优先队列

引言:

c++因为有了STL库所以变得比c语言简单了许多,许多容器不需要自己实现,但是自己必须要熟悉掌握。在STL中有各种你想要的容器及函数,在解决问题中用恰当的容器和函数会有事半功倍的效果。今天就要介绍一下c++最常用的容器之一priority_queue的相关操作。

什么是优先队列?

优先级队列是一个容器适配器,它提供对最大(默认)元素的恒定时间查找。它提供了快速查找的功能,但是牺牲了插入和删除的时间。
可以提供用户提供的比较以更改顺序,例如 使用std :: greater 会使最小的元素显示为top()。
使用priority_queue类似于在某些随机访问容器中管理堆,其好处是不会意外使堆无效。

时间复杂度队列优先队列
插入O(1)O(log n)
删除O(1)O(log n)
查询O(n)O(log n)

如何使用

#include<queue>
using namespace std;

优先队列的创建:

priority_queue<int> q;
priority_queue<pair<int,int>> q;
priority_queue<int, vector<int>, greater<int> > q;//小顶堆,优先输出小数据
priority_queue<int, vector<int>, less<int> > q;//大顶堆,优先输出大数据
priority_queue<Type, Container, Functional>/*Type为数据类型, Container为保存数据的容器,
Functional为元素比较方式。如果不写后两个参数,那么容器默认用的是vector,比较方式默认用
operator<,也就是优先队列是大顶堆,队头元素最大。*/

相关函数:

q.empty();//是否为空
q.size(); //获取当前的大小
q.top(); //获取堆顶的元素
q.pop();//删除堆顶元素
q.push(int a);//插入元素并排序
q.emplace(int a,int b); //就地构造元素并排序

例子:

#include<iostream>
#include<queue>
using namespace std;
struct cmp{ //优先输出较小数
	bool operator()(int a, int b){
		return a>b;
	}
};
int main(){
    priority_queue<int,vector<int>,cmp> q;
    priority_queue<pair<int,int> > p;
    q.push(1);
    q.push(5);
    q.push(10);
    q.push(6);
    while(!q.empty()){
        cout<<q.top()<<endl; //输出为1 5 6 10
        q.pop();
    }
    return 0;
}
数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声环境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
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