泛型算法

定义了大约 80 个标准算法。
它们操作由一对迭代器定义的(输入)序列或单一迭代器定义的(输出)序列。
当对两个序列进行拷贝、比较操作时,第一个序列由一对迭代器[b,e)表示,但第二个序列只由一个迭代器b2表示,b2指出了序列的起始位置。
应当保证第二个序列包含足够多的的元素供算法使用。
大多数标准库算法返回迭代器;特别是,它们不返回结果的容器。
大多数标准库算法都有两个版本:

  • 一个“普通”版本使用常规操作(如<==)完成其任务。
  • 另一个版本接受关键操作参数
    在某些情况下,实参既可以解释为谓词,也可以解释为值。

不修改序列的算法

for_each()

最简单的算法是 for_each(),它简单地对序列中的每个元素执行指定操作。

vector<int> v{ 2,4,6,8 };for_each( v.begin(), v.end(), [](int x) {cout << x << ' '; } );/* 输出 2 4 6 8 */
算法功能
f = for_each(b,e,f);[b,e)中的每个 x 执行f(x),返回 f

序列谓词

vector<int> v{ 2,4,6,8 };auto flag = all_of(v.begin(), v.end(), [](int x) { return x > 0; });cout << flag << endl; // v 中的每个元素大于 0 ,输出 1

当一个序列谓词失败时,它不会告知我们是哪个元素导致了失败。

vector<int> v{ 0,4,8,3 };auto flag = any_of(v.begin(), v.end(), [](int x) { return x > 5; });cout << flag << endl; //有元素大于 5 ,但不知道是哪个元素大于5
算法功能
all_of(b,e,f);[b,e)中所有 x 都满足f(x)吗?
any_of(b,e,f);[b,e)中某个 x 满足f(x)吗?
none_of(b,e,f);[b,e)中所有 x 都不满足f(x)吗?

count()

vector<int> v{ 1,0,1,1,3 };cout << count(v.begin(), v.end(), 1) << endl; // 1 的数目为 3,输出 3
算法功能
x = count(b,e,v);x 为[b,e)中满足v==*p的元素,*p的数目
x = count_if(b,e,f);x 为[b,e)中满足f(*p)的元素,*p的数目

find()

find() 系列算法顺序搜索具有特定值或令谓词为真的元素。
谓词是一个可调用的表达式,其结果是一个能用作条件的值。
算法 find() 和 find_if() 都返回一个迭代器,分别指向匹配给定值和给定谓词的第一个元素。

vector<char> v{ 'e','E','d','E','A'};auto p = find(v.begin(),v.end(),'E');cout << *p << endl; //输出 Ecout << *(p + 1) << endl; //输出 d

算法 find_first_of() 查找序列中与另一个序列中元素相等的第一个元素。

vector<char> v{ 'e','E','d','B','b' };array<char, 4> arr{ 'A','B','C','D' };auto p = find_first_of( v.begin(),v.end(),arr.begin(),arr.end() );cout << *p << endl; //输出 B
算法功能
p = find(b,e,v);p 指向[b,e)中第一个满足v==*p的元素
p = find_if(b,e,f);p 指向[b,e)中第一个满足f(*p)的元素
p = find_if_not(b,e,f);p 指向[b,e)中第一个满足!f(*p)的元素
p = find_first_of(b1,e1,b2,e2);p 指向[b1,e1)中第一个满足*p==*q的元素,其中 q 指向[b2,e2)中的某个元素
p = find_first_of(b1,e1,b2,e2,f);p 指向[b1,e1)中第一个满足f(*p,*q)的元素,其中 q 指向[b2,e2)中的某个元素
p = adjacent_find(b,e);p 指向[b,e)中第一个满足*p==*(p+1)的元素
p = adjacent_find(b,e,f);p 指向[b,e)中第一个满足f(*p,*(p+1))的元素
p = find_end(b1,e1,b2,e2);p 指向[b1,e1)中最后一个满足*p==*q的元素,其中 q 指向[b2,e2)中的某个元素
p = find_end(b1,e1,b2,e2,f);p 指向[b1,e1)中最后一个满足f(*p,*q)的元素,其中 q 指向[b2,e2)中的某个元素

equal()

