我理解的数据结构(三)—— 队列(Queue)
我理解的数据结构(三)—— 队列(Queue)
一、队列
- 队列是一种线性结构
- 相比数组,队列对应的操作是数组的子集
- 只能从一端(队尾)添加元素,只能从另一端(队首)取出元素
- 队列是一种先进先出的数据结构(FIFO)
二、数组队列与循环队列
1. 数组队列
如果你有看过我之前的文章不要小看了数组或者栈,你就会发现,自己封装一个数组队列是如此的轻松加愉快!
(1)先定义一个接口,接口中定义队列需要实现的方法
public interface Queue<E> { int getSize(); boolean isEmpty(); // 查看队首元素 E getFront(); // 入队 void enqueue(E ele); // 出队 E dequeue(); }
(2)实现数组队列
public class ArrayQueue<E> implements Queue<E> { // 这里的数组是在之前的文章中封装好的,直接拿来用就好了 private ArrayNew<E> array; public ArrayQueue(int capacity) { array = new ArrayNew<>(capacity); } public ArrayQueue() { this(10); } public int getCapacity() { return array.getCapacity(); } @Override public int getSize() { return array.getSize(); } @Override public boolean isEmpty() { return array.isEmpty(); } @Override public E getFront() { return array.getFirst(); } @Override public void enqueue(E ele) { array.addLast(ele); } @Override public E dequeue() { return array.removeFirst(); } @Override public String toString() { StringBuffer res = new StringBuffer(); res.append(String.format("arrayQueue: size = %d, capacity = %d\n", getSize(), getCapacity())); res.append("front ["); for (int i = 0; i < array.getSize(); i++) { res.append(array.get(i)); if (i != getSize() - 1) { res.append(", "); } } res.append("] tail"); return res.toString(); } }
(3)数组队列的复杂度
方法 | 复杂度 |
---|---|
enqueue | O(1) 均摊 |
dequeue | O(n) |
front | O(1) |
getSize | O(1) |
isEmpty | O(1) |
这个时候我们会发现,在进行出队操作的时候,数组队列的复杂度是0(n),如果我们频繁的进行出队操作,那么其实数组队列的效率是很低的,如何提升数组队列的性能呢?这个时候我们就要用到循环队列了。
2. 循环队列队列
循环队列的原理:
dequeue
时,不要在去除队首元素时,把整体向前移动- 维护
front
、tail
和size
这三个属性 enqueue
的时候tail++
dequeue
的时候front++
(1)实现循环队列
public class LoopQueue<E> implements Queue<E> { private E[] array; private int size; private int front; private int tail; public LoopQueue(int capacity) { // 我们需要浪费一个空间去判断队列是否已满,所以需要把capacity + 1 array = (E[])new Object[capacity + 1]; front = 0; tail = 0; size = 0; } public LoopQueue() { this(10); } // 返回用户传递的队列大小 public int getCapacity() { return array.length - 1; } @Override public int getSize() { return size; } @Override public boolean isEmpty() { return front == tail; } @Override public E getFront() { if (isEmpty()) { throw new IllegalArgumentException("Queue is empty. Can't get front."); } return array[0]; } @Override public void enqueue(E ele) { if (front == (tail + 1) % array.length) { // 扩展队列长度为原长度2倍 resize(getCapacity() * 2); } array[tail] = ele; size++; tail = (tail + 1) % array.length; } @Override public E dequeue() { if (isEmpty()) { // 队列为空 throw new IllegalArgumentException("Queue is empty. Can't get dequeue."); } E ele = array[front]; size--; array[front] = null; front = (front + 1) % array.length; if (size == getCapacity() / 4 && getCapacity() / 2 != 0) { resize(getCapacity() / 2); } return ele; } private void resize(int newCapacity) { E[] newArray = (E[]) new Object[newCapacity + 1]; for (int i = 0; i < size; i++) { newArray[i] = array[(front + i) % array.length]; } array = newArray; front = 0; tail = size; } @Override public String toString() { StringBuffer res = new StringBuffer(); res.append(String.format("queue: size = %d, capacity = %d\n", getSize(), getCapacity())); res.append("front ["); // 循环条件,和循环增量都要注意下 for (int i = front; i != tail; i = (i + 1) % array.length) { res.append(array[i]); if ((i + 1) % array.length != tail) { res.append(", "); } } res.append("] tail"); return res.toString(); } }
(2)循环队列的复杂度
方法 | 复杂度 |
---|---|
enqueue | O(1) 均摊 |
dequeue | O(1) 均摊 |
front | O(1) |
getSize | O(1) |
isEmpty | O(1) |
三、用时间说话
(1)用时方法
public static double test(Queue<Integer> q, int opCount) { // 纳秒 long startTime = System.nanoTime(); Random random = new Random(); for (int i = 0; i < opCount; i++) { q.enqueue(random.nextInt(Integer.MAX_VALUE)); } for (int i = 0; i < opCount; i++) { q.dequeue(); } // 纳秒 long endTime = System.nanoTime(); return (endTime - startTime) / 1000000000.0; }
(2)调用
// 十万次入队和十万次出队操作 int opCount = 100000; ArrayQueue<Integer> aq = new ArrayQueue<>(); double time1 = test(aq, opCount); System.out.println(time1); LoopQueue<Integer> lq = new LoopQueue<>(); double time2 = test(lq, opCount); System.out.println(time2);
(3)结果
- 14.635995113
- 0.054536447
这个就是算法和数据结构的力量!
相关推荐
LauraRan 2020-09-28
范范 2020-07-30
mingyunxiaohai 2020-07-28
mingyunxiaohai 2020-07-19
koushr 2020-11-12
zhangxiafll 2020-11-13
kikaylee 2020-10-31
范范 2020-10-28
MILemon 2020-10-22
hugebawu 2020-10-12
shenwenjie 2020-09-24
omyrobin 2020-09-23
guangcheng 2020-09-22
qiangde 2020-09-13
hanyujianke 2020-08-18
晨曦之星 2020-08-14
xiesheng 2020-08-06
KAIrving 2020-08-02