前言

最近越来越觉得自己总结的事情越来越流水账，因此，我需要提高我总结内容的精度。所以可能会导致写博客的时间会延长一些。

之前从没用过优先队列，刷算法题目的时候才开始了解的，所以做个总结。什么情况下使用呢？比如当你需要获取到最大最小值元素，而又不想用最大最小堆的原生实现，STL提供给你更加简单的库，就是priority_queue，其时间复杂度也只有o(nlogn)。

说明

根据元素的优先级被读取，这个优先级取决于你设置的排序函数，如果你没设置，缺省的排序法则则是利用operator<形成降序排列，也就是从大到小排列的大顶堆，第一个自然就是最大的元素。还有如果你没设置保存数据的容器Container的话，默认用的是vector。

namespace std {
    template < class T ,
           class Container = vector<T> ,
           class Compare = less <typename Container::value_type> >
    class priority_queue ;
}

priority_queue提供了三个基本函数，分别是:

1. top()
2. push()
3. pop()

注意，pop并不会返回元素，top才会返回堆顶的元素。

STL提供了仿函数greater<>，less<>，简化了自己再定义排序函数的过程。如果你想使用自己定义的结构，而不想使用基本数据类型，也是ok的，不过你需要在你自定义的类中重载运算符，比如：

class Student
{
    int id;
    char name[20];
    bool gender;
    bool operator < (Student &a) const
    {
        return id > a.id;
    }
};

使用

这是一个找输入流的中间值的题目，用最大最小堆实现。

priority_queue<int, vector<int>, less<int>> maxHeap; //存储小的值，值越大，优先级越高
priority_queue<int, vector<int>, greater<int>> minHeap; //存储大的值，值越小，优先级越高

/**
 *  完全不需要判断各种判断
 *  不过一定要注意minHeap和maxHeap的优先级顺序，避免弄反了
 */
void addNum3(int num) {
    minHeap.push(num);
    maxHeap.push(minHeap.top());
    minHeap.pop();
    // 平衡
    if (minHeap.size() < maxHeap.size()) {
        minHeap.push(maxHeap.top());
        maxHeap.pop();
    }
}
    
double findMedian3() {
    return maxHeap.size() == minHeap.size() ? (double)(maxHeap.top() + minHeap.top())/2.0 : (double)minHeap.top()/1.0;
}
    
void test() {
    this->addNum3(1);
    this->addNum3(2);
    
    cout << this->findMedian3() << endl;
    
    this->addNum2(3);
    
    cout << this->findMedian3() << endl;
}

底层实现

显然，我们可以看出priority_queue的底层实现是堆实现的。里面的c就是你自己提供的容器Container。

void push(value_type&& _Val)
    {    // insert element at beginning
    c.push_back(_STD move(_Val));
    push_heap(c.begin(), c.end(), comp);
    }

template<class... _Valty>
    void emplace(_Valty&&... _Val)
    {    // insert element at beginning
    c.emplace_back(_STD forward<_Valty>(_Val)...);
    push_heap(c.begin(), c.end(), comp);
    }


bool empty() const
    {    // test if queue is empty
    return (c.empty());
    }

size_type size() const
    {    // return length of queue
    return (c.size());
    }

const_reference top() const
    {    // return highest-priority element
    return (c.front());
    }

void push(const value_type& _Val)
    {    // insert value in priority order
    c.push_back(_Val);
    push_heap(c.begin(), c.end(), comp);
    }

void pop()
    {    // erase highest-priority element
    pop_heap(c.begin(), c.end(), comp);
    c.pop_back();
    }