内容简介:通过本文将了解到以下内容:由于优先队列的元素既可以是基础类型,也可以是复合类型,因此在2.优先队列的实现
通过本文将了解到以下内容:
-
优先队列的概念
-
优先队列的实现
-
优先队列的应用
1.优先队列的概念
优先队列是计算机科学中的一类抽象数据类型。
优先队列中的每个元素都有各自的优先级,优先级最高的元素最先得到服务;
优先级相同的元素按照其在优先队列中的顺序得到服务。
优先队列至少需要支持下述操作:
a.插入带优先级的元素
b.取出具有最高优先级的元素
c.查看最高优先级的元素。
综合考虑插入和删除的性能 优先队列一般采用堆来实现。
维基百科-优先队列
由于优先队列的元素既可以是基础类型,也可以是复合类型,因此在 C++中一般使用模板来定义优先队列,从而提高其可扩展性 ,简单定义:
template<class T>
class priqueue {
public:
//构造函数 初始化
priqueue(int maxsize);
//将T类型新元素添加到队列中
void insert(T t);
//获取队列中最小的元素
T extractmin();
};
2.优先队列的实现
实现优先队列的候选数据结构包括: 有序序列、无序序列、堆 。
-
有序序列
有序序列中存储的数据都是有序的, 在执行extractmin获取最小值时复杂度O(1) ,但是 在添加新元素时就存在大量的移动和查找正确的位置最大复杂度O(N) ,因此在 insert和extactmin同时执行N次 时,最大复杂度为 O(N^2) 。
-
无序序列
无序序列中存储的元素是无序的,在 执行insert操作复杂度为O(1) ,但是在 extractmin时每次都要进行一次遍历复杂度为O(N) ,因此在 insert和extractmin同时执行N次 时,最大复杂度为 O(N^2) 。
-
堆结构
从上一节我们知道堆的insert不如无序序列那么随意,extractmin也没有有序序列那么容易,每次都 需要进行siftup和siftdn操作进行调整 ,但是同时执行 insert和extractmin时,复杂度是O(nlogn) ,优于O(N^2)。
-
复杂度对照
在 数据量超过较大时O(N^2)的执行时间要比O(nlogn)大非常多 ,有兴趣可以试试,引用参考4中的数据曲线:
-
小结
综上可以知道, 堆结构在实现优先队列的插入和删除操作时复杂性都很稳定,在大量数据的场景下优于有序序列和无序序列 ,因此权衡之下现在堆作为优先队列的底层数据结构。
3.优先队列的实现
-
基于模板化和堆的优先队列的简单实现
template<class T>
class priqueue {
private:
int n,maxsize;
T *x;
void swap(int i,int j)
{ T t = x[i]; x[i] = x[j]; x[j] = t; }
public:
//初始化
priqueue(int m)
{
maxsize = m;
x = new T[maxsize+1];
n = 0;
}
//插入新数据
void insert(T t)
{
int i,p;
x[++n] = t;
//末尾添加新数据 执行siftup操作
for (i = n; i > 1 && x[p=i/2] > x[i]; i = p)
swap(p,i);
}
//提取操作
T extractmin()
{
int i,c;
//提取堆顶元素
T t = x[1];
//将尾部元素放到堆顶
x[1] = x[n--];
//针对新堆顶进行siftdn操作
for (i = 1; (c = 2*i) <= n; i = c) {
if (c+1 <= n && x[c+1] < x[c])
c++;
if (x[i] <= x[c])
break;
swap(c,i);
}
return t;
}
};
上述代码摘自 编程珠玑 并不是STL关于优先队列的实现,只是一部分简洁的代码,旨在表现insert和extract操作时如何 运用堆的siftup和siftdn操作 来封装成优先队列类的基础成员函数。
-
优先队列的自定义优先级
模板化的优先队列扩展了使用场景,但是也产生了新的问题,就是 默认的优先级比较函数不一定满足 所有要求,因此很多时候都 需要自己来定义优先级判定函数 。
实现了一个模板优先队列 需要三个参数 :
-
容器元素的类型
-
