普通队列和优先队列
普通队列:先进先出,后进后出
优先队列:出队顺序和入队顺序无关,和优先级相关
优先队列主要是处理数据是动态变化的场景,比如以下应用:操作系统动态执行任务,游戏AI视野范围内选择敌人攻击等
再比如在100万个元素中选出前100名,即N个元素中选出前M个元素
排序时间复杂度:NlogN
优先队列时间复杂度:NlogM
使用堆这种数据结构能够实现一个优先队列。
最大堆定义:
1. 堆中任意一个结点总是不大于其父节点的值
2. 堆总是一颗完全二叉树(最大堆)
最小堆定义:
1. 堆中任意一个结点总是不大于其父节点的值
2. 堆总是一颗完全二叉树
用数组存储二叉堆
经典存储方法,索引从1开始,0号索引不使用
parent(i) = i / 2
left child(i) = 2 * i
right child(i) = 2 * i + 1
最小的k个数
class Solution {
public:
vector<int> GetLeastNumbers_Solution(vector<int> input, int k) {
// input为空,input元素个数少于k,k非正数,则直接返回
if(input.size() == 0 || input.size() < k || k <= 0)
return vector<int>();
vector<int> heap(input.begin(), input.begin() + k);
// 建堆
// 默认是最大堆,创建最小堆需添加参数greater<int>()
make_heap(heap.begin(), heap.end());
for(auto it = input.begin() + k; it != input.end(); ++it){
// 最大堆的最大元素就在索引为0的位置
if(*it < heap[0]){
//先pop_heap,然后在容器中pop_back删除
pop_heap(heap.begin(), heap.end());
heap.pop_back();
//先在容器中push_back加入,再push_heap
heap.push_back(*it);
push_heap(heap.begin(), heap.end());
}
}
// 从小到大输出, k一般比较小,直接sort即可
sort_heap(heap.begin(), heap.end());
return heap;
}
};
待完善