这篇文章我们接着上一篇的内容，再来学一个STL里的容器适配器——priority_queue（优先级队列）

1. priority_queue的介绍和使用

1.1 priority_queue的介绍

我们上一篇文章学了queue（队列），那优先级队列也是在<queue>里面的：

和queue一样，priority_queue也是一个容器适配器，那他和queue有什么区别呢？我们一起来认识一下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。
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
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。

首先我们看到它的默认底层容器不再是deque了，而是vector。

当然不是只能用vector，只要支持这些操作的容器都可以，另外我们看到他对容器的迭代器是有要求的，要求得是随机迭代器random access iterators 。

那现在问一下大家，听到优先级队列有没有感到有点熟悉？

或者我们可以来看一下它的成员函数：

有没有感觉有点熟悉？
🆗，这不就是我们之前数据结构学过的堆嘛（如果大家之前没有了解过堆或者遗忘了可以去看一下之前的文章）


我们在讲解堆的时候也提到过，优先级队列就是堆。

1.2 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。

经过数据结构阶段的学习，这些常见的接口我们是可以直接上手使用的，其它的接口如果后续用到大家可以自己查阅文档，这里就不展开介绍了。

【注意】
默认情况下，priority_queue是大堆（大的优先级高）

我们来验证一下：

int main()
{
	priority_queue<int> q;
	q.push(1);
	q.push(0);
	q.push(5);
	q.push(2);
	q.push(1);
	q.push(7);
	while (!q.empty())
	{
		cout << q.top() << " ";
		q.pop();
	}
	cout << endl;

	return 0;
}

看一下结果：

那如果我们想使用小堆怎么做呢？

🆗，这时候就要用到一个东西叫做仿函数。
怎么做呢？

我们要多传一个参数，即对应第三个模板参数。
不过呢，因为Compare 这个模板参数被设计在了第三个位置，所以我们要传第三个的话，也要传一下第二个。
那我们现在优先级队列里面放的是整型，就可以传一个greater<int>，让它变成大堆：

int main()
{
	priority_queue<int, vector<int>, greater<int>> q;
	q.push(1);
	q.push(0);
	q.push(5);
	q.push(2);
	q.push(1);
	q.push(7);
	while (!q.empty())
	{
		cout << q.top() << " ";
		q.pop();
	}
	cout << endl;

	return 0;
}

那这个地方大家可能有这样的疑惑：

我们看到第三个模板参数给的缺省值是less <value_type>，less不是较小的意思嘛，但是默认对应的却是大堆；而我们把它变成小堆传的是 greater <value_type>，而greater却是较大的意思。
那除此之外：

第二个模板参数是不是放到第三个位置比较好一点啊，因为默认容器我们一般不会去动它，但是第三个参数控制这个优先级，我们可能需要经常换，那这样我们传递三个参数的时候就必须把第二个也传上，但第二个一般我们不需要动，用默认的就是比较好的。
所以这个地方感觉设计的好像不是很好。

1.2.1 仿函数介绍

然后我们来解释一下这里用到的 greater<int>是个啥？
那我们先来认识一个东西——仿函数。

他也是STL的六大组件之一。
那什么是仿函数呢？

🆗，仿函数（又称函数对象）其实就是一个类重载了()，使得这个类的使用看上去像一个函数。

举个栗子：

我们来写一个判断小于的仿函数，怎么做呢？
定义一个类，重载一下()就行了，函数体的实现根据我们的需求去写：

ps：也可以用class，区别只是它的的默认访问限定符不同。
那我们来用一下这个仿函数：

1小于2为真，所以打印结果为1。
🆗，那如果我们只看这一行：

这是不是就像是一个函数调用啊。
当然它本质是去调用了类里面的operator()。
那要告诉大家的是仿函数它的作用和价值还是很大的，不过我们现在还不能很好的体会到。
C++其实本质搞出这个东西是因为函数指针太复杂了，而仿函数在很多场景能达到一个替代函数指针的作用。
就比如我们这里优先级队列控制这个大堆小堆，我们之前实现过堆，我们知道控制大堆小堆其实就是就是控制里面元素的比较方式不同。
那我们C语言解决这样的问题是不是就是去传一个函数指针嘛，就比如C语言里面那个qsort函数：

它是不是就是通过传递一个函数指针来控制元素的比较方式啊。
而C++的sort就可以传仿函数去控制：

当然不是只能传仿函数，我们看到它给的是一个模板。

那我们上面用到的greater包括默认给的less其实就是库里面提供的仿函数。

当然我们看到它可以写成这样greater<int>，那库里面的其实是实现成模板了。

而我们刚才这样写的是只针对整型，如果像比较任意类型我们就可以将他实现成模板：

1.2.2 在OJ中的使用：数组中的第K个最大元素

下面我们来看一个题：数组中的第K个最大元素

思路1：排序

那这道题我们最容易想到的方法应该就是堆数组排个序，如果数组是有序的，那我们想拿到第k个最大的元素，不是轻而易举嘛。
那直接用sort排序就行了，要注意sort默认是升序。

