【C++】学习笔记——优先级队列

文章目录

  • 十、优先级队列
    • 1. priority_queue的介绍
    • 2. 优先级队列如何使小的数据优先级高
    • 3. 仿函数介绍
    • 4. priority_queue的模拟实现
  • 补: 反向迭代器
  • 未完待续


十、优先级队列

1. priority_queue的介绍

优先级队列 其实也不属于队列,它跟 stackqueue 一样,都是 容器适配器
在这里插入图片描述
优先级队列的默认适配容器是 vector要使用优先级队列的话,需要包含 queue 头文件
在这里插入图片描述
优先级队列的接口也非常简单明了,我们来简单试一下:

#include<iostream>
// 包含 queue 头文件
#include<queue>
using namespace std;int main()
{priority_queue<int> pq;pq.push(3);pq.push(1);pq.push(4);pq.push(2);while (!pq.empty()){cout << pq.top() << " ";pq.pop();}cout << endl;return 0;
}

在这里插入图片描述
我们插入的数据是 3 1 4 2 ,打印出来的数据却是 4 3 2 1 ,竟然将其排了个降序,这有点像我们之前学过的一种数据结构啊。是的,它很像 ,它底层其实就是 大根堆优先级队列 就是按优先级取数据,堆顶数据就是优先级最高的。

2. 优先级队列如何使小的数据优先级高

优先级队列默认是大根堆,大的数据优先级高,那么我们该如何使小的数据优先级高呢?就是使优先级队列以 小根堆 的形式实现。答案嘛,就涉及到 STL 的另一个组件了—— 仿函数
在这里插入图片描述
优先级队列 模板的第三个参数就是仿函数,默认是 less (小于),如果要使其成 小根堆 的形式,则需要将其参数修改为 greater (大于),由于缺省参数不能跳跃着传,所以需要将前面两个参数都给加上才行。

// 三个参数
priority_queue<int, vector<int>, greater<int>> pq;

我们来使用一下:

#include<iostream>
#include<queue>
using namespace std;int main()
{priority_queue<int, vector<int>, greater<int>> pq;pq.push(3);pq.push(1);pq.push(4);pq.push(2);while (!pq.empty()){cout << pq.top() << " ";pq.pop();}cout << endl;return 0;
}

在这里插入图片描述
在其他有这种仿函数的函数中,less 默认都是排升序greater 都是排降序 ,比如 sort 函数 ,而 优先级队列 中,less 是大根堆greater 是小根堆

// sort 排降序
sort(v.begin(), v.end(), greater<int>());

注意,sort 函数 的第三个参数是函数参数,需要传对象,所以末尾带着 () 来创建匿名对象,而 优先级队列 则是类模板,传类型,不需要带 ()

3. 仿函数介绍

仿函数其实是一个类型 ,一种结构。

struct Less
{// 重载 ()bool operator()(const int& x, const int& y){return x < y;}
};

我们要怎样使用这个类呢?

int main()
{Less Lessfunc;cout << Lessfunc(1, 2) << endl;// 上面写法本质上是下面写法cout << Lessfunc.operator()(1, 2) << endl;return 0;
}

在这里插入图片描述
大家有没有发现,上面的写法 很像函数 啊,Lessfunc 就像函数名一样,但是没想到其实他是对象名。所以 仿函数就是对象很像函数的类型 。把模板套上就可以使类型泛型。

template<class T>
struct Less
{bool operator()(const T& x, const T& y){return x < y;}
};

所以在 sort 函数 里的第三个参数,greate< int >() 就是一个匿名对象,类型是 int ,调用重载 () 符号。

4. priority_queue的模拟实现

先把简单的框架搭好,再来挨个实现。由于 STL库 里的 priority_queue 是位于 queue 头文件里,所以我们这里头文件取名为 Queue.h

// Queue.h
#pragma oncenamespace my
{template<class T, class Container = vector<T>>class priority_queue{public:void push(const T& x){}void pop(){}bool empty(){}size_t size(){}const T& top(){}private:Container _con;};
}

我们来想一想,我们的堆是如何插入数据的:堆是尾部插入数据,然后向上调整位置 。那堆是如何删除数据的呢?堆是收尾交换数据,然后尾删,最后将堆顶数据向下调整

#pragma oncenamespace my
{template<class T, class Container = vector<T>>class priority_queue{public:adjust_up(size_t child){}adjust_down(size_t parent){}void push(const T& x){_con.push_back(x);adjust_up(_con.size() - 1);}void pop(){std::swap(_con[0], _con[_con.size() - 1]);_con.pop_back();adjust_down(0);}bool empty(){return _con.empty();}size_t size(){return _con.size();}const T& top(){return _con[0];}private:Container _con;};
}

