因为队列与之前学习的栈等使用方法比较类似,所以对此进行简单介绍
1 queue的介绍
1. 队列是一种容器适配器,专门用于在FIFO上下文(先进先出)中操作,其中从容器一端插入元素,另一端提取元素。
2. 队列作为容器适配器实现,容器适配器即将特定容器类封装作为其底层容器类,queue提供一组特定的成员函数来访问其元素。元素从队尾入队列,从队头出队列。
3. 底层容器可以是标准容器类模板之一,也可以是其他专门设计的容器类。该底层容器应至少支持以下操作:
empty:检测队列是否为空
size:返回队列中有效元素的个数
front:返回队头元素的引用
back:返回队尾元素的引用
push_back:在队列尾部入队列
pop_front:在队列头部出队列
4. 标准容器类deque和list满足了这些要求。默认情况下,如果没有为queue实例化指定容器类,则使用标准容器deque。
2.queue的使用
3 queue的模拟实现
queue的接口中存在头删和尾插,因此使用vector来封装效率太低,故可以借助list来模拟实现queue
#include <list>
namespace bite
{
template<class T>
class queue
{
public:
queue() {}
void push(const T& x) {_c.push_back(x);}
void pop() {_c.pop_front();}
T& back() {return _c.back();}
const T& back()const {return _c.back();}
T& front() {return _c.front();}
const T& front()const {return _c.front();}
size_t size()const {return _c.size();}
bool empty()const {return _c.empty();}
private:
std::list<T> _c;
};
}
4.priority_queue
1. 优先队列是一种容器适配器,根据严格的弱排序标准,它的第一个元素总是它所包含的元素中最大的。头文件:<queue>
2. 此上下文类似于堆,在堆中可以随时插入元素,并且只能检索最大堆元素(优先队列中位于顶部的元素)
3. 优先队列被实现为容器适配器,容器适配器即将特定容器类封装作为其底层容器类,queue提供一组特定的成员函数来访问其元素。元素从特定容器的“尾部”弹出,其称为优先队列的顶部。
4. 底层容器可以是任何标准容器类模板,也可以是其他特定设计的容器类。容器应该可以通过随机访问迭代器访问,并支持以下操作:
empty():检测容器是否为空
size():返回容器中有效元素个数
front():返回容器中第一个元素的引用
push_back():在容器尾部插入元素
pop_back():删除容器尾部元素
5. 标准容器类vector和deque满足这些需求。默认情况下,如果没有为特定的priority_queue类实例化指定容器类,则使用vector。
6. 需要支持随机访问迭代器,以便始终在内部保持堆结构。容器适配器通过在需要时自动调用算法函数make_heap、push_heap和pop_heap来自动完成此操作。
5 priority_queue的使用
优先级队列默认使用vector作为其底层存储数据的容器,在vector上又使用了堆算法将vector中元素构造成堆的结构,因此priority_queue就是堆,所有需要用到堆的位置,都可以考虑使用priority_queue。注意:默认情况下priority_queue是大堆
#include<iostream>
using namespace std;
#include<queue>
//priority_queue默认大堆
int main()
{
priority_queue<int>q;
q.push(5);
q.push(1);
q.push(6);
q.push(7);
q.push(325);
q.push(52);
q.push(90);
q.push(59);
cout << q.size() << endl;
cout << q.top() << endl;
q.pop();
q.pop();
q.pop();
cout << q.size() << endl;
cout << q.top() << endl;
return 0;
}
上面代码可以调试来查看规律
关于比较方式
方式二:利用函数指针
方式三:仿函数
借助仿函数
仿函数,别名:函数对象,可以向函数一样调用的对象称为函数对象
实现方式:在类中只需要将函数调用运算符重载即可---->所谓的函数调用运算符就是( )
6.实战练习
top-k:在一个数据集合中找到前K个最大或者最小的元素
解决top-k问题使用(优先级队列)
方式:
利用前K个元素建堆
注意:前k个最大的元素--》创建小堆 :前k个最小的元素--》创建大堆
2.用剩余的N-K元素依次和堆顶元素比较,如果大于堆顶元素则替换
https://leetcode.cn/problems/kth-largest-element-in-an-array/submissions/