经典算法题每日演练——第九题 优先队列
前端时间玩小爬虫的时候,我把url都是放在内存队列里面的,有时我们在抓取url的时候,通过LCS之类的相似度比较,发现某些url是很重要的,
需要后端解析服务器优先处理,针对这种优先级比较大的url,普通的队列还是苦逼的在做FIFO操作,现在我们的需求就是优先级大的优先服务,要做
优先队列,非堆莫属。
一:堆结构
1:性质
堆是一种很松散的序结构树,只保存了父节点和孩子节点的大小关系,并不规定左右孩子的大小,不像排序树那样严格,又因为堆是一种完全二叉
树,设节点为i,则i/2是i的父节点,2i是i的左孩子,2i+1是i的右孩子,所以在实现方式上可以采用轻量级的数组。
2:用途
如果大家玩过微软的MSMQ的话,我们发现它其实也是一个优先队列,还有刚才说的抓取url,不过很遗憾,为什么.net类库中没有优先队列,而java1.5
中就已经支持了。
3:实现
1 堆结构节点定义:
我们在每个节点上定义一个level,表示该节点的优先级,也是构建堆时采取的依据。
/// summary /// 定义一个数组来存放节点 /// /summary private List HeapNode nodeList = new List HeapNode #region 堆节点定义 /// summary /// 堆节点定义 /// /summary public class HeapNode /// summary /// 实体数据 /// /summary public T t { get; set; } /// summary /// 优先级别 1-10个级别 (优先级别递增) /// /summary public int level { get; set; } public HeapNode(T t, int level) this.t = t; this.level = level; public HeapNode() { } #endregion
2 入队操作
入队操作时我们要注意几个问题:
①:完全二叉树的构建操作是“从上到下,从左到右”的形式,所以入队的节点是放在数组的最后,也就是树中叶子层的有序最右边空位。
②:当节点插入到最后时,有可能破坏了堆的性质,此时我们要进行“上滤操作”,当然时间复杂度为O(lgN)。
当我将节点“20”插入到堆尾的时候,此时破坏了堆的性质,从图中我们可以清楚的看到节点“20”的整个上滤过程,有意思吧,还有一点
就是:获取插入节点的父亲节点的算法是:parent=list.count/2-1。这也得益于完全二叉树的特性。
#region 添加操作 /// summary /// 添加操作 /// /summary public void Eequeue(T t, int level = 1) //将当前节点追加到堆尾 nodeList.Add(new HeapNode(t, level)); //如果只有一个节点,则不需要进行筛操作 if (nodeList.Count == 1) return; //获取最后一个非叶子节点 int parent = nodeList.Count / 2 - 1; //堆调整 UpHeapAdjust(nodeList, parent); #endregion #region 对堆进行上滤操作,使得满足堆性质 /// summary /// 对堆进行上滤操作,使得满足堆性质 /// /summary /// param name="nodeList" /param /// param name="index" 非叶子节点的之后指针(这里要注意:我们 /// 的筛操作时针对非叶节点的) /// /param public void UpHeapAdjust(List HeapNode nodeList, int parent) while (parent = 0) //当前index节点的左孩子 var left = 2 * parent + 1; //当前index节点的右孩子 var right = left + 1; //parent子节点中最大的孩子节点,方便于parent进行比较 //默认为left节点 var max = left; //判断当前节点是否有右孩子 if (right nodeList.Count) //判断parent要比较的最大子节点 max = nodeList[left].level nodeList[right].level ? right : left; //如果parent节点小于它的某个子节点的话,此时筛操作 if (nodeList[parent].level nodeList[max].level) //子节点和父节点进行交换操作 var temp = nodeList[parent]; nodeList[parent] = nodeList[max]; nodeList[max] = temp; //继续进行更上一层的过滤 parent = (int)Math.Ceiling(parent / 2d) - 1; else break; #endregion
3 出队操作
从图中我们可以看出,优先级最大的节点会在一阵痉挛后上升到堆顶,出队操作时,我们采取的方案是:弹出堆顶元素,然后将叶子层中
的最右子节点赋给堆顶,同样这时也会可能存在破坏堆的性质,最后我们要被迫进行下滤操作。
我图中可以看出:首先将堆顶20弹出,然后将7赋给堆顶,此时堆性质遭到破坏,最后我们清楚的看到节点7的下滤过程,从摊还分析的角度上
来说,下滤的层数不超过2-3层,所以整体上来说出队的时间复杂度为一个常量O(1)。