算法 equal() 比较两个序列中的元素是否都相同。

vector<char> v{ 'A','B','C','D','b' };array<char, 4> arr{ 'A','B','C','D' };auto b = equal( v.begin(),v.end() -1 ,arr.begin(),arr.end() );cout << b << endl; //输出 1 
算法功能
equal(b,e,b2);[b,e)[b2,b2+(e-b))中所有对应元素都满足v == v2
equal(b,e,b2,f);[b,e)[b2,b2+(e-b))中所有对应元素都满足f(v,v2)

mismatch()

算法 mismatch() 查找两个序列中第一对不匹配的元素,返回指向这两个元素的迭代器。
并没有参数指出第二个序列的末尾;算法假定第二个序列中至少包含与第一个序列一样多的元素。

vector<char> v{ 'A','B','e','D' };array<char, 4> arr{ 'A','B','C','D' };auto p = mismatch( v.begin(),v.end() ,arr.begin() );cout << *(p.first) << endl;//输出 ecout << *(p.second) << endl; //输出 C
算法功能
pair(p1,p2) = mismatch(b,e,b2);p1 指向[b,e)中第一个满足!(*p1 == *p2)的元素,p2 指向[b2,b2+(e-b))中对应的元素;若不存在这样的元素,则p1 == e
pair(p1,p2) = mismatch(b,e,b2,f);p1 指向[b,e)中第一个满足!f(*p1,*p2)的元素,p2 指向[b2,b2+(e-b))中对应的元素;若不存在这样的元素,则p1 == e

search()

算法 search() 和 search_n() 查找给定序列是否是另一个序列的子序列。

vector<char> v{ 'E','A','B','C','D' };array<char, 3> arr{ 'A','B','C' } ;auto p = search(v.begin(), v.end(), arr.begin(), arr.end());cout << *p << endl; //输出 A;'A','B','C' 是 'E','A','B','C','D' 的子序列
算法功能
p = serach(b,e,b2,e2);p 指向[b,e)中第一个满足[p,p+(e2-b2))中等于[b2,e2)*p
p = serach(b,e,b2,e2,f);p 指向[b,e)中第一个满足[p,p+(e2-b2))中等于[b2,e2)*p,用 f 比较元素
p = serach_n(b,e,n,v);p 指向[b,e)中第一个满足[p,p+n)间所有元素的值均为 v 的位置
p = serach_n(b,e,n,v,f);p 指向[b,e)中第一个满足[p,p+n)间每个元素*q均满足f(*p,v)的位置

修改序列的算法

transform()

数据写入操作不能超出目标序列的末尾。

array<char, 4> arr{ 'A','B','C','D' };vector<char> v{ 'E','A','B','C','Z'};transform(arr.begin(), arr.end(), v.begin(), [](char x) { return x += 32; });/* V 中的元素变为:a b c d Z */

输出和输入可能是同一个序列。

vector<char> v{ 'E','A','B','C','Z'};transform(v.begin(), v.end(), v.begin(), [](char x) { return x += 32; });/* V 中的元素变为:e a b c z */
算法功能
p = transform(b,e,out,f);[b,e)中的每个元素*p1应用*q = f(*p1),结果写入[out,out + (e - b)中的对应元素*qp = out + (e - b)
p = transform(b,e,b2,out,f);[b,e)中的每个元素*p1及其在[b2,b2 + (e - b))中的对应元素*p2*应用*q = f(*p1,*p2),结果写入[out,out + (e - b)中的对应元素*qp = out + (e - b)

copy()

copy() 系列算法从一个序列拷贝至另一个序列。
为了读取一个序列,需要一对迭代器描述起始位置和结尾位置;为了向序列中写入数据,则只需一个迭代器。

array<int,4> arr { 1,3,5,7 };vector<int> v{ 2,4,6,8 };auto p =copy( arr.begin(),arr.end(),v.begin() ); /* v 内的元素变为 1 3 5 7 */cout<< * (p-1) << endl; //输出 7;p = arr.end()

