数据结构与算法（四）--队列
一、前言
前面的文章我们分别学习了线性结构中的数组和栈，这次我们学习另一种线性结构–队列。队列同栈，依然是把数据排成一排，且队列对应的操作依旧是数组的子集。但是队列只能从一端（队尾）添加元素，只能从另一端（队首）取出元素。
二、队列
我们前言说过，队列只能从一端（队尾）添加元素，只能从另一端（队首）取出元素。同这个数据结构的名字，它其实和我们日常生活中排队是非常相像的。例如：
增加元素就像排队一样，一次从队尾进入。如下图：
而从队列取出元素的时候，仍然和排队是一致的，从队首取出元素，如下图：
这一点和栈不同，栈的话取出的元素应该是3，而队列则是1.从上面我们可以分析出队列是一种先进先出的数据结构。英文也缩写我FIFO（Frist In First Out）
三、队列的实现
那么经过上次栈的实现，队列的实现就相对简单许多了，对于队列，我们需要实现以下方法：
void enqueue(E) //向队列添加元素（入队）E dequeue() //从队列取出元素（出队）E getFront() //查看队首元素int gitSize() //获取队列元素个数boolean isEmpty() //查看队列是否为空
同栈一样，用户无需关心队列的底层实现，所以我们写一个队列的接口，定义上述五个方法，然后写一个ArrayQueue通过我们之前实现的动态数组的方式实现这个队列。那么代码实现就很简单了，如下：
Queue接口类定义：
public interface Queue<T> {
void enqueue(T t);
T dequeue();
T getFront();
int getSize();
boolean isEmpty();
}
ArrayQueue类定义：
public class ArrayQueue<T> implements Queue<T> {
private DynamicArray<T> dynamicArray;
public ArrayQueue() {
this.dynamicArray = new DynamicArray<>();
}
public ArrayQueue(int size) {
this.dynamicArray = new DynamicArray<>(size);
}
@Override
public void enqueue(T t) {
dynamicArray.addLast(t);
}
@Override
public T dequeue() {
return dynamicArray.removeFirst();
}
@Override
public T getFront() {
return dynamicArray.getFirst();
}
@Override
public int getSize() {
return dynamicArray.gitSize();
}
@Override
public boolean isEmpty() {
return dynamicArray.isEmpty();
}
//这里为了查看方便，我将队列所有元素打印出来，同栈一样，用户一般只需关注队首的元素。
@Override
public String toString() {
return "ArrayQueue{" +
"Queue=" + dynamicArray.toString() +
'}';
}
}
然后测试一下：
public static void main(String[] args) {
ArrayQueue<Integer> integerArrayQueue = new ArrayQueue<>();
for (int i = 0; i < 10; i++) {
integerArrayQueue.enqueue(i);
System.out.println("第" + i + "次操作入队:" + integerArrayQueue);
if (i % 3 == 2) {
integerArrayQueue.dequeue();
System.out.println("第" + i + "次操作出队:" + integerArrayQueue);
}
}
}
测试结果如下：
数组队列的复杂度分析：
void enqueue(E) //向队列添加元素（入队） O(1)均摊E dequeue() //从队列取出元素（出队） O(n)E getFront() //查看队首元素 O(1)int gitSize() //获取队列元素个数 O(1)boolean isEmpty() //查看队列是否为空 O(1)
那么大家也能看到出队的时间复杂度为O(n)，这样 依一来，如果队列元素非常非常多的时候，效率是非常慢的，例如队列100w个元素，此时如果执行出队，需要等待非常长的时间。那么我们后面就会介绍如何让我们队列做到**出队和入队均为O(1)**的复杂度–循环队列。
四、循环队列
删除队首元素
假设现在有如下队列，队列中共5个元素，容量为8：
由于取出队首元素后，其他元素都要往前挪一个位置，所以时间复杂度为O(n).
基于这样的分析，我们能不能得出这样的想法，当a这个队首元素被取出后，我们能不能不让b,c,d,e这些剩余的元素往前移动呢，如图：
这样的话，a被取走后，剩余的元素仍然保持着队列的样子，b是队首，e是队尾。所以基于这样的想法，我们可以在数组中记录一下队首是谁，比如之前队首是a索引为0的位置，当a被取走后，虽然我们索引为0的空间是空着的，但是我们可以记一下队首front目前指向索引为1的位置，而我们定义一个属性为tail,它和size一样仍然指向下一个要插入元素的位置，和没取走a时是保持一致的：
那么当我们取走队首元素的时候，我们只需维护下front的指向即可，而不需要每个元素向前移动一个单位。基于这样的思路，我们就有了循环队列这样的一种队列的实现方式。
需要注意的是：front == tail时，说明队列是空。
然后就是当放入元素时，tail++;取走元素时，front++.
