LeetCode——队列

队列

主要是优先队列的例题，以及优先队列如何使用（堆的性质，队列的存取）

优先队列：

PriorityQueue<Integer> minHeap = new PriorityQueue<>();
minHeap.peek();  // 获取堆顶元素
minHeap.offer(num);  // 入堆
minHeap.poll();  // 弹出

本质：完全二叉树
1.数组中的第K个最大元素

// class Solution {
//     public int findKthLargest(int[] nums, int k) {
//         // 思路一：暴力解法，JDK默认使用快速排序
//         int len = nums.length;
//         Arrays.sort(nums);
//         return nums[len - k];
//     }
// }// 优先队列
class Solution {public int findKthLargest(int[] nums, int k) {// 思路二：构造一个含有k个元素的小顶堆，先拿k个元素初始化堆，接着继续遍历，判断是否要将此元素再放入堆中，最后从堆顶也就是队头拿出来的元素就是第k大的元素int len = nums.length;// 定义含k个元素的小顶堆PriorityQueue<Integer> minHeap = new PriorityQueue<>(k);for (int i = 0; i < len; i++) {if (i < k) {minHeap.offer(nums[i]);  // 入堆} else {if(nums[i] > minHeap.peek()) {minHeap.poll();minHeap.offer(nums[i]);}}}return minHeap.peek();}
}

2.前 K 个高频元素

class Solution {public int[] topKFrequent(int[] nums, int k) {// 思路：定义一个HashMap，统计每个整数出现的频次；将频次作为入堆的依据HashMap<Integer, Integer> map = new HashMap<>();// 1. 统计每个数字出现的频次int len = nums.length;for (int i = 0; i < len; i++) {// map.get(nums[i]) ++;// map.getOrDefault()如果键存在就获取键对应的值，如果不存在就使用默认值0map.put(nums[i], map.getOrDefault(nums[i], 0) + 1);}// 2. 试着将map作为优先队列的元素// 存的时map的key，但是想要根据map的value值维护小顶堆！！！！PriorityQueue<Integer> minHeap = new PriorityQueue<>(new Comparator<Integer>(){public int compare(Integer a,Integer b){return map.get(a) - map.get(b);}});map.forEach((key, val) -> {if (minHeap.size() < k) {minHeap.offer(key);// System.out.println("初始化时插入的"+ key);} else {if(val > map.get(minHeap.peek())) {minHeap.poll();minHeap.offer(key);System.out.println(key);}}System.out.println(key + "--->" + val);});// 3. 定义接收数组int[] res = new int[k];int index = 0;while (!minHeap.isEmpty()) {res[index] = minHeap.poll();index ++;}return res;}
}

3.数据流的中位数

class MedianFinder {// 定义一个小顶堆，一个大顶堆PriorityQueue<Integer> queMin;PriorityQueue<Integer> queMax;public MedianFinder() {// 重写Comparator方法，默认构造出来的是小顶堆，queMin = new PriorityQueue<Integer>((a, b) -> (b - a));queMax = new PriorityQueue<Integer>((a, b) -> (a - b));}public void addNum(int num) {if (queMin.isEmpty() || num <= queMin.peek()) {queMin.offer(num);if (queMax.size() + 1 < queMin.size()) {queMax.offer(queMin.poll());}} else {queMax.offer(num);if (queMax.size() > queMin.size()) {queMin.offer(queMax.poll());}}}public double findMedian() {if (queMin.size() > queMax.size()) {return queMin.peek();}return (queMin.peek() + queMax.peek()) / 2.0;}
}