一、PriorityQueue
java中提供了两种优先级队列：PriorityQueue 和 PriorityBlockingQueue。其中 PriorityQueue 是线程不安全的，PriorityBolckingQueue 是线程安全的。
PriorityQueue 使用的是堆，且默认情况下是小堆——每次获取到的元素都是最小的元素。
1. 使用方法
（1）导入包： import java.util.PriorityQueue
（2）要求传入的元素具备比较大小的能力：Comparable | Comparator
（3）不能传入 null，否则会抛出NullPointerException异常
（4）因为默认为小堆，所以优先级最高的元素为最小的元素。若希望优先级最高的元素为最大的元素，则需要使用大堆，即需要用户提供比较器。（将比较器对象作为参数传入其构造函数）
2. 内部方法：
（1）构造方法：
PriorityQueue（）：创建一个空的优先级队列，默认容量为11
PriorityQueue（int initialCapacity）：创建一个初始容量为 initialCapacity 的优先级队列
PriorityQueue（Collection<? extends E> c）：用一个集合来创建优先级队列
如：PriorityQueue<Integer> q = new PriorityQueue<>(list);
（2）常用方法：
① boolean offer（E e）：插入元素 e O(log(n))
② E peek（）：获取优先级最高的元素，若优先级队列为空，返回null
③ E poll（）：删除优先级最高的元素并将其返回，若队列为空，返回null O(log(n))
④ int size（）：获取有效元素的个数
⑤ void clear（）：清空
⑥ boolean isEmpty（）：判断优先级队列是否为空
注意：没有容量限制，可以插入任意多个元素，其内部可以自动扩容。
- 当容量小于 64 时，按照 oldCapacity 的 2 倍扩容
- 当容量大于 64 时，按照 oldCapacity 的 1.5 倍扩容
- 当容量超过 MAX_ARRAY_SIZE 时，按照 MAX_ARRAY_SIZE 扩容
二、Top-K问题
Top-K问题：在一组数据中，找到最大（最小）的 K 个数。
不需要对所有数据进行排序，只需要找到符合要求的 K 个数，然后将这 K 个数再进行排序。
如何用堆去解决 Top-K 问题：
假设要在海量数据中找到最大的 K 个数：
（1）要找最大的：建小堆。（因为后序需要用堆顶元素跟其他元素进行比较）
（2）该小堆的最大容量为 K
（3）把剩下的元素挨个和堆顶元素（K个中最小的）进行比较
如果 元素 <= 堆顶元素 ： 该元素一定不是最大个K个元素中的元素
如果 元素 > 堆顶元素 ：该元素是候选人，用该元素替代堆顶元素 + 向下调整。
代码的实现可以分两种：直接使用 PriorityQueue 优先级队列、不使用 PriorityQueue 即自己实现其内部的堆。
面试题 17.14. 最小K个数
代码一：直接使用 PriorityQueue 优先级队列以及删除、添加的方法。
class Solution {
//因为最小的 k 个数，所以需要建大堆
static class IntegerComparator implements Comparator<Integer> {
public int compare(Integer o1, Integer o2) {
//重写比大小的规则
return o2 - o1;
}
}
public int[] smallestK(int[] arr, int k) {
//考虑 k == 0
if (k == 0) {
return new int[0];
}
Comparator<Integer> c = new IntegerComparator();
PriorityQueue<Integer> p = new PriorityQueue<>(c);
//将前 k 个数放入堆中
for (int i = 0; i < k; i++) {
p.offer(arr[i]);
}
//将剩下的元素依次和堆顶元素比较
//if（元素 >= 堆顶元素）：该元素一定不是前 K 个中的元素
//else（元素 < 堆顶元素）：该元素是候选人，用该元素替换堆顶元素 + 向下调整
//若使用 PriorityQueue ，直接删除堆顶元素，再将元素加入优先级队列中即可。
for (int i = k; i < arr.length; i++) {
int e = arr[i];
int t = p.peek();
if (e < t) {
p.poll();
p.offer(e);
}
}
//整个过程完成后，优先级队列中保存的就是我们需要的 Top-K （最小的k个数）
//因为题目中，需要返回的是一个数组，所以我们定义一个数组存储 k 个元素。
int[] ans = new int[k];
for (int i = 0; i < k; i++) {
ans[i] = p.poll();
}
return ans;
}
public void swap(int[] arr, int i, int j) {
int tmp = arr[i];
arr[i] = arr[j];
arr[j] = tmp;
}
}代码二：自己实现优先级队列内部的堆操作（数组）
class Solution {
//因为最小的 k 个数，所以需要建大堆
public int[] smallestK(int[] arr, int k) {
//考虑 k == 0
if (k == 0) {
return new int[0];
}
//创建优先级队列 -> 创建一个大堆
int[] ans = Arrays.copyOf(arr,k);
creatHeap(ans, k);
for (int i = k; i < arr.length; i++) {
if (arr[i] < ans[0]) {
ans[0] = arr[i];
adjustDown(ans, k, 0);
}
}
return ans;
}
//向下调整
public static void adjustDown(int[] arr, int size, int index){
//1. "我"是否是叶子结点
//2. 找到 “我” 的左右孩子中最大的孩子
//3. 比较“我”和最大孩子的大小：
// 我 < 最大的孩子 ： 交换
// 我 >= 最大的孩子： 不进行交换
//4. 交换后更新结点继续向下调整（循环）
while (index * 2 + 1 < size){
int maxIdx = index * 2 + 1;
if (maxIdx + 1 < size && arr[maxIdx] < arr[maxIdx + 1]) {
maxIdx = maxIdx + 1;
}
if (arr[index] >= arr[maxIdx]) {
break;
}
//交换
int tmp = arr[index];
arr[index] = arr[maxIdx];
arr[maxIdx] = tmp;
index = maxIdx;
}
}
//建大堆
//从最后一个有孩子的双亲结点开始,向下调整，依次到根结点。
public static void creatHeap(int[] arr, int size){
int pIdx = (size - 2)/2;
for (int i = pIdx; i >= 0; i--) {
adjustDown(arr,size,i);
}
}
}