数据写入操作不能超出目标序列的末尾;但是,可以使用一个插入器按需增长目标序列。

array<int,4> arr { 1,3,5,7 };vector<int> v{ 2,4,6,8 };copy(arr.begin(), arr.end(), back_inserter(v));/* v 内的元素变为 2 4 6 8 1 3 5 7 */

拷贝算法的目标序列不一定是一个容器,任何可用一个输出迭代器描述的东西都可以作为它的目标。

算法功能
p = copy(b,e,out);[b,e)中所有元素拷贝至 [out,p)p = out + (e - b)
p = copy_if(b,e,out,f);[b,e)中满足f(x)的元素 x 拷贝至[out,p)
p = copy_n(b,n,out);[b,b+n)间的前 n 个元素拷贝至 [out,p)p = out + n
p = copy_backward(b,e,out);[b,e)中的所有元素拷贝至 [out,p),从尾元素开始拷贝; p = out + (e - b)
p = move(b,e,out);[b,e)中所有元素移动至 [out,p)p = out + (e - b)
p = move_backward(b,e,out);[b,e)中的所有元素移动至 [out,p),从尾元素开始移动; p = out + (e - b)

unique()

算法 unique() 将不重复的元素移动到序列的头部,并返回指向不重复元素末尾位置的迭代器。

vector<char> v{ 'A','A','C','E','E','B'};auto p = unique(v.begin(), v.end()); auto iter = v.begin();while (iter != p){cout << *iter++ << ' ';}cout << endl;/* 输出: A C E B */

为了从一个容器中删除重复元素,必须显示地收缩容器。

vector<char> v{ 'A','A','C','E','E','B'};auto p = unique(v.begin(), v.end()); v.erase(p,v.end());
算法功能
p = unique(b,e);移动[b,e]中的一些元素,使得[b,p)中无连续重复元素
p = unique(b,e,f);移动[b,e]中的一些元素,使得[b,p)中无连续重复元素;“重复”由f(*p,*(p+1))判定
p = unique_copy(b,e,out);[b,e)中的元素拷贝至 [out,p);不拷贝连续重复元素
p = unique_copy(b,e,out,f);[b,e)中的元素拷贝至 [out,p);不拷贝连续重复元素;“重复”由f(*p,*(p+1))判定

remove()

算法 remove() “删除”序列末尾的元素;它是通过将元素移动到左侧来实现“删除”的。

vector<char> v{ 'A','B','C','E','E','D' };auto p = remove(v.begin(), v.end(),'E');auto iter = v.begin();while (iter != p){cout << *iter++ << ' ';}cout << endl;/*输出:A B C D*/
算法功能
p = remove(b,e,v);[b,e]中删除值为 v 元素,使得[b,p)中的元素都满足!(*q == v)
p =remove(b,e,f);[b,e]中删除元素*q,使得[b,p)中的元素都满足!f(*q)
p = remove_copy(b,e,out,v);[b,e)中满足!(*q == v)的元素拷贝至 [out,p)
p = remove_copy_f(b,e,out,f);[b,e)中满足!f(*q)的元素拷贝至 [out,p)

raplace()