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        sort(nums.begin(),nums.end());
        return nums[nums.size()-k];
    }
};

但是题目要求时间复杂度为 O(n) ，那我们还有没有其它更好的算法呢？

思路2：priority_queue

🆗，我们是不是可以考虑使用优先级队列（堆）来搞啊。

那我们现在要使用优先级队列的话，还需要自己写吗？
是不是可以直接用啊——priority_queue。
怎么做呢？
那我们知道它默认是大堆，那我们就用大堆，首先我们拿数组的数据建堆，怎么建？

我们可以选择这个迭代器区间的这个构造函数。
拿建好堆之后，默认是大堆，那我们就可以pop k-1次，然后堆顶的那个数据不就是第K个最大的数了嘛。

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        priority_queue<int> q(nums.begin(),nums.end());
        while(--k)
        {
            q.pop();
        }
        return q.top();
    }
};

那这种写法的时间复杂度应该是多少呢？
🆗，应该是O(N+k*logN)，大家可以自己算一下，这里建堆包括pop的时间复杂度我们之前二叉树的文章也讲过。

那还要其它方法吗？

思路3：TOP-K思想

我们还可以考虑用TOP-K的思想去解决这道题：
首先我们来复习一下TOP-K（时间复杂度是O(N*log2K））的思想，这也是我们之前文章讲过的内容：

那这道题我们可以怎么做呢？

我们是不是可以先拿前K个数建堆，这里我们想要获取最大得前K个，应该建小堆，然后一个个比较，不符合大小关系就调整，最终堆中得数据就是最大的前K个，那此时堆顶得数据不就是我们要的数嘛。
当然我们现在用的是库里面的priority_queue，没有向下调整这些接口，而且top返回的也是引用，也不能直接替换堆顶数据，所以我们可以先pop，然后再push。

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        //建小堆
        priority_queue<int,vector<int>,greater<int>> q(nums.begin(),nums.begin()+k);
        for(size_t i=k;i<nums.size();++i)
        {
            if(nums[i]>q.top())
            {
                q.pop();
                q.push(nums[i]);
            }
        }
        return q.top();
    }
};

2. priority_queue的模拟实现

那我们接下来就对priority_queue进行一个模拟实现：

那我们还是按照库里面的来，把它实现成一个容器适配器的类模板

那它的结构就是这样的，第三个模板参数即比较的仿函数我们放到后面再搞。

2.1 核心接口

然后先我们来实现一下它的几个核心的接口：

首先写一下push：
那我们再来复习一下，堆的push怎么搞的？
🆗，堆的逻辑结构是一个完全二叉树，其物理结构，即底层实际的存储结构是一个一维数组（我们这里使用的是vector），我们push的时候先尾插一个数据，然后是不是要对它进行向上调整啊，确保插入新数据之后它还是一个堆。


那我们待会还要实现一下向上调整。
然后pop，再来回忆一下，堆的删除怎么搞？
🆗，是不是将堆顶的数据跟最后一个数据进行交换，然后删除数组最后一个数据，再进行向下调整啊。


当然待会我们也要写一下向下调整。
然后top，那就简单了：

然后还有size：

empty：

然后我们回过头来把向上调整实现一下。

2.2 向上调整

向上调整怎么搞（这里我们默认先按大堆来搞），回忆一下：

怎么调？
首先进行向上调整要保证之前的数据必须是一个堆。
然后看插入的数据满足不满足对应的大小关系，不满足就进行交换，直到满足为止。
100这个结点是不是大于它的父亲啊，那大堆中大的才应该做父亲，所以呢，就应该交换100和30这两个结点。

那调整一次就完了吗？
如果调整一次后满足了，那确实就结束了，但是现在是不是还不满足是一个大堆啊，那就要继续调整。
100还是大于它的父亲70：

所以：

这个调整应该是一个循环的过程，那循环什么时候结束呢？
当调整到所有结点都满足大堆或小堆的关系时，或者需要一直调整，当插入的新数据一直交换到成为根结点时就结束了。
当然如果插入的数据直接满足，那一次也不需要调整。

我们把这种从下往上调整的算法叫做向上调整。

思路还是和我们之前讲的一样。

void adjust_up(size_t child)
{
	size_t parent = (child - 1) / 2;
	while (child > 0)
	{
		if (_con[child] > _con[parent])
		{
			swap(_con[child], _con[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
			break;
	}
}

