在编程中，`PriorityQueue`（优先队列）是一种非常实用的数据结构，它允许我们按照特定的优先级顺序来插入和取出元素。与普通队列不同，普通队列是“先进先出”（FIFO），而优先队列则是根据元素的优先级来决定出队顺序。 下面是对 `PriorityQueue` 的基本用法进行总结，并通过表格形式展示其关键点。 一、概述 | 特性 | 说明 | | 类型 | 非线性数据结构 | | 插入方式 | 按优先级插入 | | 取出方式 | 按优先级取出 | | 常见实现 | Java 中的 `PriorityQueue`、C++ 中的 `priority_queue` 等 |
二、常用操作 | 操作 | 描述 | 示例（Java） | | `offer(E e)` | 将元素插入队列，按优先级排序 | `pq.offer(5);` | | `poll()` | 移除并返回队列头部元素（最小/最大） | `Integer val = pq.poll();` | | `peek()` | 返回队列头部元素，但不移除 | `Integer val = pq.peek();` | | `size()` | 返回队列中的元素数量 | `int size = pq.size();` | | `isEmpty()` | 判断队列是否为空 | `boolean empty = pq.isEmpty();` |
三、优先级设置 | 语言 | 设置方式 | 示例 | | Java | 使用 `Comparator` 或元素自身 `Comparable` 接口 | `PriorityQueue pq = new PriorityQueue<>();` | | C++ | 使用 `greater` 或 `less` 控制升序或降序 | `priority_queue, greater> pq;` | | Python | 使用 `heapq` 模块，默认为小顶堆 | `import heapq; heapq.heappush(heap, 3)` |
四、使用场景 | 场景 | 说明 | | 调度系统 | 按任务优先级执行任务 | | 图算法 | 如 Dijkstra 算法中用于选择最短路径节点 | | 事件处理 | 按紧急程度处理事件 | | 数据流处理 | 对数据流进行排序处理 |
五、注意事项 | 注意事项 | 说明 | | 不支持重复元素 | 某些实现可能允许重复，但行为不确定 | | 不保证完全有序 | 只保证队首元素是最小/最大值 | | 不能直接遍历 | 需要借助迭代器或转换为列表 | | 性能问题 | 插入和删除操作为 O(log n) 时间复杂度 |
六、总结 `PriorityQueue` 是一种高效处理按优先级排序数据的工具，在实际开发中应用广泛。掌握其基本操作和使用场景，能够帮助开发者更灵活地管理数据顺序，提高程序效率。 | 关键点 | 说明 | | 用途 | 按优先级处理数据 | | 实现方式 | 不同语言有不同实现 | | 操作 | offer、poll、peek 等 | | 适用场景 | 调度、图算法、事件处理等 | | 注意事项 | 不支持直接遍历，性能稳定 |
通过合理使用 `PriorityQueue`，可以有效提升程序的逻辑清晰度和运行效率。 |