STL算法
算法：以有限的步骤，解决逻辑或者数学上的问题。
- 特定的算法往往搭配特定的数据结构，特定的数据结构是为了实现某种特定的算法。
- 关联式容器：与特定数据结构相关的算法。
- 泛型：不依赖于具体类型，由模板实现。
- 算法的泛型化：把操作对象的型别加以抽象化，把操作对象的标示法和取间目标的移动行为抽象化，整个算法就能在一个抽象层面上工作了。
- 泛型的算法可以不依赖于容器的具体类型，使得算法能作用于不同类型的容器上，实现代码复用。
- 迭代器是一种行为类似指针的对象，也可视为一种智能指针。
- 迭代器作为一种访问容器中元素的方式，具有相对统一的接口，是一种对容器元素访问的抽象。
- 算法通过迭代器提供的功能，实现对容器中元素的操作，而无需考虑容器的具体细节。使得算法无需依赖特定容器，降低算法与容器间的耦合，两者间关系如下图。
graph LR
algorithm --iterator--> containers
containers --- vector
containers --- array
containers --- list
containers --- ...
containers --- deque
containers --- set
containers --- map
STL算法主要分为以下几类：
- 数值算法 numeric
- 基础算法 algobase
- 集合相关算法 set
- 堆算法 heap
- 数据处理算法
数值算法 numeric
累加元素
- 将[__first,__last)范围内的元素累加起来，起始值为__init
template <class _InputIterator, class _Tp>
_Tp accumulate(_InputIterator __first, _InputIterator __last, _Tp __init)
{
__STL_REQUIRES(_InputIterator, _InputIterator);
for ( ; __first != __last; ++__first)
__init = __init + *__first;
return __init;
}
- 将[__first,__last)范围内的元素累加起来，起始值为__init,累加操作仿函数类由用户指定
template <class _InputIterator, class _Tp, class _BinaryOperation>
_Tp accumulate(_InputIterator __first, _InputIterator __last, _Tp __init,
_BinaryOperation __binary_op)
相邻元素差
- 计算[__first,__last)范围内相邻元素的差，并将结果依次输出到输出迭代器。
template <class _InputIterator, class _OutputIterator>
_OutputIterator
adjacent_difference(_InputIterator __first,
_InputIterator __last, _OutputIterator __result)
- 指定对相邻元素进行操作的版本
template <class _InputIterator, class _OutputIterator, class _BinaryOperation>
_OutputIterator
adjacent_difference(_InputIterator __first, _InputIterator __last,
_OutputIterator __result, _BinaryOperation __binary_op)
向量内积
- 计算两个向量对应元素乘积之和
template <class _InputIterator1, class _InputIterator2, class _Tp>
_Tp inner_product(_InputIterator1 __first1, _InputIterator1 __last1,
_InputIterator2 __first2, _Tp __init)
- 指定向量对应元素间进行的操作的版本
template <class _InputIterator1, class _InputIterator2, class _Tp,
class _BinaryOperation1, class _BinaryOperation2>
_Tp inner_product(_InputIterator1 __first1, _InputIterator1 __last1,
_InputIterator2 __first2, _Tp __init,
_BinaryOperation1 __binary_op1,
_BinaryOperation2 __binary_op2)
部分和
- 计算向量中[__first,__last)范围内元素的和
template <class _InputIterator, class _OutputIterator>
_OutputIterator
partial_sum(_InputIterator __first, _InputIterator __last,
_OutputIterator __result)
- 指定操作版本
template <class _InputIterator, class _OutputIterator, class _Tp,
class _BinaryOperation>
_OutputIterator
__partial_sum(_InputIterator __first, _InputIterator __last,
_OutputIterator __result, _Tp*, _BinaryOperation __binary_op)
递增填充
向向量[__first,__last)范围内依次填充元素，元素的起始值为__value
template <class _ForwardIter, class _Tp>
void
iota(_ForwardIter __first, _ForwardIter __last, _Tp __value)
{
while (__first != __last)
*__first++ = __value++;
}
次方
1.默认进行的乘方操作。
template <class _Tp, class _Integer>
inline _Tp power(_Tp __x, _Integer __n)
{
return __power(__x, __n);
}
函数中调用内部函数__power，并调用stl_function中定义的multiplies二元仿函数
template <class _Tp, class _Integer>
inline _Tp __power(_Tp __x, _Integer __n)
{
return __power(__x, __n, multiplies<_Tp>());
}
2.可指定操作方法的版本：
template <class _Tp, class _Integer, class _MonoidOperation>
inline _Tp power(_Tp __x, _Integer __n, _MonoidOperation __opr)
{
return __power(__x, __n, __opr);
}
在该函数调用内部函数__power，定义如下：
对值__x重复进行__n次__opr操作。以下函数中对次方的计算方法是，按__n的二进制表示对__x进行次方运算（类似与快速幂的原理）。
template <class _Tp, class _Integer, class _MonoidOperation>
_Tp __power(_Tp __x, _Integer __n, _MonoidOperation __opr)
{
if (__n == 0) //被操作元素为零，平凡情况
return identity_element(__opr); //返回平凡值0
else { //非平凡情况
while ((__n & 1) == 0) { //__n为偶数
__n >>= 1; //__n/=2
__x = __opr(__x, __x); //进行两次操作
}
_Tp __result = __x; //保存上面操作得到的结果
__n >>= 1; //__n/=2
while (__n != 0) { //还有剩余操作
__x = __opr(__x, __x); //进行两次操作
if ((__n & 1) != 0) //__n为奇数
__result = __opr(__result, __x);//进行依次操作
__n >>= 1; //__n/=2
}
return __result;
}
}
