【C++】仿函数和priority_queue(优先级队列)

目录

一、仿函数 

二、priority_queue(优先级队列)

1、概念:

2、使用:

3、数组中第K个最大元素

4、priority_queue的模拟实现


一、仿函数 

①、概念:

仿函数,即函数对象。一种行为类似函数的对象,调用者可以像函数一样使用该对象,其实现起来也比较简单:用户只需实现一种新类型,在类中重载operator()即可,参数根据用户所要进行的操作选择匹配。

②、代码:

  •  用内置类型比较大小关系:
//仿函数/函数对象 --- 对象可以像调用函数一样去使用
struct less
{
	//()运算符重载--用于比较大小
	bool operator()(int x, int y)
	{
		return x < y;
	}
};
  • 利用模板比较less: 
template<class T>
struct less//用于 < 的比较
{
	bool operator()(const T& x, const T& y) const
	{
		return x < y;
	}
};
  • 利用模板比较greater
template<class T>
struct greater//用于  > 的比较
{
	bool operator()(const T& x, const T& y) const
	{
		return x > y;
	}
};

 ③、测试: 

//测试less
less<int> LessFunc;
cout << LessFunc(1, 2) << endl;//1
//测试greater
greater<int> GreaterFunc;
cout << GreaterFunc(1, 5) << endl;//0

为什么说仿函数又叫函数对象?

比如测试代码中的LessFunc,它是个对象,但他调用时直接写为LessFunc(1, 2),就像一个函数在调用,但他并不是函数,调用的本质是lessFunc.operator()(1, 2),所以仿函数即对象可以像函数一样使用

④、algorithm中的sort

 sort的第三个参数使用到了仿函数,其为仿函数的对象(第三个参数还可以是函数指针,以及后续讲的lambda表达式

第一个参数和第二个参数都是迭代器,第三个参数可以是仿函数,其默认值为less

升序:less <       降序:greater >  

注:第三个参数不传默认是less,即排升序

#include<iostream>
#include<algorithm>
using namespace std;

void test_sort()
{
	vector<int>v;
	v.push_back(1);
	v.push_back(4);
	v.push_back(5);
	v.push_back(2);
	//升序,less <
	sort(v.begin(), v.end());

	for (auto e : v)
	{
		cout << e << " ";
	}
	cout << endl;

	//降序 greater >
	// 写法一、定义一个对象 
	//greater<int> gt;
	//sort(v.begin(), v.end(),gt);
	//写法二、匿名对象(更推荐)
	sort(v.begin(), v.end(), greater<int>());//greater<int>()是匿名对象
	for (auto e : v)
	{
		cout << e << " ";
	}
	cout << endl;

}

int main()
{
	//test_priority_queue();
	test_sort();

	return 0;
}


二、priority_queue(优先级队列)

1、概念:

 优先级队列queue不一样,它是优先级高的先走(默认情况是大的数优先级高,但如果想要小的优先级高,如何操作?-> 用仿函数),它的底层其实是中的大堆,不用数组的原因是堆的效率高

2、使用:

针对基本类型的使用

 queue的头文件同时包含了priority_queue和queue,所以用priority_queue直接#include<queue>即可,

注:容器适配器都不支持迭代器遍历,因为他们通常都包含一些特殊性质,如果支持迭代器随便遍历,那他们无法很好的保持他的性质,这里priority_queue也是容器适配器,故不支持迭代器

由运行结果可知,默认情况下是大的数优先级高,若要使小的优先级高,需要调用仿函数,priority_queue的第一个参数是存储对象的类型,第二个参数是内部的适配容器,第三个参数是仿函数,而仿函数要引头文件 #include<functional>

注:第二个参数必须是用数组实现的容器,比如vector、deque等等,但不能用list,STL里面默认用的是vector,比较方式默认用operator<

下面给出使小的优先级高的代码:

针对自定义类型的使用 

priority_queue对于自定义类型必须重载operator<或者重写仿函数,其重载operator<后,声明对象时就可以只带一个模板参数,但此时不能像基本类型这样声明

priority_queue<node, vector<node>, greater<node>> ,因为greater<node>没有定义,如果想用这种方法定义则可以重载operator< 

