Prioritetskö i Python
Prioriterade köer är abstrakta datastrukturer där varje data/värde i kön har en viss prioritet. Till exempel hos flygbolag kommer bagage med titeln Business eller First-class tidigare än resten.
Priority Queue är en förlängning av kön med följande egenskaper.
- Ett element med hög prioritet tas ur kö före ett element med låg prioritet.
- Om två element har samma prioritet serveras de enligt deras ordning i kön.
Olika applikationer i prioriteringskön i datavetenskap är:
Job Scheduling algoritmer, CPU och Disk Scheduling, hantering av resurser som delas mellan olika processer, etc.
Viktiga skillnader mellan Priority Queue och Queue:
- I Queue tas det äldsta elementet ur kö först. Medan, i Priority Queue, tas ett element baserat på högsta prioritet ur kö.
- När element tas ut ur en prioriterad kö sorteras resultatet antingen i ökande ordning eller i minskande ordning. Medan, när element poppas från en enkel kö, erhålls en FIFO-ordning av data i resultatet.
Nedan är en enkel implementering av prioritetskön.
Pytonorm
# A simple implementation of Priority Queue> # using Queue.> class> PriorityQueue(> object> ):> > def> __init__(> self> ):> > self> .queue> => []> > def> __str__(> self> ):> > return> ' '> .join([> str> (i)> for> i> in> self> .queue])> > # for checking if the queue is empty> > def> isEmpty(> self> ):> > return> len> (> self> .queue)> => => 0> > # for inserting an element in the queue> > def> insert(> self> , data):> > self> .queue.append(data)> > # for popping an element based on Priority> > def> delete(> self> ):> > try> :> > max_val> => 0> > for> i> in> range> (> len> (> self> .queue)):> > if> self> .queue[i]>> self> .queue[max_val]:> > max_val> => i> > item> => self> .queue[max_val]> > del> self> .queue[max_val]> > return> item> > except> IndexError:> > print> ()> > exit()> if> __name__> => => '__main__'> :> > myQueue> => PriorityQueue()> > myQueue.insert(> 12> )> > myQueue.insert(> 1> )> > myQueue.insert(> 14> )> > myQueue.insert(> 7> )> > print> (myQueue)> > while> not> myQueue.isEmpty():> > print> (myQueue.delete())> |
Produktion:
12 1 14 7 14 12 7 1
Observera att tidskomplexiteten för radering är O(n) i ovanstående kod. A bättre genomförande är att använda Binär hög som vanligtvis används för att implementera en prioritetskö. Observera att Python tillhandahåller heapq på biblioteket också.
Time complexity: By using heap data structure to implement Priority Queues Insert Operation: O(log(n)) Delete Operation: O(log(n))
![Hund kedjad vid husets framsida i Texas översvämningsvatten upp till hennes huvud [REDNINGSVIDEO]](https://techcodeview.com/img/trending/65/dog-chained-to-front-of-house-in-texas-flood-waters-up-to-her-head-rescue-video.webp)