算法 raplace() 将新值赋予选定的元素。

vector<char> v{ 'E','A','E','B','C','D' };replace(v.begin(), v.end(),'E','F'); // 将 E 替换为 F/* v 内的元素变为 F A F B C D */
算法功能
p = raplace(b,e,v,v2);[b,e)中满足*p == v的元素替换为 v2
p =raplace(b,e,f,v2);[b,e)中满足f(*p)的元素替换为 v2
p =raplace_copy(b,e,out,v,v2);[b,e)中的元素拷贝至 [out,p),其中满足*p == v的元素被替换为 v2
p = raplace_copy_f(b,e,out,f,v2);[b,e)中的元素拷贝至 [out,p),其中满足f(*p,v)的元素被替换为 v2

rotable() 、 random_shuffle() 和 partition()

算法 rotable() 、 random_shuffle() 和 partition() 提供了移动序列中元素的系统方法。
rotable()(以及洗牌和划分算法)是用 swap() 来移动元素的。

rotable()
vector<char> v{ 'A','B','C','D','E' };auto p = rotate(v.begin(),v.begin()+2, v.end());/* v 内的元素变为 C D E A B */cout << *p << endl; // *p = A
算法功能
p = rotable(b,m,e);循环左移元素;将[b,e]看作一个环(首元素在尾元素之后);将*(b+i)移动到*( b + (i+(e-m))%(e-b) )*b移动到*mp = b+(e-m)
p = rotable_copy(b,m,e,out);[b,e]中的元素循环左移拷贝至[out,p)
random_shuffle()

默认情况下,random_shuffle() 用均匀分布随机数发生器洗牌序列。
即,它选择序列元素的一个排列,使得每种排列被选中的概率相等。

vector<char> v{ 'A','D','C','B','E' };random_shuffle(v.begin(),v.end());/* v 内的元素变为 E D B C A */
算法功能
random_shuffle(b,e);洗牌[b,e]中的元素,使用默认随机数发生器
random_shuffle(b,e,f);洗牌[b,e]中的元素,使用随机数发生器 f
shuffle(b,e,f);洗牌[b,e]中的元素,使用均匀分布随机数发生器 f
partition()

划分算法基于某种划分标准将序列分为两部分。

vector<char> v{ 'A','H','C','B','F' };auto p = partition(v.begin(), v.end(), [](char x) {return x < 'E'; });/* v 内的元素变为 A C B H F */cout << *p << endl; // *p = H
算法功能
p = partition(b,e,f);将满足f(*p1)的元素置于区间[b,p)内,将其它元素置于区间[p,e)
p = stable_partition(b,e,f);将满足f(*p1)的元素置于区间[b,p)内,将其它元素置于区间[p,e)内;保持相对顺序
pair(p1,p2) = partition_copy(b,e,out1,out2,f);[b,e)中满足f(*p)的元素拷贝到[out1,p1)内,将[b,e)中满足!f(*p)的元素拷贝到[out2,p2)
p = partition_point(b,e,f);[b,e),p 指向满足all_of(b,p,f)none_of(b,p,f)的位置
is_partitioned(b,e,f);[b,e)中满足f(*p)的元素都在满足!f(*p)的元素之前吗?

排列

例:打印序列 ABC 的所有排列组合:

vector<char> v{ 'A','B','C' };bool x = true;while ( x ){x = next_permutation(v.begin(), v.end());for (auto i : v)cout << i << ' ';cout << endl;}/*输出:A C BB A CB C AC A BC B AA B C*/

算法 next_permutation() 接受一个序列,将其变换为下一个排列。
“下一个”的定义基于这样一个假设:所有的排列组合已按字典序排序。
如果存在”下一个“排列组合,next_permutation() 返回 true;否则,它将序列变换为升序中排在第一位的排列组合(例中的 ABC),并返回 false;