那么你可能会有疑问，这个循环队列本身有什么关系呢，这就要说到当这个队列又有新的元素放进来的时候，直至这个队列被加满的情况：
假设现在元素被加满了，此时size已经不能往后++了，但是我们可以看到队首元素挪出我们的数组之后，这个空间没有被后面的元素给挤掉，那么对于我们的数组来说，前面有可能还有可以利用的空间，这就是循环队列的来由。我们可以把我们的数组看作一个环，现在一共能够容纳8个元素，对应索引是0-7,那么 7之后的索引其实是0，而不是直接说我们数据占满了。之前我们说的是tail++,其实应该是（当前索引+1）%(数组长度)，例如7的下一个元素应该是(7+1)%8=0.所以新元素进来应该放在索引为0这个位置。然后tail++
索引上面的图应该改为：
添加元素后：
而当又有新的元素入队，此时有人会说索引=1的元素还是空的，是不是还可以把新的元素放在这儿。在这里就需要大家注意之前咱们聊到的一个条件：
front == tail时，说明队列是空
如果此时把新元素放在1这个位置，tail++=2=front,那么此时front=tail就不仅是象征队列为空，还代表这队列是满的，那这当然不是我们想看到的。所以我定义队列为满的定义应该是(tail + 1) %(数组长度) == front.此时我们就可以扩容了。
所以对于我们数组来说，我们其实是有意识的浪费一个空间。
然后就是数组内元素个数size的计算，我们当然可以从一开始记录一个size属性，然后对于相关操作同之前线性结构一样，对size做相对应的改变，但是对于循环队列来说，size我们可以凭front和tail这两个属性就可以计算出来。我们后续的代码实现也是不带有size的。
那么我们现在推一下这个size：
假设数据只进入队列，而不出队列，即front=0，在原处，而rear在不断增加。
此时显然，循环队列的元素个数为rear-front=rear-0 =rear, 如下图:tail=6且一共有6个元素
假设数据不进入队列，有出队列，如下图:
由上面可知，如果，数据只进入队列，而不出队列，则队列元素为rear,
那得到一个思路，就是旋转循环队列，让front=0,回到原处，rear不就是元素个数了吗
我们知道，如果说通过上面的例子，要让front到0，我只能同时出队入队
如果将数组想成一个环，想象一下，用顺时针旋转环；对于front要前进多少位置，我们可以得到以下公式：capacity-front = x;
此时front前进x格子就是(front + x) % capacity = (front + capacity -front) % capacity = 0;此时我们让front回到了0的位置。
而为了补齐这个数组，我的tail是不是也需要前进x格，此时tail = (tail + x)%capacity=(tail + capacity -front) % capacity。
所以我们得到size = (tail + capacity -front) % capacity
那么根据以上思路，我们可以有如下循环队列的实现：
在这里我们就不使用之前实现的动态数组实现，而是重新基于一个java的数组来实现。
public class LoopQueue<T> implements Queue<T> {
private T[] array;
private int front;
private int tail;
//客户自己设置的容量是希望我的队列能够承载的个数，
public LoopQueue(int capacity) {
array = (T[]) new Object[capacity + 1];
front = 0;
tail = 0;
}
public LoopQueue() {
this(10);
}
@Override
public void enqueue(T t) {
//当队列满时，需要扩容
if ((tail + 1) % array.length == front) {
resize(getCapacity() * 2);
}
array[tail] = t;
tail = (tail + 1) % array.length;
}
private void resize(int newCapacity) {
T[] newArray = (T[]) new Object[newCapacity + 1];
//记录下新的size，其实就是新数组的元素个数
int newSize = 0;
//然后就是将旧数组的元素从队首开始放入到新数组中,由于是循环数组，队首也可能不再是0,开始，而是front，且tail也有可能要比front小
// 所以i不再是单调的i++,而是(i + 1) % array.length
for (int i = front; i != tail; i = (i + 1) % array.length) {
//那么我新数组下标要从0开始，可以用逆时针思考一下，就是让front回到0，那么就是(i - front) % array.length
newArray[(i - front) % array.length] = array[i];
newSize ++;
}
array = newArray;
front = 0;
tail = newSize;
}
@Override
public T dequeue() {
if (isEmpty()) {
throw new IllegalArgumentException("can't dequeue from a empty queue");
}
T res = array[front];
array[front] = null;
front = (front + 1) % array.length;
//如果发现size=当前数组容量1/4,防止复杂度震荡，则将数组缩容至原来一半
if (getSize() == getCapacity() / 4 && getCapacity() / 2 != 0) {
resize(getCapacity() / 2);