向上调整函数注意的就是什么情况可以向上调整,当孩子的值比父亲大时,需要将孩子的位置与父亲的位置进行交换 ,然后更新孩子和父亲的下标。那什么时候结束调整呢?当孩子的值比不父亲的值大,或者孩子已经到堆顶位置 此时需要结束调整。

adjust_up(size_t child)
{size_t parent = (child - 1) / 2;while (child > 0){if (_con[child] > _con[parent]){// 交换数据std::swap(_con[child], _con[parent]);// 更新下标child = parent;parent = (child - 1) / 2;}else{ break;}}
}

向下调整需要注意的是,父节点要是最大的值,所以要交换也是与最大的孩子交换,第一步需要找到最大的孩子 ,然后 判断父亲是否比孩子小,小则交换,最后判断结束条件 父节点已经不再比最大的孩子小或者,已经到达叶子节点 则退出。

adjust_down(size_t parent)
{size_t child = parent * 2 + 1;// 左孩子孩子存在while (child < _con.size()){// 右孩子存在且比左孩子大if (child + 1 < _con.size() && _con[child + 1] > _con[child]){++child;}if (_con[parent] < _con[child]){// 交换std::swap(_con[parent], _con[child]);parent = child;child = parent * 2 + 1;}else{break;}}
}

除了仿函数外,我们的代码已经实现到了:

// Queue.h
#pragma once
#include<vector>
namespace my
{template<class T, class Container = vector<T>>class priority_queue{public:void adjust_up(size_t child){size_t parent = (child - 1) / 2;while (child > 0){if (_con[child] > _con[parent]){std::swap(_con[child], _con[parent]);child = parent;parent = (child - 1) / 2;}else{ break;}}}void adjust_down(size_t parent){size_t child = parent * 2 + 1;while (child < _con.size()){if (child + 1 < _con.size() && _con[child + 1] > _con[child]){++child;}if (_con[parent] < _con[child]){std::swap(_con[parent], _con[child]);parent = child;child = parent * 2 + 1;}else{break;}}}void push(const T& x){_con.push_back(x);adjust_up(_con.size() - 1);}void pop(){std::swap(_con[0], _con[_con.size() - 1]);_con.pop_back();adjust_down(0);}bool empty(){return _con.empty();}size_t size(){return _con.size();}const T& top(){return _con[0];}private:Container _con;};
}
// test.cpp
#include<iostream>
#include"Queue.h"
using namespace std;int main()
{my::priority_queue<int> pq;pq.push(1);pq.push(3);pq.push(4);pq.push(2);while (!pq.empty()){cout << pq.top() << " ";pq.pop();}cout << endl;return 0;
}

在这里插入图片描述
OK,这里默认大堆就已经完成了。但是我们这个代码并不能控制变成小堆,我们需要 使用仿函数来控制比较逻辑

// 在 my 命名空间内
template<class T>
class less
{
public:bool operator()(const T& x, const T& y){return x < y;}
};template<class T>
class greater
{
public:bool operator()(const T& x, const T& y){return x > y;}
};

有了仿函数,所以我们的优先级队列模板参数就要将其加上。

// 默认大根堆,第三个参数默认是仿函数 less
template<class T, class Container = vector<T>, class Compare = less<T>>
class priority_queue
{
public://
private://
};

所以,类里的比较大小的判断就可以使用仿函数来调用对象来实现。

void adjust_up(size_t child)
{// 这里Compare com;size_t parent = (child - 1) / 2;while (child > 0){// _con[parent] < _con[chlid]if (com(_con[parent], _con[child])){std::swap(_con[child], _con[parent]);child = parent;parent = (child - 1) / 2;}else{ break;}}
}void adjust_down(size_t parent)
{// 这里Compare com;size_t child = parent * 2 + 1;while (child < _con.size()){// _con[child] < _con[child + 1]if (child + 1 < _con.size() && com(_con[child], _con[child + 1])){++child;}//_con[parent] < _con[child]if (com(_con[parent], _con[child])){std::swap(_con[parent], _con[child]);parent = child;child = parent * 2 + 1;}else{break;}}
}

测试一下:

#include<iostream>
#include"Queue.h"
using namespace std;int main()
{// 大堆my::priority_queue<int> pq;pq.push(1);pq.push(3);pq.push(4);pq.push(2);while (!pq.empty()){cout << pq.top() << " ";pq.pop();}cout << endl;// 小堆my::priority_queue<int, vector<int>, greater<int>> pq2;pq2.push(1);pq2.push(3);pq2.push(4);pq2.push(2);while (!pq2.empty()){cout << pq2.top() << " ";pq2.pop();}cout << endl;return 0;
}

