C++ STL-priority_queue

本文详细介绍了C++中的priority_queue,包括其定义、常用函数以及如何处理结构体类型的优先级。通过示例展示了如何创建默认优先级和自定义优先级的优先队列,同时解释了push、pop、empty和size等函数的使用方法。此外,还探讨了当priority_queue中元素为结构体时,如何设置优先级。

C++ priority_queue


前言

prionrity_queue 被称为优先队列,但它的底层其实是用来实现的,并且因为 prionrity_queue 的底层为,所以其队首元素一定为当前队列中优先级最高的一个

一、priority_queue的定义

如果要使用优先队列,应该添加头文件,声明命名空间 std

#include <queue>

using namnespace std;

priority_queue定义方式

1.使用默认的优先级

当优先队列中使用的是如 int、 double、 char等基本的数据类型时,其优先级是根据优先队列中元素的大小有关,默认为数字越大的优先级越高(如果为 char 类型,则是 字典序 越大的优先级越高)

使用默认优先级的优先队列如下:

#include <queue>

using namespace std;

priority_queue<typename> MyP_Q; //typename 为任意数据类型或容器

2.使用自定义的优先级

当需要自定义优先队列的优先级时,需要在定义中多加两个参数,一个用于确定承载底层数据结构堆的容器,另一个用来确定优先级的大小顺序。

自定义优先级的优先队列如下:
请仔细阅读注释

#include <queue>

using namespace std;

//这了定义了一个 int 型且数字大的优先级大的优先队列
priority_queue<int, vector<int>, less<int> > MyP_Q; 
//第二个参数 vector<int> 是承载底层堆的容器,因为第一个参数类型为 int 所以这里为 vector<int>
//如果第一个参数为 double 则承载底层堆的容器为 vector<double> 以此类推
//第三个参数 less<int> 是对第一个参数的比较类,也就是用来定义 优先级顺序的
//less<int> 表示数字大的优先级大, greater<int> 表示数字小的优先级越大
//如果第一个参数为 double 则第三个参数为 less<double> 或者 greater<double> 以此类推

二、priority_queue常用函数

1.push(a):令 a 元素入队;top():访问队首元素

push() 时间复杂度为 O(logN), N为当前队列中元素个数
top() 时间复杂度为 O(1)

注意:
1.在每次 push() 入元素时,优先队列的底层 堆 都会进行调整,使得队首元素为优先级最高元素
2.priority_queue 中没有 front() 和 back() 这两个函数,其只能通过 top() 访问元素

代码如下(示例):

#include <iostream>
#include <queue>

using namespace std;

priority_queue<int> MyP_Q;

int main()
{
	MyP_Q.push(1);
	MyP_Q.push(9);
	MyP_Q.push(5);

	cout << MyP_Q.top() << endl;  //因为 push() 时会把优先级最高的放在队首,所以这里应该是 9

	return 0;
}

结果如下:
在这里插入图片描述

2.pop():令队首元素出队(删除队首元素)

时间复杂度为O(logN),N为当前优先队列中元素个数

代码如下(示例):

#include <iostream>
#include <queue>

using namespace std;

priority_queue<int> MyP_Q;

int main()
{
	MyP_Q.push(5);
	MyP_Q.push(8);
	MyP_Q.push(2);

	cout << MyP_Q.top() << endl;  //此时优先级最高元素为 8

	MyP_Q.pop(); //删除优先级最高元素 8 后优先级最高元素应该为 5
	
	cout << MyP_Q.top() << endl;

	return 0;
}

结果如下:
在这里插入图片描述

3.empty():检测优先队列是否为空,为空返回true,非空返回false

时间复杂度 O(1)

代码如下(示例):

#include <iostream>
#include <queue>

using namespace std;

priority_queue<int> MyP_Q;

//判断优先队列是否为空,为空返回false。非空返回true
bool IsNotEmpty(priority_queue<int> a)   
{
	if(a.empty()) return false; //根据empty()先判断 if语句是否为真,如果为真,函数返回 false
	else return true;
}

int main()
{
	if(IsNotEmpty(MyP_Q)) cout << "T" << endl;
	else cout << "F" << endl;

	MyP_Q.push(2);

	if(IsNotEmpty(MyP_Q)) cout << "T" << endl;
	else cout << "F" << endl;

	return 0;
}

结果如下:
在这里插入图片描述

4.size():返回有点队列中元素个数

时间复杂度 O(1)

代码如下(示例):

#include <iostream>
#include <queue>

using namespace std;

priority_queue<int> MyP_Q;

int main()
{
	MyP_Q.push(1);

	cout << MyP_Q.size() << endl;

	MyP_Q.push(2);

	cout << MyP_Q.size() << endl;
	
	return 0;
}

结果如下:

在这里插入图片描述

三、priority_queue内元素为结构体的优先级设置

1.直接定义的结构体类型优先队列

如果想直接定义结构体类型的优先队列,则需要用到友元函数,并重载小于号 **“ < ”**通过该友元函数的返回值来确定优先级先后顺序。

为什么需要友元:因为在本结构体里面重载的二元运算符时, 只需要一个参数,另一个参数由this指针传入,这里如果需要传入两个参数,需要放到结构体外定义(下方已介绍),声明友元。

示例如下(数字大的优先级大):

#include <iostream>
#include <queue>

using namespace std;

struct test{
	int test_id;
	int test_score;

	friend bool operator < (test s1, test s2)
	{
		return s1.test_score < s2.test_score; 
		//重载小于号后功能还是小于号
		//由于优先队列默认为大顶堆,所以重载过后是数字大的优先级大
		//如果 返回值为 s1.test_score > s2.test_score 则数字小的优先级大
	}
};

int main()
{
	priority_queue<test> MyP_Q;

	test s1, s2, s3;

	s1.test_id = 1;
	s1.test_score = 10;
	
	s2.test_id = 2;
	s2.test_score = 20;

	s3.test_id = 3;
	s3.test_score = 30;

	MyP_Q.push(s2);
	MyP_Q.push(s3);
	MyP_Q.push(s1);

	cout << MyP_Q.top().test_id << " " << MyP_Q.top().test_score << endl;

	return 0;
}

结果如下
在这里插入图片描述

2.自定义的结构体类型优先队列

自定义的结构体类型优先队列说白了就是使用非友元函数的方式即为:自己在结构体外面定义一个结构体的比较规则(类似于 sort 中的 cmp,只不过效果与 cmp 相反),然后用多参数的优先队列定义方式将比较规则传入,最终完成优先队列的构造

示例如下(数字大的优先级大):

#include <iostream>
#include <queue>

using namespace std;

struct test
{
	int test_id;
	int test_score;
};
//以下为自定义的比较规则
struct cmp
{
	bool operator () (test s1, test s2)
	{
		return s1.test_score < s2.test_score;
		// 返回值是小于号时,数字大的优先级高
		// 返回值是大于号时,数字小的优先极高
	}
}
/////

int main()
{
	test s1, s2, s3;

	priority_queue<test, vector<test>, cmp> MyP_Q; //该定义方式见本章第一节第2点
	
	s1.test_id = 1;
	s1.test_score = 10;
	
	s2.test_id = 2;
	s2.test_score = 20;

	s3.test_id = 3;
	s3.test_score = 30;

	MyP_Q.push(s2);
	MyP_Q.push(s3);
	MyP_Q.push(s1);

	cout << MyP_Q.top().test_id << " " << MyP_Q.top().test_score << endl;

	return 0;
	
}

结果如下:
在这里插入图片描述


本文章如有错误,欢迎指正!

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值