示例1:

示例2:

如果把operator<里面改为return a.x < b.x呢?那就大的优先级高,按int排为降序呗,这种才是库函数标准的实现,而这里只是为了举例

3、数组中第K个最大元素

基本介绍后我们来做一道可用priority_queue实现的题(三种解法)

 法一、优先级队列实现

class Solution {
public:
	int findKthLargest(vector<int>& nums, int k) {
		priority_queue<int> pq;
		for (auto e : nums)
			pq.push(e);//把所有数据插入到pq中

		while (--k)
			pq.pop();//执行了k-1次的删除

		return pq.top();//剩下的一个元素就是第k大的
	}
};

时间复杂度:O(N*logN)

解释:优先级队列建堆:O(N),插入数据push:O(N*logN),删除数据pop:O(k*logN),三者相加,综上时间复杂度为O(N*logN)

空间复杂度:O(N)

因为开辟的优先级队列的空间,故为O(N)

法二、用算法中的sort实现

class Solution {
public:
	int findKthLargest(vector<int>& nums, int k) {
		//解法二:
		sort(nums.begin(), nums.end());//不用仿函数的话默认情况下排升序
		return nums[nums.size() - k];//返回倒数第二个即可
	}
};

时间复杂度:O(N*logN)

因为sort的底层是快排,快排的时间复杂度:O(N*logN)

空间复杂度:O(1)

现假设N是一千万,K是100,这时时间空间消耗都很大,怎么优化?建堆实现

法三、用堆实现(类似于TopK问题)

这个其实跟TopK问题差不多,只不过这里是找第k个大的那个,故建有k个数的小堆(那么这k个数最后都会变成前k大的数),只要比堆顶大,就能进入堆中

下面是我之前写过的TopK求解思路(推荐看,便于理解):

【数据结构】---TopK问题_姜暮、的博客-CSDN博客

class Solution {
public:
	int findKthLargest(vector<int>& nums, int k) {
		//解法三:
		//利用仿函数建小堆,因为默认情况下优先级队列是建大堆
		priority_queue<int, vector<int>, greater<int>>minHeap;
		size_t i = 0;
		for (; i < k; ++i)
			minHeap.push(nums[i]);//先入k个数据(数据是什么无所谓)

        //使堆中是前k大的数据
		for (; i < nums.size(); ++i)
		{
			if (nums[i] > minHeap.top())
			{//比堆顶大的就替换堆顶
				minHeap.pop();
				minHeap.push(nums[i]);
			}
		}

		return minHeap.top();//因为是小堆,则堆顶即k个数中它是最小的,因为k个数是前k大的
	}
};

时间复杂度:O(N*logK)

解释:优先级队列建堆:O(N),k个数据的push:O(logk),因为本质是向上调整法≈k次,比较的过程:O(N*2*logk)三者相加,综上为O(N*logk) 

空间复杂度:O(K)

当N很大的时候,这个方法的效率是非常好的

法四、快排解决【我的后续文章有讲解】

4、priority_queue的模拟实现

向上调整法和向下调整法为什么需要用到仿函数?

因为堆分大堆小堆,向上和向下调整法对于大小堆的实现只有一个符号的差别,难道写两份调整法?不够好,故用仿函数实现,使大堆和小堆都能用一份代码

若参数是less,会建大堆,排升序
若参数是greater,会建小堆,排降序

为什么无需数组建堆?

之前讲的是已经存在数据的数组,他现有的顺序很可能不符合大堆或小堆的性质,故要数组建堆,这样插入删除等操作才能很好进行,而这里的模拟实现,一开始就没有数据,故不用建堆,它是每插入一个数据,调用向上调整法,删除数据,调用向下调整法,不断地插入和删除,还能使其保持堆的性质 

 priority_queue.h:

#pragma once
#include<iostream>
#include<assert.h>
#include<vector>
#include<queue>
#include<functional>
#include<algorithm>

namespace mz
{
	//仿函数/函数对象 --- 对象可以像调用函数一样去使用
	template<class T>
	struct less
	{
		//()运算符重载--用于比较大小
		bool operator()(const T& x, const T& y) const
		{
			return x < y;
		}
	};
	template<class T>
	struct greater
	{
		//()运算符重载--用于比较大小
		bool operator()(const T& x, const T& y) const
		{
			return x > y;
		}
	};

	//优先级队列
	template<class T, class Container = vector<T>, class Compare = less<T>>
	class priority_queue
	{
	public:
		//向上调整算法
		void AdjustUp(int child)
		{
			Compare com;//创建一个仿函数对象
			int parent = (child - 1) / 2;
			while (child > 0)
			{
				if (com(_con[parent], _con[child]))//利用仿函数建大堆或小堆
				{
					swap(_con[parent], _con[child]);
					//更新child和parent
					child = parent;
					parent = (child - 1) / 2;
				}
				else
				{
					//此时不需要调整,直接break
					break;
				}
			}
		}
		//向下调整算法
		void AdjustDown(int root)
		{
			int parent = root;
			int child = parent * 2 + 1;
			Compare com;//仿函数
			while (child < _con.size())
			{
				if (child + 1 < _con.size() && com(_con[child],_con[child + 1]))
				{//利用仿函数,区别大小堆向下调整法的不同之处
					child++;
				}
				if (com(_con[parent], _con[child]))
				{
					swap(_con[parent], _con[child]);
					//更新child和parent
					parent = child;
					child = parent * 2 + 1;
				}
				else
				{
					//此时不需要调整,直接break
					break;
				}
			}
		}
		//插入数据
		void push(const T& x)
		{
			_con.push_back(x);
			//每插入一个数据,都要向上调整建堆
			AdjustUp((int)_con.size() - 1);
		}
		//删除数据
		void pop()
		{
			assert(!_con.empty());//删除的前提:不为空
			swap(_con[0], _con[_con.size() - 1]);//交换头尾数据
			_con.pop_back();//删除最后一个数据
			AdjustDown(0);//从根部向下调整建堆
		}
		//取堆顶数据
		const T& top()
		{
			return _con[0];
		}
		//获取size有效数据个数
		size_t size()
		{
			return _con.size();
		}
		//判空
		bool empty()
		{
			return _con.empty();
		}
	private:
		Container _con;
	};
}

 test.cpp:

using namespace std;
#include"priority_queue.h"


void test_priority_queue()
{
	//priority_queue<int>pq;//默认大的优先级高
	mz::priority_queue<int, vector<int>, greater<int>> pq;//变成小的优先级高
	pq.push(3);
	pq.push(1);
	pq.push(9);
	pq.push(4);
	pq.push(2);

	while (!pq.empty())
	{
		cout << pq.top() << " ";
		pq.pop();
	}
	cout << endl;

}

int main()
{
	test_priority_queue();
	//test_sort();

	return 0;
}

运行结果:

 STL的大体总结:

PriorityQueue中,poll()方法用于将队列中的第一个元素弹出并返回该元素。如果队列为空,则返回null。\[1\]peek()方法用于查看队列中的第一个元素,但不会移除该元素。如果队列为空,则返回null。\[1\] 在给出的代码示例中,首先创建了一个PriorityQueue对象priorityQueue,并向其添加了三个元素"a"、"b"和"c"。然后使用poll()方法弹出了队列中的第一个元素,并将其赋值给变量poll。接着使用peek()方法查看队列中的第一个元素,并将其赋值给变量peek。最后,输出了队列的大小和队列的内容。\[1\] 在另一个代码示例中,创建了一个PriorityQueue对象qq,并使用自定义的比较器cmp来降序排列队列中的元素。然后向队列中添加了三个元素3、2和4。使用poll()方法依次弹出队列中的元素,并输出结果。\[3\] #### 引用[.reference_title] - *1* [Java队列中的poll, peek和 element](https://blog.csdn.net/hhb442/article/details/129142857)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [深入理解Java PriorityQueue](https://blog.csdn.net/weixin_34311757/article/details/91483403)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Java的优先队列PriorityQueue详解](https://blog.csdn.net/xiaokanfuchen86/article/details/119281564)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
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