存储数据所用的容器
-
比较函数 缺省情况是less<T>
#include<quque>
// 队列和优先队列的声明
std::queue<T> pq;
std::priority_queue<T, std::vector<T>, cmp> pq;
//模板化优先队列的主要参数
priority_queue<Type, Container, Func>
//举例
priority_queue<pair<char,int>,vector<pair<char,int>>,compare> pq;
//自定义比较函数
struct compare
{
bool operator()(const pair<char,int> a,const pair<char,int> b){
return b.second > a.second;
}
};
4.优先队列的应用
上面的介绍可以认为优先队列是对堆的 工具 化封装,加上模板和自定义比较函数两个利器加持,优先队列让使用者不再苦于堆 排序 的原始造轮子。
-
TopN问题
仍然以LeetCode 215题为例,获取数组的第K大元素,上一节中我们直接使用堆,但是构建的是小顶堆,并且大小是K个元素,遍历完成之后直接取堆顶即可,但是在数据量不大或者内存足够的情况下,可以直接建立优先队列。
默认的优先队列本质上是大顶堆 ,那么堆顶就不是第K大元素了,但是 从堆顶开始依次pop出K-1个元素 ,堆顶也就是第K大元素了。
当然也可以 修改比较函数实现小顶堆 ,取堆顶元素也是可以的,要灵活运用。
使用优先队列实现LeetCode 第215题,代码如下:
//默认的比较函数是less 也就是优先队列相当于最大堆
//堆顶元素为最大值
priority_queue<int,vector<int>,less<int>> q;
int findKthLargest(vector<int>& nums, int k)
{
priority_queue<int> q(nums.begin(),nums.end());
for(int i=0;i<k-1;i++)
q.pop();
return q.top();
}
-
优先队列和贪心算法
贪心算法又称贪婪算法,是一种在每一步选择中都采取在当前状态下最好或最优的选择,从而希望导致结果是最好或最优的算法。
贪心算法在有最优子结构的问题中尤为有效。
最优子结构的意思是局部最优解能决定全局最优解。
简单地说问题能够分解成子问题来解决,子问题的最优解递推到最终问题的最优解。
维基百科-贪心算法
优先队列是贪心算法的重要组成部分 ,借助于优先队列贪心算法可以解决非常多的实际问题其中包括:
-
旅行商TSP问题
-
01背包问题
-
霍夫曼编码问题
-
最短路径 Dijkstra算法
-
最小生成树Prim算法
5.参考资料
-
《编程珠玑》
-
http://www.laicar.com/book/echapter/5cb0a77e739207662ac8710c/links/item10/OEBPS/Text/part0009.xhtml
-
维基百科
-
https://my.oschina.net/u/1246663/blog/227115
6.往期精彩
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- [算法面试现场] PriorityQueue 优先队列
- 面试必知必会:堆和优先队列
- 一道面试题让你更加了解事件队列
- 中间件面试题:消息队列的优缺点,区别
- 面试官:线程池运行机制如何改为线程池满了,再丢队列?
- 一口气说出“6种”延时队列实现方法,面试官也得服
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
地理信息系统算法基础
张宏、温永宁、刘爱利/国别:中国大陆 / 科学出版社 / 2006-6 / 35.00元
《地理信息系统算法基础》全面、系统地收集和整理了当前地理信息系统算法领域的相关资料,以地理信息系统设计与实现为线索,内容涉及地理空间数据的描述、检索、存储和管理,以及地理空间信息分析基本方法的设计和实现。《地理信息系统算法基础》可作为地理信息系统专业的本科生和研究生教材,也可作为从事地理信息系统软件开发和应用的人员的学习资料,并可供地理信息系统的理论研究人员参考。一起来看看 《地理信息系统算法基础》 这本书的介绍吧!