}
return res;
}
@Override
public T getFront() {
if (isEmpty()) {
throw new IllegalArgumentException("queue is empty");
}
return array[front];
}
@Override
public int getSize() {
return (tail + array.length - front) % array.length;
}
@Override
public boolean isEmpty() {
return front == tail;
}
public int getCapacity() {
return array.length - 1;
}
@Override
public String toString() {
StringBuilder stringBuilder = new StringBuilder();
stringBuilder.append(String.format("Queue: size = %d, capacity = %d\n", getSize(), getCapacity()));
stringBuilder.append("front [");
for (int i = front; i != tail; i = (i + 1) % array.length) {
stringBuilder.append(array[i]);
if((i + 1) % array.length != tail){
stringBuilder.append(",");
}
}
stringBuilder.append("] tail, front = "+front + ", tail =" + tail+ ", array =" + Arrays.toString(array));
return stringBuilder.toString();
}
public static void main(String[] args) {
LoopQueue<Integer> integerLoopQueue = new LoopQueue<>();
for (int i = 0; i < 10; i++) {
integerLoopQueue.enqueue(i);
System.out.println("第" + i + "次操作入队:" + integerLoopQueue);
if (i % 3 == 2) {
integerLoopQueue.dequeue();
System.out.println("第" + i + "次操作出队:" + integerLoopQueue);
}
}
}
}
测试结果如下：
那么理解了循环队列如何成立的，我们就可以很轻松的完成leetcode622这道题目了，感兴趣的小伙伴可以自己实现一下。
我们现在来分析一下我们自己实现的循环队列的复杂度，以及用它和一开始的不循环的数组队列比较一下，看看有什么区别：
循环队列的复杂度分析：
void enqueue(E) //向队列添加元素（入队） O(1)均摊E dequeue() //从队列取出元素（出队） O(1)均摊E getFront() //查看队首元素 O(1)int gitSize() //获取队列元素个数 O(1)boolean isEmpty() //查看队列是否为空 O(1)
对比一下之前不循环的数组队列，我们可以看到出队操作从以前的O(n)变为O(1)均摊。其他仍然不变。
为了效果明显一点，我们写一个测试用例：用十万次入队和出队的操作来对比这两者的时间复杂度：
public class TestQueueCompare {
private static double testQueue(Queue<Integer> q,int opCount){
long startTime = System.currentTimeMillis();
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();
}
long endTime = System.currentTimeMillis();
return (endTime - startTime)/1000.0;
}
public static void main(String[] args) {
ArrayQueue<Integer> integerArrayQueue = new ArrayQueue<>();
LoopQueue<Integer> integerLoopQueue = new LoopQueue<>();
System.out.println("arrayQueue,time:"+testQueue(integerArrayQueue,100000)+"s");
System.out.println("loopQueue,time:"+testQueue(integerLoopQueue,100000)+"s");
}
}
我们可以看到arrayQueue用了将近3s,而loopQueue用了0.01s不到。这样的差距就体现出来了，其实主要这个差距体现在出队上。对于ArrayQueue,出队是O(n)，加之for循环整个方法复杂度已经来到了O(n^2).而对于循环队列，出队是O(1)均摊，加上for循环整个方法复杂度只是O(n)。n^2和n之间的区别在我这台电脑上区别就如上图测试达到了惊人的318倍左右。
这就是循环队列的意义，它的性能提升是非常明显的。
五、队列的应用
对于队列的应用，不管是业务层面例如排队还是说专业层面上的网络数据包排队，操作系统执行任务的排队都可以使用队列。队列本身就是一个很复杂的问题，对于队首本身它的定义是有很多方式的。也正因如此，存在广义队列这个概念，这个我们后续会学习。当然对于这一节实现的普通队列，在计算机领域也是有着重要应用的，例如广度优先遍历，这个呢我们后续学习二叉树的时候还会再次接触。