在这里插入图片描述

可以。

补: 反向迭代器

反向迭代器其实可以通过修改正向迭代器来达到目的,但是我们要求代码复用,所以需要用另一种方法来实现反向迭代器。此时我们可以使用 迭代器适配器 来实现所有容器的反向迭代器。你给我一个容器的正向迭代器,我来帮你实现其反向迭代器。

反向迭代器和正向迭代器的不同点在哪?功能类似,++和–方向不一样
其中反向迭代器的模板部分代码就如下所示,只需要注意反向迭代器要正确调用正向迭代器的函数就能成功实现。比如:++调用–,–调用++。

#pragma once
namespace me
{template<class Iterator, class Ref, class Ptr>class ReverseIterator{public:typedef ReverseIterator<Iterator, Ref, Ptr> Self;Iterator _it;ReverseIterator(Iterator it):_it(it){}Ref operator*(){Iterator tmp = _it;return *(--tmp);}Ptr operator->(){return &(operator*());}// 前置++Self& operator++(){--_it;return *this;}// 前置--Self& operator--(){++_it;return *this;}bool operator!=(const Self& s){return _it != s._it;}};
}

未完待续

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://xiahunao.cn/news/3029664.html

如若内容造成侵权/违法违规/事实不符,请联系瞎胡闹网进行投诉反馈,一经查实,立即删除!

相关文章

【智能优化算法】卷尾猴搜索算法(Capuchin search algorithm,CapSA)

【智能优化算法】卷尾猴搜索算法(Capuchin search algorithm,CapSA)是期刊“NEURAL COMPUTING & APPLICATIONS”&#xff08;IF 6.0&#xff09;的2021年智能优化算法 01.引言 【智能优化算法】卷尾猴搜索算法(Capuchin search algorithm,CapSA)用于解决约束和全局优化问…

Ubuntu 安装 samba 实现文件共享

1. samba的安装: sudo apt-get install samba sudo apt-get install smbfs2. 创建共享目录 mkdir /home/share sudo chmod -R 777 /home/share3. 创建Samba配置文件: 3.1 保存现有的配置文件 sudo cp /etc/samba/smb.conf /etc/samba/smb.conf.bak3.2 打开现有的文件 sudo…

安卓开发--按键跳转页面

前面已经介绍了一个空白按键工程的建立以及响应方式&#xff0c;可以参考这里&#xff1a;安卓开发–新建工程&#xff0c;新建虚拟手机&#xff0c;按键事件响应。 安卓开发是页面跳转是基础&#xff01;&#xff01;&#xff01;所以本篇博客介绍利用按键实现页面跳转。 前…

解锁楼宇自动化新维度西门子Insight+BACnet IP I/O控制器

数字城市的楼宇自动化已不再是一个遥不可及的概念&#xff0c;而是成为了现代建筑的标配。特别是在大型商业综合体、高端写字楼和公共设施中&#xff0c;高效的楼宇管理系统是确保环境舒适度与能源效率的关键。当提及楼宇自动化领域的佼佼者&#xff0c;西门子Insight楼宇自动化…

15 华三华为链路聚合综述

1 链路聚合简介 以太网链路聚合通过将多条以太网物理链路捆绑在一起形成一条以太网逻辑链路&#xff0c;实现增加链路带宽的目的&#xff0c;同时这些捆绑在一起的链路通过相互动态备份&#xff0c;可以有效地提高链路的可靠性。 2 成员端口的状态 聚合组内的成员端口具有以下…

Android 屏幕适配全攻略(中)-从九宫格到矢量图,揭秘Android多屏幕适配的正确打开方式

在移动互联网时代&#xff0c;无论是小小的手机屏幕&#xff0c;还是大大的平板显示器&#xff0c;Android 应用都必须做到完美适配&#xff0c;给用户以极佳的体验。本文将剖析 Android 多屏幕适配背后的种种技术细节&#xff0c;为您揭开最佳实践的正确打开方式&#xff0c;让…

全新时代的降临——比亚迪,助力未来出行

近日&#xff0c;世界舞台中央聚焦&#xff0c;比亚迪登上欧洲顶级赛事赞助席位&#xff0c;让全球见证中国新能源汽车传奇崛起&#xff01;作为新能源领袖品牌&#xff0c;比亚迪现已累计销售突破730万辆&#xff0c;全球每售出五辆新能源汽车&#xff0c;便有一辆来自比亚迪。…

基于Springboot的微乐校园管理系统(有报告)。Javaee项目,springboot项目。

演示视频&#xff1a; 基于Springboot的微乐校园管理系统&#xff08;有报告&#xff09;。Javaee项目&#xff0c;springboot项目。 项目介绍&#xff1a; 采用M&#xff08;model&#xff09;V&#xff08;view&#xff09;C&#xff08;controller&#xff09;三层体系结构…

什么是季节调整?