#region 优先队列的出队操作 /// summary /// 优先队列的出队操作 /// /summary /// returns /returns public HeapNode Dequeue() if (nodeList.Count == 0) return null; //出队列操作,弹出数据头元素 var pop = nodeList[0]; //用尾元素填充头元素 nodeList[0] = nodeList[nodeList.Count - 1]; //删除尾节点 nodeList.RemoveAt(nodeList.Count - 1); //然后从根节点下滤堆 DownHeapAdjust(nodeList, 0); return pop; #endregion #region 对堆进行下滤操作,使得满足堆性质 /// summary /// 对堆进行下滤操作,使得满足堆性质 /// /summary /// param name="nodeList" /param /// param name="index" 非叶子节点的之后指针(这里要注意:我们 /// 的筛操作时针对非叶节点的) /// /param public void DownHeapAdjust(List HeapNode nodeList, int parent) while (2 * parent + 1 nodeList.Count) //当前index节点的左孩子 var left = 2 * parent + 1; //当前index节点的右孩子 var right = left + 1; //parent子节点中最大的孩子节点,方便于parent进行比较 //默认为left节点 var max = left; //判断当前节点是否有右孩子 if (right nodeList.Count) //判断parent要比较的最大子节点 max = nodeList[left].level nodeList[right].level ? right : left; //如果parent节点小于它的某个子节点的话,此时筛操作 if (nodeList[parent].level nodeList[max].level) //子节点和父节点进行交换操作 var temp = nodeList[parent]; nodeList[parent] = nodeList[max]; nodeList[max] = temp; //继续进行更下一层的过滤 parent = max; else break; #endregion
最后我还扩展了一个弹出并下降节点优先级的方法,好吧,这个方法大家自己琢磨琢磨,很有意思的,实际应用中使用到了。
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Diagnostics; using System.Threading; using System.IO; namespace ConsoleApplication2 public class Program public static void Main() PriorityQueue Url heap = new PriorityQueue Url //随机插入20个节点 for (int i = 1; i i++) var rand = new Random().Next(1, 20); Thread.Sleep(10); heap.Eequeue(new Url() { Data = "test" + i }, i); while (true) var node = heap.Dequeue(); if (node == null) break; Console.WriteLine("当前url的优先级为:{0},数据为:{1}", node.level, node.t.Data); Console.Read(); #region 定义一个实体 /// summary /// 定义一个实体 /// /summary public class Url public string Data { get; set; } #endregion public class PriorityQueue T where T : class /// summary /// 定义一个数组来存放节点 /// /summary private List HeapNode nodeList = new List HeapNode #region 堆节点定义 /// summary /// 堆节点定义 /// /summary public class HeapNode /// summary /// 实体数据 /// /summary public T t { get; set; } /// summary /// 优先级别 1-10个级别 (优先级别递增) /// /summary public int level { get; set; } public HeapNode(T t, int level) this.t = t; this.level = level; public HeapNode() { } #endregion #region 添加操作 /// summary /// 添加操作 /// /summary public void Eequeue(T t, int level = 1) //将当前节点追加到堆尾 nodeList.Add(new HeapNode(t, level)); //如果只有一个节点,则不需要进行筛操作 if (nodeList.Count == 1) return; //获取最后一个非叶子节点 int parent = nodeList.Count / 2 - 1; //堆调整 UpHeapAdjust(nodeList, parent); #endregion #region 对堆进行上滤操作,使得满足堆性质 /// summary /// 对堆进行上滤操作,使得满足堆性质 /// /summary /// param name="nodeList" /param /// param name="index" 非叶子节点的之后指针(这里要注意:我们 /// 的筛操作时针对非叶节点的) /// /param public void UpHeapAdjust(List HeapNode nodeList, int