PriorityQueue

Java集合框架中提供了PriorityQueue和PriorityBlockingQueue（优先级阻塞队列）两种类型的优先级队列，PriorityQueue是线程不安全的，PriorityBlockingQueue是线程安全的。

常用方法：

1：当你没传入比较器时候；PriorityQueue中放置的元素必须要能够比较大小，不能插入无法比较大小的对象，否则会抛出ClassCastException异常（如果放自定义类型；可以通过实现compareable接口；重写compareTo方法；传比较器优先级比较高）

class Student implements Comparable<Student>{public int age;public Student(int age) {this.age = age;}@Overridepublic int compareTo(Student o) {//return this.age - o.age;return this.age - o.age;}
}

2：不能插入null对象，否则会抛出NullPointerException
3：入和删除元素的时间复杂度为log(N)
4：PriorityQueue默认情况下是小堆—即每次获取到的元素都是最小的元素
5：使用时必须导入PriorityQueue所在的包，即：importjava.util.PriorityQueue;

默认是小堆；如果想要大堆；如何变成大堆？
重写compareTo方法逻辑：

  @Overridepublic int compareTo(Student o) {//return this.age - o.age;return o.age - this.age;}

PriorityQueue还有其它构造方法；比如传比较器的构造方法：PriorityQueue queue = new PriorityQueue<>(Comparator<? super E> comparator);
这个构造方法创建一个空的优先级队列，并使用指定的比较器来确定元素的排序顺序。（这个使用比较器的指定顺序是比较优先的；还有一个构造方法是通过集合类和比较器构建优先级队列；那么不会用默认的比较方法；而是比较器的）

class IntCmp implements Comparator<Integer> {@Overridepublic int compare(Integer o1, Integer o2) {//return o2-o1;return o2.compareTo(o1);}
}

PriorityQueue priorityQueue = new PriorityQueue<>(new IntCmp());

扩容机制：满了它会自动扩容的
如果容量小于64时，是按照oldCapacity的2倍方式扩容的
如果容量大于等于64，是按照oldCapacity的1.5倍方式扩容的
如果容量超过MAX ARRAY SIZE（MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8），按照MAX ARRAY_SIZE来进行扩容。
在 Java 中，数组是由连续的内存空间组成的数据结构，而每个对象都会占用一定的内存空间。因此，在数组中存储对象时，需要考虑额外的内存开销。
在 PriorityQueue 中，减去 8 的目的是为了留出足够的空间，以容纳对象引用和一些额外的内部数据，如对象头信息等。这些额外的开销包括。

匿名内部类写这个代码：

 PriorityQueue<Student> priorityQueue = new PriorityQueue<>(2, new Comparator<Student>() {@Overridepublic int compare(Student o1, Student o2) {return o2.age - o1.age;}});

堆的应用

找前k个最小数据（TOPK问题）

最大或者最小的前k个数据。有10W个数据，让你找到前K个最大/最小的数据。
粗暴法：

  //   最大或者最小的前k个数据。有10W个数据，让你找到前K个最大/最小的数据。public int[] smallstk(int []arr,int k){Arrays.sort(arr);int[] tmp=new int[k];for (int i = 0; i <k ; i++) {System.out.println(arr[i]);tmp[i]=arr[i];}return tmp;}

提问：Arrays.sort(arr);底层是什么呢？
TimSort”的混合排序算法。TimSort 是结合了归并排序和插入排序的排序算法：
TimSort 的底层细节包括以下关键步骤：
1：数据分块；输入数组被分成多个小块（或称为"run"），每个小块都是已经排好序的。
2：合并排序；TimSort 使用归并排序来合并这些小块，将它们逐步合并成较大的块，直到得到一个完全有序的数组。
3：插入排序；在合并过程中，TimSort 使用插入排序来进一步优化性能，确保排序操作尽可能高效。

小堆实现：存进堆里；然后再取出来

    //使用小堆实现public int [] smallstk1(int []arr,int k){PriorityQueue<Integer> priorityQueue=new PriorityQueue<>();for (int i = 0; i <arr.length ; i++) {priorityQueue.offer(arr[i]);}int []tmp=new int[k];for (int i = 0; i < k; i++) {tmp[i]=priorityQueue.poll();}return tmp; }

时间复杂度nlogn，第一个循环复杂度O（n）第二个循环的复杂度你nlogn；复杂度这方面确实不是很行。能否优化一下呢？

求k个最小的数优化

逻辑：1：先将最先k个元素建立大堆
2：从k后面开始就每一次往后走比较堆顶元素和数组元素大小，如果堆顶比较小就没什么事直接数组往后走。
如果堆顶比较大，就把堆顶弹出（它会自动调整为大堆），并且把这个数组元素加入进去（让它自动调整为大堆）再往后走

    public static int[] smallestK3(int[] arr, int k) {//不加这句会报异常，源码if(arr == null || k == 0) {return new int[0];}//1. 建立一个大根堆PriorityQueue<Integer> minHeap = new PriorityQueue<>(k, new Comparator<Integer>() {@Overridepublic int compare(Integer o1, Integer o2) {return o2.compareTo(o1);}});//2、for (int i = 0; i < arr.length; i++) {if(minHeap.size() < k) {minHeap.offer(arr[i]);}else {//当前数组的元素是arr[i]    18int val = minHeap.peek();  //27if(val > arr[i]) {//弹出大的minHeap.poll();//放进小的minHeap.offer(arr[i]);}}}//3 最把这个堆的全部元素弹给数组记录下来int[] tmp = new int[k];for (int i = 0; i < k; i++) {tmp[i] = minHeap.poll();}return tmp;}

堆排序

如果要排序一组数，从小到大（让下标有序）：
使用小堆：这是不可能实现的；每次弹出最小的没有问题；但是放到哪去；如果放别的地方；空间复杂度就变大了；但是小堆，你也不一定就有序，左右谁大谁小不知道。
使用大堆：每次堆顶和最后一个交换。然后它再自动的排序好大堆。然后我们就不能包含这个最后的元素。交换位置由最后一个元素往前走一步(反之排序建立小堆)我都不用弹出处理交换，直接在原来数组交换。换完排序就好了。所以这才叫堆排序。
代码：

    //堆排序public void heapSort(int []array){int usedSize=array.length;//usedSize是有效元素个数int end=usedSize-1;while (end>0){//交换0位置和最后的位置；最后的位置放最大值；每次往前走int tmp=elem[0];elem[0]=elem[end];elem[end]=tmp;shiftDown(0,end);end--;//end传的是数组元素下标，10个元素，我减1。，是不是只调整9个元素。每次结束就少一个元素调整（end--）}}

时间复杂度：建立堆的复杂度O（n）
O（n） +O（nlogn）约等于O（nlogn）
空间复杂度O（1）；没有浪费，创建额外的空间