季节调整是指在对时间序列分析过程中估计和剔除季节因素的一种方法。 一、基本概念 在分析应用中发现&#xff0c;一个经济时间序列往往受多种因素影响&#xff0c;通常我们把这些因素分为趋势因素、循环因素、季节因素、以及不规则因素。其中&#xff0c;季节因素是指时间序…

软考中级-软件设计师(九)数据库技术基础 考点最精简

一、基本概念 1.1数据库与数据库系统 数据&#xff1a;是数据库中存储的基本对象&#xff0c;是描述事物的符号记录 数据库&#xff08;DataBase&#xff0c;DB&#xff09;&#xff1a;是长期存储在计算机内、有组织、可共享的大量数据集合 数据库系统&#xff08;DataBas…

Hive Windows Functions 窗口函数

Hive Windows Functions 窗口函数 在 Hive 中&#xff0c;窗口函数&#xff08;Window Functions&#xff09;用于在查询结果中执行聚合、排序和分析操作&#xff0c;而无需将数据分组。窗口函数允许你在查询结果中的一组行上执行计算&#xff0c;而不会改变原始数据的行数&am…

基于OpenCV对胸部CT图像的预处理

1 . 传作灵感 胸部CT中所包含的噪声比较多&#xff0c;基于OpenCV简单的做一些处理&#xff0c;降低后续模型训练的难度。 2. 图像的合成 在语义分割任务中有的时候需要将原图&#xff08;imput&#xff09;和标注数据&#xff08;groudtruth&#xff09;合成一幅图像&#x…

zip file is empty

从下找到报错的jar包。展开这个jar包&#xff0c;看下是否正常&#xff0c;正常的是能够展开看到一些文件夹以及里面的类&#xff0c;如下&#xff1a;如果不正常&#xff0c;就删除这个jar包&#xff0c;同时找到这个jar包在本地maven仓库的地址&#xff0c;也删除掉&#xff…

热爱电子值得做的电子制作实验

加我zkhengyang&#xff0c;进嵌入式音频系统研究开发交流答疑群(课题组) AM/FM收音机散件制作&#xff0c;磁带随声听散件&#xff0c;黑白电视机散件制作&#xff0c;功放散件制作&#xff0c;闪光灯散件制作&#xff0c;声控灯散件&#xff0c;等等&#xff0c;可提高动手能…

Ubuntu系统下编译OpenCV4.8源码

OpenCV4.8源码编译与安装 其实很简单&#xff0c;只要三步即可搞定&#xff0c;第一步是下载指定版本的源码包&#xff1b;第二步是安装OpenCV4.8编译需要的编译器与第三方库支持&#xff1b;第三步就是编译OpenCV源码包生成安装文件并安装。 01下载OpenCV4.8源码包 在Ubunt…

Oracle -在线回缩表

conn scott/tiger DROP TABLE EMP1 PURGE; CREATE TABLE EMP1 AS SELECT * FROM EMP; alter table emp1 enable row movement; -- 启动回缩特性 insert into emp1 select * from emp1; / / commit; -- 增加到14000行 -- 分析表的结构 analyze table emp1 comput…

如何编译不同目录下的两个文件

1.直接编译 2.打包成动静态库进行链接

EasyExcel处理Mysql百万数据的导入导出案例,秒级效率,拿来即用!

一、写在开头 今天终于更新新专栏 《EfficientFarm》 的第二篇博文啦&#xff0c;本文主要来记录一下对于EasyExcel的高效应用&#xff0c;包括对MySQL数据库百万级数据量的导入与导出操作&#xff0c;以及性能的优化&#xff08;争取做到秒级性能&#xff01;&#xff09;。 …

【Spring Boot 源码学习】深入 ApplicationArguments 接口及其默认实现

《Spring Boot 源码学习系列》 深入 ApplicationArguments 接口及其默认实现 一、引言二、主要内容2.1 ApplicationArguments2.2 DefaultApplicationArguments2.2.1 成员变量2.2.2 构造方法2.2.3 成员方法 2.3 SimpleCommandLinePropertySource2.4 应用场景2.4.1 准备和配置应用…

ETL免费工具kettle(PDI),安装和配置

起源&#xff1a; Kettle最早是一个开源的ETL工具&#xff0c;全称为KDE Extraction, Transportation, Transformation and Loading Environment。在2006年&#xff0c;Pentaho公司收购了Kettle项目&#xff0c;原Kettle项目发起人Matt Casters加入了Pentaho团队&#xff0c;成…