parent) while (parent = 0) //当前index节点的左孩子 var left = 2 * parent + 1; //当前index节点的右孩子 var right = left + 1; //parent子节点中最大的孩子节点,方便于parent进行比较 //默认为left节点 var max = left; //判断当前节点是否有右孩子 if (right nodeList.Count) //判断parent要比较的最大子节点 max = nodeList[left].level nodeList[right].level ? right : left; //如果parent节点小于它的某个子节点的话,此时筛操作 if (nodeList[parent].level nodeList[max].level) //子节点和父节点进行交换操作 var temp = nodeList[parent]; nodeList[parent] = nodeList[max]; nodeList[max] = temp; //继续进行更上一层的过滤 parent = (int)Math.Ceiling(parent / 2d) - 1; else break; #endregion #region 优先队列的出队操作 /// summary /// 优先队列的出队操作 /// /summary /// returns /returns public HeapNode Dequeue() if (nodeList.Count == 0) return null; //出队列操作,弹出数据头元素 var pop = nodeList[0]; //用尾元素填充头元素 nodeList[0] = nodeList[nodeList.Count - 1]; //删除尾节点 nodeList.RemoveAt(nodeList.Count - 1); //然后从根节点下滤堆 DownHeapAdjust(nodeList, 0); return pop; #endregion #region 对堆进行下滤操作,使得满足堆性质 /// summary /// 对堆进行下滤操作,使得满足堆性质 /// /summary /// param name="nodeList" /param /// param name="index" 非叶子节点的之后指针(这里要注意:我们 /// 的筛操作时针对非叶节点的) /// /param public void DownHeapAdjust(List HeapNode nodeList, int parent) while (2 * parent + 1 nodeList.Count) //当前index节点的左孩子 var left = 2 * parent + 1; //当前index节点的右孩子 var right = left + 1; //parent子节点中最大的孩子节点,方便于parent进行比较 //默认为left节点 var max = left; //判断当前节点是否有右孩子 if (right nodeList.Count) //判断parent要比较的最大子节点 max = nodeList[left].level nodeList[right].level ? right : left; //如果parent节点小于它的某个子节点的话,此时筛操作 if (nodeList[parent].level nodeList[max].level) //子节点和父节点进行交换操作 var temp = nodeList[parent]; nodeList[parent] = nodeList[max]; nodeList[max] = temp; //继续进行更下一层的过滤 parent = max; else break; #endregion #region 获取元素并下降到指定的level级别 /// summary /// 获取元素并下降到指定的level级别 /// /summary /// returns /returns public HeapNode GetAndDownPriority(int level) if (nodeList.Count == 0) return null; //获取头元素 var pop = nodeList[0]; //设置指定优先级(如果为 MinValue 则为 -- 操作) nodeList[0].level = level == int.MinValue ? --nodeList[0].level : level; //下滤堆 DownHeapAdjust(nodeList, 0); return nodeList[0]; #endregion #region 获取元素并下降优先级 /// summary /// 获取元素并下降优先级 /// /summary /// returns /returns public HeapNode GetAndDownPriority() //下降一个优先级 return GetAndDownPriority(int.MinValue); #endregion }
![](http://pic002.cnblogs.com/images/2012/214741/2012120316324231.png)
4个桶, 桶上都分别标着特定的标签1, 2, 3, 4; 桶里有对应的4个球,标着和桶一样的编号; 问题来了, 让所有桶和桶内球的编号之和都为5, 在交换的过程中,不能增加额外的桶, 且球不能着地,应该如何解决呢,最好的方式就是多找几个人,手持球完成...
Java算法1 Two Sum 问题: 给定一数组与一个期望值, 获取期望值可由数组中哪两个值相加得到.示例: 输入: nums=[2, 7, 11, 15], target = 9; 输出: [0, 1]分析: 以下实现的时间复杂度为O(n), 空间复杂度O(n) public int[] twoSum(.