2.3 向下调整

然后向下调整呢？
如何调整：

其实思路跟向上调整一样，只不过这次我们是从上往下，不符合关系的进行交换，直至使它成为一个新的大堆。

我们开始调整：

18在这里肯定不合适，它比自己的孩子还要小，所以要交换。
和谁交换？
34可以吗，34换到堆顶，它是不是还撑不住啊。
所以我们要选择它的孩子中大的那一个进行交换。
那在这里就是49。

那现在18坐到原来49的位置，现在这个位置怎么样？

🆗，18是不是还是坐不稳啊。
还得进行交换。
选择18的孩子中大的那一个交换：

现在是不是就可以了啊。
我们交换了两次完成了，所以这还是一个循环的过程。

那这个循环的交换过程应该什么时候停止？

是不是当交换到满足大小关系或者一直交换，直到自己成为叶子结点时结束啊。

void adjust_down(size_t parent)
{
	size_t child = parent * 2 + 1;
	while (child < _con.size())
	{
		//得出较大（小堆则较小）的那个孩子
		if (child + 1 < _con.size()
			&& _con[child] < _con[child + 1])
			child++;

		if (_con[parent] < _con[child])
		{
			swap(_con[parent], _con[child]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
			break;
	}
}

那我们来测试一下我们写的priority_queue：

没问题。

2.4 仿函数less和greater模拟实现及使用

那然后呢我们把第三个模板参数加上，把仿函数实现一下：

我们刚才实现的是大堆，那我们想要小堆怎么办？
我们之前数据结构学习堆的时候就知道了，是不是把向上向下调整里面的比较的大于号换成小于就行了啊

但是，经过我们上面的学习以及对仿函数的介绍，我们是不是可以通过传仿函数去控制啊。
所以我们要增加一个模板参数，然后通过两个仿函数去控制比较大于还是比较小于，以此控制大堆还是小堆。

那怎么使用第三个参数呢？
我们这里和库里面保持一样，默认第三个参数class Compare的缺省值是仿函数less，对应的是大堆。
那这样做就可以了：


那这下我们就可以通过仿函数去控制大小堆 了。

来试一下：

现在默认用less是大堆：

那想要小堆怎么办？用greater就行了：

🆗，就好了，大家理解一下这个过程：

当然也可以这样写
就是用匿名对象嘛。

3. priority_queue 存放自定义类型数据

下面我们再来研究一个问题：

class Date
{
public:
	Date(int year = 1900, int month = 1, int day = 1)
		: _year(year)
		, _month(month)
		, _day(day)
	{}
	bool operator<(const Date& d)const
	{
		return (_year < d._year) ||
			(_year == d._year && _month < d._month) ||
			(_year == d._year && _month == d._month && _day < d._day);
	}
	bool operator>(const Date& d)const
	{
		return (_year > d._year) ||
			(_year == d._year && _month > d._month) ||
			(_year == d._year && _month == d._month && _day > d._day);
	}
	friend ostream& operator<<(ostream& _cout, const Date& d);
private:
	int _year;
	int _month;
	int _day;
};
ostream& operator<<(ostream& _cout, const Date& d)
{
	_cout << d._year << "-" << d._month << "-" << d._day;
	return _cout;
}

现在有一个日期类，并重载了<<，>和<。

那现在呢，我想用我们的priority_queue（优先级队列）去存我们的自定义类型数据——日期类的变量，可以吗？

我们来试一下：

没问题，可以，现在默认是大堆嘛，所以top是最大的那个日期。
如果换成小堆：

那堆顶就是最小的。
那这里为什么可以，其实是因为我们的日期类重载了>和<，因为它里面建堆的过程是不是要进行比较啊。

如果没有>和<的重载就不行了。
所以：
如果在priority_queue中放自定义类型的数据，用户需要在自定义类型中提供> 或者< 的重载

4. 拓展

🆗，再来看，如果是这样呢：

现在它里面存的是Date* 的指针，我们来看下结果：

好像没什么问题，不过结果好像不对。
而且：

我们重新编译一下，再运行

哎呀，怎么回事。

怎么结果会变化啊，为什么呢？

🆗，原因在于：

我们现在里面存的是啥，是Date* 的指针变量，那指针能比较大小嘛？
当然也可以，它是内置类型，指针比较大小的话就是去比较对应地址的大小嘛。
但是这里我们new出来的地址，它们的大小关系可认为是随机的，所以虽然可以比，但是这结果是我们想要的嘛，是不是不是啊。
我们想要的的是不是去比较它们指针指向的Date类对象的大小啊。

指针是内置类型，我们也没法重载它的比较操作，那怎么办呢？

我们是不是可以使用仿函数来解决啊。

然后我们再运行：


就会发现结果正确并且不会变化了。
那如果要小堆，很简单，再搞一个仿函数：

就可以了。
所以这里我们看到有了仿函数，即使是内置类型，这里我们也可以去控制它的比较方式。

这篇文章的内容就先到这里，欢迎大家指正！！！