo((E) c) <= 0)//如果key不大于其孩子节点,说明该空穴位置k可以插入了
                break;
            //如果key>它的最小子节点c,就“下滤”循环
            queue[k] = c;
            k = child;
        }
        queue[k] = key;
    }
    //“下滤”操作,通过Comparator(比较器)比较元素大小
    private void siftDownUsingComparator(int k, E x) {
        int half = size >>> 1;
        while (k < half) {
            int child = (k << 1) + 1;
            Object c = queue[child];
            int right = child + 1;
            if (right < size &&
                comparator.compare((E) c, (E) queue[right]) > 0)
                c = queue[child = right];
            if (comparator.compare(x, (E) c) <= 0)
                break;
            queue[k] = c;
            k = child;
        }
        queue[k] = x;
    }

  ……

}



快乐成长 每天进步一点点