经典算法题每日演练——第九题 优先队列 原文:经典算法题每日演练——第九题 优先队列 前端时间玩小爬虫的时候,我把url都是放在内存队列里面的,有时我们在抓取url的时候,通过LCS之类的相似度比较,发现某些url是很重要的, 需要后端解析服务器优先处理,针对这种优先级比较大的url,普通的队列还是苦逼的在做FIFO操作,现在我们的需求就是优先级大的优先服务,要做 优先队列,非堆莫属。
经典算法题每日演练——第十题 树状数组 原文:经典算法题每日演练——第十题 树状数组 有一种数据结构是神奇的,神秘的,它展现了位运算与数组结合的神奇魅力,太牛逼的,它就是树状数组,这种数据结构不是神人是发现不了的。 假如我现在有个需求,就是要频繁的求数组的前n项和,并且存在着数组中某些数字的频繁修改,那么我们该如何实现这样的需求?当然大家可以往 真实项目上靠一靠。
经典算法题每日演练——第八题 AC自动机 原文:经典算法题每日演练——第八题 AC自动机 上一篇我们说了单模式匹配算法KMP,现在我们有需求了,我要检查一篇文章中是否有某些敏感词,这其实就是多模式匹配的问题。 当然你也可以用KMP算法求出,那么它的时间复杂度为O(c*(m+n)),c:为模式串的个数。
经典算法题每日演练——第十五题 并查集 原文:经典算法题每日演练——第十五题 并查集 这一篇我们看看经典又神奇的并查集,顾名思义就是并起来查,可用于处理一些不相交集合的秒杀。 一:场景 有时候我们会遇到这样的场景,比如:M={1,4,6,8},N={2,4,5,7},我的需求就是判断{1,2}是否属于同一个集合,当然实现方法 有很多,一般情况下,普通青年会做出O(MN)的复杂度,那么有没有更轻量级的复杂度呢?嘿嘿,并查集就是用来解决这个问题的。
经典算法题每日演练——第十九题 双端队列 原文:经典算法题每日演练——第十九题 双端队列 话说大学的时候老师说妹子比工作重要~,工作可以再换,妹子这个。。。所以。。。这两个月也就一直忙着Fall in love,嗨,慢慢调整心态吧, 这篇就选一个简单的数据结构聊一聊,话说有很多数据结构都在玩组合拳,比如说:块状链表,块状数组,当然还有本篇的双端队列,是的,它就是 栈和队列的组合体。
经典算法题每日演练——第十二题 线段树 原文:经典算法题每日演练——第十二题 线段树 这一篇我们来看树状数组的加强版线段树,树状数组能玩的线段树一样可以玩,而且能玩的更好,他们在区间求和,最大,平均 等经典的RMQ问题上有着对数时间的优越表现。
相关文章
- 24个经典的MySQL索引问题,你都遇到过哪些?
- 数据库经典习题,
- 经典排序算法 - 选择排序
- Mybatis+MySQL动态分页查询数据经典案例
- 《转》推荐系统经典论文文献及业界应用
- 10大经典排序算法动图演示,看这篇就够了!
- C语言计算日期间隔天数的经典算法解析
- 《iPhone与iPad开发实战—iOS经典应用剖析》连载三
- 【刷题】经典的启发式算法
- CV:人工智能之计算机视觉方向的简介(CV发展史+传统方法对比CNN类算法+CV类会议/期刊、主要研究方向)、计算机视觉四大研究方向以及十大具体应用领域(知识导图+经典案例)之详细攻略
- 五种C语言非数值计算的常用经典排序算法
- 【LeetCode-面试算法经典-Java实现】【008-String to Integer (atoi) (字符串转成整数)】
- 白话经典算法系列之六 高速排序 高速搞定
- 盘点几本软件测试入门必读的经典书籍,让你少走一半弯路
- 白话经典算法系列之六 快速排序 快速搞定
- 十大经典排序算法
- Oracle 常用的经典SQL查询
- android经典蓝牙和蓝牙低功耗