Repository navigation
Expand file tree
/
Copy pathfifo_queue.py
More file actions
261 lines (211 loc) · 8.16 KB
/
Copy pathfifo_queue.py
File metadata and controls
261 lines (211 loc) · 8.16 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
#!/usr/bin/env python
# -*- coding:utf-8 -*-
from math import *
import copy
class Heap(object):
"""最大二叉堆实现"""
def __init__(self, *arg):
super(Heap, self).__init__()
self.__array = list(arg)
self.length = len(arg)
self.height = int(log(self.length))
self.__build_heap()
@classmethod
def make_heap(cls, li):
return Heap(*li)
def __build_heap(self):
for x in reversed(xrange(0, self.length / 2)):
self.loop_heapify(x)
def heapify(self, parent):
"""
基本思路是从一个元素开始，如果这个元素不符合最大堆的规定，那么就把其子节点的元素，提升到父节点上面。
注意这是一个递归的过程，只有在满足最大堆的条件或者到达堆的叶节点的时候才会退出.
注意：heapify方法的条件是他的子节点都是最大堆，使用的时候要注意这一点。
"""
largest = parent
left = parent * 2 + 1
right = parent * 2 + 2
#这个地方使用left和right比较，是为了防止到了叶节点的时候会出现数组越界。
if left < self.length and self.__array[parent] < self.__array[left]:
largest = left
if right < self.length and self.__array[largest] < self.__array[right]:
largest = right
#保证在父元素就是最大值的时候不要移动元素
if largest != parent:
self.__array[largest], self.__array[parent] = self.__array[parent], self.__array[largest]
self.heapify(largest)
def loop_heapify(self, parent):
"""
while true break是一个比较方便的把递归转换成循环的方法，因为在while的时候不用判断任何条件，判断都在break里面，避免了在while
中设置复杂的条件
"""
while True:
largest = parent
left = parent * 2 + 1
right = parent * 2 + 2
#这个地方使用left和right比较，是为了防止到了叶节点的时候会出现数组越界。
if left < self.length and self.__array[parent] < self.__array[left]:
largest = left
if right < self.length and self.__array[largest] < self.__array[right]:
largest = right
#保证在父元素就是最大值的时候不要移动元素
if largest != parent:
self.__array[largest], self.__array[parent] = self.__array[parent], self.__array[largest]
parent = largest
else:
break
def __left(self, parent):
return parent * 2 + 1
def __right(self, parent):
return parent * 2 + 2
def __wide_walk_through(self, func, start=0):
for x in xrange(start, self.length):
func(self.__array[x])
def __deep_walk_through(self, func, start=0):
if start >= self.length:
func(start)
left = start * 2 + 1
right = start * 2 + 2
self.__deep_walk_through(func, left)
self.__deep_walk_through(func, right)
def __str__(self):
title = "Heap Length: %s\n" % self.length
content_list = [title]
self.__wide_walk_through(lambda s: content_list.append(str(s)))
return '\t'.join(content_list)
def __len__(self):
return self.length
def __getitem__(self, index):
return self.__array[index]
def append(self, value):
self.__array.append(value)
insert_index = self.length
while True:
parent = (insert_index - 1) / 2
#这儿需要判断使得parent不会越界
if parent >= 0 and self.__array[insert_index] > self.__array[parent]:
self.__array[parent], self.__array[insert_index] = self.__array[insert_index], self.__array[parent]
insert_index = parent
else:
break
self.length += 1
def append_with_one_assign(self, value):
"""
添加了一项优化，就是在移动节点的时候不要交换值，而是仅仅移动父节点，在最后空出来的节点上面插入值.
这样的好处是仅需要赋值一次。减低了算法中的常数项。
"""
self.__array.append(value)
insert_index = self.length
while True:
parent = (insert_index - 1) / 2
#这儿需要判断使得parent不会越界
if parent >= 0 and value > self.__array[parent]:
self.__array[insert_index] = self.__array[parent]
insert_index = parent
else:
break
self.__array[insert_index] = value
self.length += 1
def __setitem__(self, index, value):
self.__array[index] = value
def __copy__(self):
newone = type(self)(*self.__array)
newone.__dict__.update(self.__dict__)
return newone
def __deepcopy__(self):
newone = type(self)(*self.__array)
newone.__dict__.update(self.__dict__)
for x in self.__dict__:
newone.__dict__[x] = copy.deepcopy(self.__dict__[x])
return newone
@classmethod
def heap_sort(cls, list):
new_heap = Heap(*list)
result = new_heap.__array
i = len(result) - 1
while True:
result[0], result[i] = result[i], result[0]
new_heap.length -= 1
i -= 1
if i is 2:
break
new_heap.loop_heapify(0)
return result
def pop(self, index=-1):
node = self.__array.pop(index)
self.length -= 1
"""这里也可以使用比较复杂的逻辑支持移动一个元素(O(lgn))，但是调用这个方法比较方便
复杂度:O(n)
"""
self.__build_heap()
return node
def pop_max(self):
"""
这个方法仅仅支持pop首元素，因此可以直接调用loop_heapify。上面的不可以
复杂度:O(lgn)
"""
max_node = self.__array[0]
self.length -= 1
if self.length > 0:
self.__array[0] = self.__array.pop()
self.loop_heapify(0)
return max_node
class MaxQueue(object):
"""使用堆实现最大优先堆"""
class Node(object):
"""优先队列里面的节点"""
def __init__(self, key, obj):
super(MaxQueue.Node, self).__init__()
self.key = key
self.obj = obj
def __str__(self):
return "".join(["Key: ", str(self.key), "\tObject:", str(self.obj)])
def __cmp__(self, other):
if self.key < other.key:
return -1
elif self.key > other.key:
return 1
else:
return 0
def __init__(self, kargs):
super(MaxQueue, self).__init__()
values = [MaxQueue.Node(kargs[obj], obj) for obj in kargs]
self.__heap = Heap(*values)
self.length = self.__heap.length
def max(self):
return self.__heap[0].obj
def pop_max(self):
self.length -= 1
if self.length < 0:
return None
return self.__heap.pop_max()
def __setitem__(self, key, value):
node = MaxQueue.Node(key, value)
self.__heap.append_with_one_assign(node)
def __str__(self):
return str(self.__heap)
class FifoQueue(object):
"""先进先出队列使用优先队列实现，基本思路是给键设一个递减的数字"""
def __init__(self, *arg):
super(FifoQueue, self).__init__()
self.__min_key = 0
result = []
for value in arg:
result.append((value, self.__min_key))
self.__min_key -= 1
self.__max_queue = MaxQueue(dict(result))
self.length = self.__max_queue.length
def __str__(self):
return str(self.__max_queue)
def pop(self):
return self.__max_queue.pop_max()
def append(self):
self.__min_key -= 1
self.__max_queue[self.__min_key] = value
def main():
queue = FifoQueue(16, 4, 10, 14, 7, 9, 3, 2, 8, 1)
print queue
for x in xrange(0, queue.length):
print queue.pop()
if __name__ == '__main__':
main()