算法功能
x = next_permutation(b,e);[b,e)变换为字典序上的下一个排列
x = next_permutation(b,e,f);[b,e)变换为字典序上的下一个排列;用 f 比较元素
x = prev_permutation(b,e);[b,e)变换为字典序上的前一个排列
x = prev_permutation(b,e,f);[b,e)变换为字典序上的前一个排列;用 f 比较元素
is_permutation(b,e,b2);[b2,b2+(e-b))[b,e)的一个排列?
is_permutation(b,e,f);[b2,b2+(e-b))[b,e)的一个排列?用 f(*q,*p) 比较元素

fill()

fill() 系列算法提供了向序列元素赋值和初始化元素的方法。
算法 fill() 反复用指定值进行赋值。

vector<char> v{ 'A','H','C','B','F' };fill(v.begin(), v.end(), 'E');/* v 内的元素变为 E E E E E */

算法 generate() 则通过反复调用其函数实参得到的值进行赋值。

vector<char> v{ 'A','H','C','B','F' };int i = 0;generate( v.begin(), v.end(), [&i] { ++i; return 'A'+ i; } );/* v 内的元素变为 B C D E F */

算法 uninitialized_fill() 或 uninitialized_copy() 的目标元素必须是内置类型或是未初始化的。

算法功能
fill(b,e,v);将 v 赋予[b,e)中的每一个元素
p = fill_n(b,n,v);将 v 赋予[b,b+n)中的每一个元素;p = b+n
generate(b,e,f);将 f() 赋予[b,e)中的每一个元素
p = generate_n(b,n,f);将 f() 赋予[b,b+n)中的每一个元素;p = b+n
uninitialized_fill(b,e,v);[b,e)中的每一个元素初始化为 v
p = uninitialized_fill_n(b,n,v);[b,b+n)中的每一个元素初始化为 v;p = b+n
uninitialized_copy(b,e,out);[out,out+(e-b))中的每一个元素初始化为[b,e)中对应的元素;p = out+(e-b)
p = uninitialized_copy_n(b,n,out);[out,out+n]中的每一个元素初始化为[b,b+n)中对应的元素;p = out+n

排序和搜索

排序

默认的比较操作是<运算符;值 a 和 b 的相等性通过!(a<b)&&!(b来判定,而不是使用==运算符。
算法 sort() 要求使用随机访问迭代器。
基础的 sort() 算法很高效,平均时间复杂性为 O ( N ∗ log ⁡ ( N ) )O(N*\log(N))O(Nlog(N))。。
如果需要一个稳定的排序算法,可以使用 stable_sort(),其平均时间复杂性为 O ( N ∗ log ⁡ ( N ) log ⁡ ( N ) )O(N*\log(N)\log(N))O(Nlog(N)log(N));当系统有足够的额外内存时,可缩短为 O ( N ∗ log ⁡ ( N ) )O(N*\log(N))O(Nlog(N))
算法 stable_sort() 可以保证相等元素的相对顺序,然而 sort() 则不能保证。
如果需要由 partial_sort() 排序的元素数少于元素总数,则其时间复杂性接近 O ( N )O(N)O(N)
算法 partial_sort_copy() 的目标必须是一个随机访问迭代器。
算法 nth_element() 只需将升序结果中排在第 n 位的元素放置到正确位置即可(即,之前的元素都不大于它,之后的元素都不小于它)。

算法功能
sort(b,e);排序[b,e)
sort(b,e,f);排序[b,e);用f(*p,*q)作为比较标准
stable_sort(b,e);排序[b,e);保持相等元素的相对顺序
stable_sort(b,e,f);排序[b,e);保持相等元素的相对顺序;用f(*p,*q)作为比较标准
partial_sort(b,m,e);部分排序[b,e);令[b,m)有序即可,[m,e)不必有序
partial_sort(b,m,e,f);部分排序[b,e);令[b,m)有序即可,[m,e)不必有序;用f(*p,*q)作为比较标准
p = partial_sort_copy(b,e,b2,e2);部分排序[b,e);排好前e2-b2(或前e-b)个元素拷贝到[b2,e2);p 为 e2b2 +(e-b) 中的较小者
p = partial_sort_copy(b,eb2,e2,f);部分排序[b,e);排好前e2-b2(或前e-b)个元素拷贝到[b2,e2);p 为 e2b2 +(e-b) 中的较小者;用 f 比较元素
is_sort(b,e);[b,e)已排序?
is_sort(b,e,f);[b,e)已排序?;用 f 比较元素
p = is_sort_until(b,e);p 指向[b,e)中第一个不符合升序的元素
p = is_sort_until(b,e,f);p 指向[b,e)中第一个不符合升序的元素;用 f 比较元素
nth_element(b,n,e);*n的位置恰好是[b,e)排序后它应处的位置;即[b,n)中的元素都<= *n[n,e)中的元素都>= *n
nth_element(b,n,e,f);*n的位置恰好是[b,e)排序后它应处的位置;即[b,n)中的元素都<= *n[n,e)中的元素都>= *n;用 f 比较元素
reverse(b,e);[b,e)中的元素逆序排序
p = reverse_copy(b,e,out);[b,e)中的元素逆序拷贝至[out,p)

