Priority Queue Interface & Implementation

Priority Queue Interface
Priority Queue 在 Queue 的基础上，为 Queue 中的每个元素设置优先级，从而影响 dequeue 的顺序。我们知道 Queue 的 dequeue 是遵循 FIFO 策略，但现实中有很多场景的 dequeue 需要按照一定的优先级实施调度策略：
飞机头等舱与经济舱的登机顺序
操作系统的进程调度管理
...
将这些场景抽象起来，就得到了 Priority Queue Interface:
方法
功能
​insert(Q,x)insert(Q, x)insert(Q,x) 
将元素 x 插入到队列 Q 中
​max(Q)max(Q)max(Q) 
返回队列 Q 中优先级最高的元素
​extractMax(Q)extractMax(Q)extractMax(Q) 
将队列 Q 中优先级最高的元素出列，并返回
​increaseKey(Q,x,k)increaseKey(Q, x, k)increaseKey(Q,x,k) 
将队列 Q 中的元素 x 的优先级变成 k （k 大于当前优先级）
Implementation
在 Priority Queue 中，元素处于一种 “半排序” 的状态，它需要高效地支持三种操作：
定位优先级最高的元素
优先级最高的元素出列后，定位下一个优先级最高的元素
新的元素入列后处在合理的排序位置
这也是实现好的 Priority Queue 的关键所在。
Binary Heap （以 Max Heap 为例）
方法
时间复杂度
空间复杂度
​insert(x)insert(x)insert(x) 
​O(log(n))O(log(n))O(log(n)) 
​O(1)O(1)O(1) 
​max()max()max() 
​O(1)O(1)O(1) 
​O(1)O(1)O(1) 
​extractMax()extractMax()extractMax() 
​O(log(n))O(log(n))O(log(n)) 
​O(1)O(1)O(1) 
Binary Heap 有两个不变特性（invariants)：
Structure Property: 结构上它是一棵二叉完全数（binary complete tree）
Heap Order Property: 父节点的取值大于它的子节点的取值
实现示例：
binary_heap.py
# 参考
# http://interactivepython.org/courselib/static/pythonds/Trees/BinaryHeapImplementation.html
class MaxHeap:
    def __init__(self):
        # start from index 1, so that for node i
        # parent index: i//2
        # left child index: 2*i
        # right child index: 2*i+1
        self.h = [0]
        self.n = 0
​
    def insert(self, x):
        # time complexity: O(logn)
        self.h.append(x)
        self.n += 1
        self._bubbleUp(self.n)
    
    def max(self):
        # time complexity: O(1)
        self._ensureNotEmpty()
        return self.h[1]
​
    def heapify(self, A):
        # time complexity: O(n)
        self.h, self.n = [0] + A, len(A)
        for i in range(self.n//2, 0, -1):
            self._bubbleDown(i)
            
    def extractMax(self):
        # time complexity: O(logn)
        m = self.max()
        if self.n == 1:
            self.h, self.n = [0], 0
        else:
            self.h[1], self.h[self.n] = self.h[self.n], self.h[1]
            del self.h[self.n]
            self.n -= 1
            self._bubbleDown(1)
        return m
    
    def _ensureNotEmpty(self):
        if self.n <= 0:
            raise Exception("empty tree")
        
    def _bubbleUp(self, i):
        while i//2 > 0:
            if self.h[i] > self.h[i//2]:
                self.h[i//2], self.h[i] = self.h[i], self.h[i//2]
            i = i//2
    
    def _bubbleDown(self, i):
        while (i*2) <= self.n:
            mci = self._maxChild(i)
            if self.h[i] < self.h[mci]:
                self.h[i], self.h[mci] = self.h[mci], self.h[i]
            i = mci   
    
    def _maxChild(self, i):
        if i*2 + 1 > self.n:
            return i*2
        else:
            if self.h[i*2] > self.h[i*2+1]:
                return i*2
            else:
                return i*2+1
Python heapq
参考
​python heapq source code​

Last updated 3 years ago

方法	时间复杂度	空间复杂度
$insert(x)$	$O(log(n))$	$O(1)$
$max()$	$O(1)$	$O(1)$
$extractMax()$	$O(log(n))$	$O(1)$

方法	功能
$insert(Q, x)$	将元素 x 插入到队列 Q 中
$max(Q)$	返回队列 Q 中优先级最高的元素
$extractMax(Q)$	将队列 Q 中优先级最高的元素出列，并返回
$increaseKey(Q, x, k)$	将队列 Q 中的元素 x 的优先级变成 k （k 大于当前优先级）