news 2026/4/29 7:14:00

C++高效利器:优先级队列与反向迭代器

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
C++高效利器:优先级队列与反向迭代器

好的,我们来深入探讨C++标准库中的两个重要特性:优先级队列(priority_queue反向迭代器(reverse_iterator。它们在处理特定问题时非常高效。


🧠 1. 优先级队列 (priority_queue)

优先级队列是一种特殊的队列,其元素按优先级出队,而非先进先出。在C++中,它通常基于(Heap)实现,位于<queue>头文件中。

核心特性
  • 自动排序:元素插入时根据比较规则自动调整位置。
  • 高效操作:插入和删除堆顶元素的时间复杂度为$O(\log n)$,访问堆顶元素为$O(1)$。
  • 自定义优先级:可通过比较函数(如greater<>或自定义仿函数)修改排序规则。
基本用法
#include <queue> #include <vector> #include <functional> int main() { // 默认大顶堆(降序) std::priority_queue<int> max_heap; // 小顶堆(升序) std::priority_queue<int, std::vector<int>, std::greater<int>> min_heap; // 插入元素 max_heap.push(3); max_heap.push(1); max_heap.push(4); // 访问堆顶(最大值) int top = max_heap.top(); // 4 // 删除堆顶 max_heap.pop(); // 移除4 }
典型场景
  • 任务调度(如按优先级处理任务)
  • 求Top K问题(如最大的K个数)
  • 哈夫曼编码等贪心算法

🔄 2. 反向迭代器 (reverse_iterator)

反向迭代器允许从容器的末尾向开头遍历,位于<iterator>头文件中。所有标准容器(如vectorlistdeque)均支持。

核心特性
  • 逆向遍历:通过rbegin()rend()获取反向迭代器。
  • 无缝衔接:与正向迭代器兼容,可直接用于算法(如std::sort)。
  • 适配器模式:底层通过适配正向迭代器实现。
基本用法
#include <vector> #include <iostream> int main() { std::vector<int> vec = {1, 2, 3, 4}; // 正向遍历 for (auto it = vec.begin(); it != vec.end(); ++it) { std::cout << *it << " "; // 1 2 3 4 } // 反向遍历 for (auto rit = vec.rbegin(); rit != vec.rend(); ++rit) { std::cout << *rit << " "; // 4 3 2 1 } }
典型场景
  • 逆序处理数据(如从后往前修改字符串)
  • 与算法结合(如std::copy到另一个容器的末尾)
  • 实现双向操作的数据结构

💡 组合使用示例

假设需要按升序输出最后K个最大值

#include <queue> #include <vector> #include <iostream> int main() { std::vector<int> data = {9, 3, 5, 2, 8}; int k = 3; // 小顶堆保存最大的K个数 std::priority_queue<int, std::vector<int>, std::greater<int>> pq; for (int num : data) { pq.push(num); if (pq.size() > k) pq.pop(); } // 用反向迭代器逆序输出(升序→降序) std::vector<int> result; while (!pq.empty()) { result.push_back(pq.top()); pq.pop(); } for (auto rit = result.rbegin(); rit != result.rend(); ++rit) { std::cout << *rit << " "; // 输出:9 8 5 } }

🧩 总结

工具作用核心优势
priority_queue动态维护优先级高效插入/删除堆顶元素
reverse_iterator逆向遍历容器简化逆序操作,兼容标准算法

掌握这两者,能大幅提升对C++容器复杂场景的处理能力。 🚀

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 20:44:55

YOLOE官版镜像推理速度快1.4倍?实测结果来了

YOLOE官版镜像推理速度快1.4倍&#xff1f;实测结果来了 你有没有遇到过这样的情况&#xff1a;模型结构明明很轻量&#xff0c;参数量比YOLOv8还少&#xff0c;但一跑推理就卡在GPU显存加载上&#xff0c;预热时间长、首帧延迟高、批量处理吞吐上不去&#xff1f;更别提在开放…

作者头像 李华
网站建设 2026/4/21 23:45:31

企业级AI应用实战:Qwen3-VL多模态助手飞书集成

企业级AI应用实战&#xff1a;Qwen3-VL多模态助手飞书集成 你是否经历过这样的场景&#xff1f;市场部同事凌晨三点发来一张活动海报截图&#xff0c;问&#xff1a;“这个配色会不会太刺眼&#xff1f;”&#xff1b;客服团队每天要人工核对上百张用户上传的故障设备照片&…

作者头像 李华
网站建设 2026/4/21 19:36:34

Llama-3.2-3B生产环境:Ollama部署+K8s实现弹性扩缩容文本服务集群

Llama-3.2-3B生产环境&#xff1a;Ollama部署K8s实现弹性扩缩容文本服务集群 1. 为什么需要生产级的Llama-3.2-3B服务 你可能已经试过在本地用ollama run llama3.2:3b跑通一个对话&#xff0c;但那只是玩具。真正用在业务里&#xff0c;比如给客服系统提供实时回复、为内容平…

作者头像 李华
网站建设 2026/4/28 0:08:23

低成本微调方案:单卡RTX4090D跑通7B级别模型

低成本微调方案&#xff1a;单卡RTX4090D跑通7B级别模型 你是否也经历过这样的困扰&#xff1a;想微调一个7B级别的大模型&#xff0c;却发现显存不够、环境配置复杂、训练时间太长&#xff1f;动辄需要双卡A100、多卡并行、DeepSpeed Zero3配置——这些门槛让很多开发者望而却…

作者头像 李华
网站建设 2026/4/17 20:33:01

OpenMV动态阈值调整策略:实战中的应用示例

OpenMV动态阈值实战手记:当光照在变,你的阈值还在硬编码吗? 去年冬天调试一条食品包装产线时,我盯着OpenMV串口不停刷出的 [] 发了十分钟呆——明明摄像头正对着鲜红的番茄酱瓶盖, find_blobs() 却始终返回空列表。换灯、调角度、甚至把镜头擦了三遍,问题依旧。直到…

作者头像 李华