二分搜索

binary_serach() 系列算法提供有序序列上的二分搜索。
一旦序列已排序,就可以使用二分搜索查找元素了。

算法功能
p = lower_bound(b,e,v);p 指向[b,e)中 v 首次出现的位置
p = lower_bound(b,e,v,f);p 指向[b,e)中 v 首次出现的位置;用 f 比较元素
p = upper_bound(b,e,v);p 指向[b,e)中第一个大于 v 的元素
p = upper_bound(b,e,v,f);p 指向[b,e)中第一个大于 v 的元素;用 f 比较元素
binary_search(b,e,v);v 在有序序列[b,e)中吗?
binary_search(b,e,v,f);v 在有序序列[b,e)中吗?;用 f 比较元素
pair(p1,p2) = equal_range(b,e,v);[p1,p2)[b,e)中值为 v 的子序列;通常用二分搜索查找 v
pair(p1,p2) = equal_range(b,e,v,f);[p1,p2)[b,e)中值为 v 的子序列;通常用二分搜索查找 v;用 f 比较元素

merge()

算法 merge() 将两个有序序列合并为一个序列。
算法 merge() 可以接受不同类别的序列和不同类型的元素。

算法功能
p = merge(b,e,b2,e2,out);合并两个有序序列[p1,p2)[b,e),结果写入[out,p)
p = merge(b,e,b2,e2,out,f);合并两个有序序列[p1,p2)[b,e),结果写入[out,out+p);用 f 比较元素
inplace_merge(b,m,e);原址合并;将两个有序子序列[b,m)[m,e)合并为有序序列[b,e)
inplace_merge(b,m,e,f);原址合并;将两个有序子序列[b,m)[m,e)合并为有序序列[b,e);用 f 比较元素

集合算法

这些算法将序列当作一个元素集合来处理,并提供基本的集合操作。
输入序列应是排好序的,输出序列也会被排序。

算法功能
includes(b,e,b2,e2);[b,e)中的所有元素也都在[b2,e2)中?
includes(b,e,b2,e2,f);[b,e)中的所有元素也都在[b2,e2)中?用 f 比较元素
p = set_union(b,e,b2,e2,out);创建一个有序序列[out,p) ,包含[b,e)[b2,e2)中的所有元素
p = set_union(b,e,b2,e2,out,f);创建一个有序序列[out,p) ,包含[b,e)[b2,e2)中的所有元素;用 f 比较元素
p = set_intersection(b,e,b2,e2,out);创建一个有序序列[out,p) ,包含[b,e)[b2,e2)中共同的元素
p = set_intersection(b,e,b2,e2,out,f);创建一个有序序列[out,p) ,包含[b,e)[b2,e2)中共同的元素;用 f 比较元素
p = set_difference(b,e,b2,e2,out);创建一个有序序列[out,p) ,其元素在[b,e)中但不在[b2,e2)
p = set_difference(b,e,b2,e2,out,f);创建一个有序序列[out,p) ,其元素在[b,e)中但不在[b2,e2)中;用 f 比较元素
p = set_symmetric_difference(b,e,b2,e2,out);创建一个有序序列[out,p) ,其元素在[b,e)中或在[b2,e2)中,但不同时在两者中
p = set_symmetric_difference(b,e,b2,e2,out,f);创建一个有序序列[out,p) ,其元素在[b,e)中或在[b2,e2)中,但不同时在两者中;用 f 比较元素

