目录
1.关于优先队列
2.priority_queue的使用
1.构造方法
2.empty();判空
3.size();
4.top();
5.push(val);
6.pop();
3.优先队列模拟实现
4.用优先队列解决数组中第K个大的元素
1.关于优先队列
在C++中，可以使用STL（标准模板库）中的priority_queue类来实现优先队列。priority_queue是一个模板类，可以存储任意类型的元素，并按照元素的优先级进行排序。
1. 优先队列是一种容器适配器，根据严格的弱排序标准，它的第一个元素总是它所包含的元素中最大的。
2.类似于堆，在堆中可以随时插入元素，并且只能检索最大堆元素(优先队列中位于顶部的元
素 ) 。3. 优先队列被实现为容器适配器，容器适配器即将特定容器类封装作为其底层容器类， queue 提供一组特 定的成员函数来访问其元素。元素从特定容器的 “ 尾部 ” 弹出，其称为优先队列的顶部。4. 底层容器可以是任何标准容器类模板，也可以是其他特定设计的容器类。容器应该可以通过随机访问迭 代器访问，并支持以下操作：empty() ：检测容器是否为空size() ：返回容器中有效元素个数front() ：返回容器中第一个元素的引用push_back() ：在容器尾部插入元素pop_back() ：删除容器尾部元素5.标准容器类 vector 和 deque 满足这些需求。默认情况下，如果没有为特定的 priority_queue 类实例化指定容器类，则使用vector 。6. 需要支持随机访问迭代器，以便始终在内部保持堆结构。容器适配器通过在需要时自动调用算法函数 make_heap 、 push_heap 和 pop_heap 来自动完成此操作。
2.priority_queue的使用
如果要小堆，将第三个模板参数换成greater比较方式
#define _CRT_SECURE_NO_WARNINGS
#include<iostream>
#include<queue>using namespace std;int main()
{vector<int>nums = { 1,2,4,6,78,4,23,65,3,12,5,45 };priority_queue<int, vector<int>, greater<int>> p(nums.begin(), nums.end());while (!p.empty()){cout << p.top() << " ";p.pop();}return 0;
} 
1.构造方法
1.priority queue();
构造一个空的优先级队列
comp用于对堆进行排序的比较对象。这可能是一个函数指针或函数对象，能够通过比较其两个参数来执行严格的弱排序。
Compare 是第三类模板参数（默认为：less<T>）。默认为大根堆。
ctnr容器对象。
容器是第二个类模板参数（priority_queue的基础容器的类型;默认为：vector<T>）。
2.priority queue（first，last);
将迭代器输入到序列中的初始和最终位置。在对基础容器进行排序之前，将此序列中的元素插入到基础容器中。
使用的范围是 [first，last），它包括 first 和 last 之间的所有元素，包括 first 指向的元素，但不包括 last 指向的元素。
2.empty();判空
返回priority_queue是否为空：即其大小是否为零。
此成员函数有效地调用基础容器对象的空成员。
3.size();
返回priority_queue中的元素数。
此成员函数有效地调用基础容器对象的成员大小。
4.top();
返回对 priority_queue 中顶部元素的常量引用。
top 元素是priority_queue中比较较高的元素，以及调用 priority_queue：:p op 时从容器中删除的下一个元素。此成员函数有效地调用基础容器对象的成员前端。
5.push(val);
在priority_queue中插入一个新元素。此新元素的内容初始化为 val。
此成员函数有效地调用基础容器对象的成员函数push_back，然后通过对包含容器的所有元素的范围调用 push_heap 算法，将其重新排序到堆中的位置。
6.pop();
移除priority_queue顶部的元素，有效地将其尺寸减小 1。删除的元素是具有最高值的元素。
在弹出之前，可以通过调用成员 priority_queue：：top 来检索此元素的值。此成员函数有效地调用 pop_heap 算法来保留 priority_queues 的堆属性，然后调用基础容器对象的成员函数pop_back来删除元素。这将调用已删除元素的析构函数。
3.优先队列模拟实现
在vector容器基础上利用堆的向上调整算法和向下调整算法来实现。插入删除时保持堆属性。
#pragma oncenamespace wjc
{template<class T>struct less{bool operator()(const T& left, const T& right){return left < right;}};template<class T>struct greater{bool operator()(const T& left, const T& right){return left > right;}};template<class T,class Container=vector<T>,class Compare=less<T>>class priority_queue{public:priority_queue():_con(){};template<class Iterator>priority_queue(Iterator first, Iterator last):_con(first, last){int count = _con.size();int root = ((count - 1 - 1) / 2);while (root >= 0){AdjustDown(root);root--;}}void push(const T& data){_con.pushback(data);AdjustUp(_con.size() - 1);}void pop(){if (empty())return;swap(_con.front(), _con.back());_con.pop_back();AdjustDown(0);}bool empty(){return _con.empty();}size_t size()const{return _con.size();}const T& top()const{return _con.front();}void AdjustDown(int parent){int child = parent * 2 + 1;while (child < _con.size()){if (child + 1 < _con.size() && Compare()(_con[child], _con[child + 1]))child++;if (Compare()(_con[parent], _con[child])){swap(_con[parent], _con[child]);parent = child;child = parent * 2 + 1;}elsebreak;}}void AdjustUp(int child){int parent = (child - 1) / 2;while (child >= 0){if (Compare()(_con[parent], _con[child])){swap(_con[parent], _con[child]);child = parent;parent = (child - 1) / 2;}elsebreak;}}private:Container _con;};}测试代码
//如果需要升序排序 利用不同比较方法建小堆
#define _CRT_SECURE_NO_WARNINGS
#include<iostream>
using namespace std;
#include<vector>
#include"priority_queue.h"int main()
{vector<int> v = { 2,3,6,3,2,45,74,23,21 };//wjc::priority_queue<int> p(v.begin(), v.end()); //默认大堆//如果需要升序排序 利用不同比较方法建小堆wjc::priority_queue<int,vector<int>,greater<int>> p(v.begin(), v.end());while (!p.empty()){cout << p.top() << " ";p.pop();}return 0;
}
4.用优先队列解决数组中第K个大的元素
给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。
请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。
class Solution {
public:int findKthLargest(vector<int>& nums, int k) {priority_queue<int> p(nums.begin(),nums.end());while(--k){p.pop();}return p.top();}
};因为优先队列默认是大堆，所以删除--k个元素，堆顶就是第K大个元素，也就是p.top();