堆是一种按最大值优先的方式组织元素的紧凑数据结构。
堆算法允许将一个随机访问序列作为堆处理。
堆的关键特点是提供了快速插入新元素和快速访问最大元素的能力;其主要用途是实现优先队列。

算法功能
make_heap(b,e);[b,e)整理为一个堆
make_heap(b,e,f);[b,e)整理为一个堆;用 f 比较元素
push_heap(b,e);*(e-1)添加到堆[b,e-1)中,使得[b,e)还是一个堆
push_heap(b,e,f);*(e-1)添加到堆[b,e-1)中,使得[b,e)还是一个堆;用 f 比较元素
pop_heap(b,e);从堆[b,e)中删除最大值(*b*(e-1)交换后删除*(e-1)),[b,e-1)保持堆结构
pop_heap(b,e,f);从堆[b,e)中删除最大值(*b*(e-1)交换后删除*(e-1)),[b,e-1)保持堆结构;用 f 比较元素
sort_heap(b,e);排序堆[b,e)
sort_heap(b,e,f);排序堆[b,e);用 f 比较元素
is_heap(b,e);[b,e)是一个堆吗?
is_heap(b,e,f);[b,e)是一个堆吗?用 f 比较元素
p = is_heap_until(b,e);p 是满足[b,p)堆的最大位置
p = is_heap_until(b,e,f);p 是满足[b,p)堆的最大位置;用 f 比较元素

lexicographical_compare()

字典序比较就是我们用来排序字典中单词的规则。

算法功能
lexicographical_compare(b,e,b2,e2);[b,e) < [b2,e2)
lexicographical_compare(b,e,b2,e2,f);[b,e) < [b2,e2)?用 f 比较元素

最大值和最小值

如果比较两个左值,返回的是指向结果的引用;否则,返回一个右值。
但是,接受左值的版本接受的是 const 左值,因此永远也不能修改这些函数的返回结果。

算法功能
x = min(a,b);x 是 a 和 b 中的较小者
x = min(a,b,f);x 是 a 和 b 中的较小者,用 f 比较元素
x = min({elem});x 是 {elem} 中的最小元素
x = min({elem},f);x 是 {elem} 中的最小元素,用 f 比较元素
x = max(a,b);x 是 a 和 b 中的较大者
x = max(a,b,f);x 是 a 和 b 中的较大者,用 f 比较元素
x = max({elem});x 是 {elem} 中的最大元素
x = max({elem},f);x 是 {elem} 中的最大元素,用 f 比较元素
pair(x,y) = minmax(a,b);x 为 min(a,b),y 为 max(a,b)
pair(x,y) = minmax(a,b,f);x 为 min(a,b,f),y 为 max(a,b,f)
pair(x,y) = minmax({elem});x 为 min({elem}),y 为 max({elem})
pair(x,y) = minmax({elem},f);x 为 min({elem},f),y 为 max({elem},f)
p = min_element(b,e);p 指向[b,e)中的最小元素或 e
p = min_element(b,e,f);p 指向[b,e)中的最小元素或 e,用 f 比较元素
p = max_element(b,e);p 指向[b,e)中的最大元素或 e
p = max_element(b,e,f);p 指向[b,e)中的最大元素或 e,用 f 比较元素
pair(x,y) = minmax_element(b,e);x 为 min_element(b,e),y 为 max_element(b,e)
pair(x,y) = minmax_element(b,e,f);x 为 min_element(b,e,f),y 为 max_element(b,e,f)