对于最初使用SortedDictionary Eric Lippert's PriorityQueue implementation的棋盘游戏，我有A- *的实现，但我的棋盘尺寸的性能并不令人满意。
使用PriorityQueue的MinHeap实现，我在长对角线路径上获得了* 2加速（5-6秒到2-3秒）;但后来我意识到它提供了一种不稳定的排序。对于这个应用程序，我需要稳定的排序。
是否有任何众所周知的PriorityQueue实现结合了MinHeap的效率，但是以SortedDictionary的方式提供稳定的排序？
更新：以下评论的其他详细信息：
解决：
虽然SortedDictionary<uint,Queue<TValue>>和MinListHeap<KeyValuePair<TPriority,TValue>>的复杂性相同，但维护插入顺序的额外代码复杂性似乎是一个恒定的惩罚。这可能不是确定的，但我正在寻找在这个细化阶段的低调果实。
此外，当我更多地思考这个问题时，我意识到稳定只需要在短路径上，而不是在长路径上;因此，可以根据从开始到目标的距离的初始启发式估计，在进入FindPath（）时选择所需的PriorityQueue实现。
答案 0 :(得分：1)
这应该是一个评论，但它太长了。所以这里：
我找不到优先级队列的实现作为您建议的链接后的排序字典，但谷歌搜索表明此优先级队列是使用二叉搜索树实现的。 如果就是这种情况，看起来这些不是自平衡搜索树，因为我不明白如何用堆替换BST可以产生2倍的改进。自平衡BST可在insert()和find()上为您提供有保证的log（n）性能。对于deque()（= removeMin()）也是如此：它也应该是保证日志（n）：你只需要离开，直到没有剩下的孩子。
好的，我们对二叉搜索树（BST）的每个操作都有log（n）。堆怎么样？好吧，对于您正在查看的操作，它是相同的：removeMin()（= dequeue()）返回具有最高/最低键的节点（这是O（1）），但随后放置初始点中的最后一个节点，通过递归地将其与子节点进行比较，将其下沉。这需要在每个级别进行2次比较，并且通常涉及log（n）级别。所以
removeMin()是O（log（n））操作。那么insert()（= enqueue()）怎么样？在这里，在通常的实现中，我们将新项目放在最后，然后通过与其父项进行比较将其浮动。在通常情况下，这需要0.5 * log（n）次操作，即O（log（n））。这意味着BST和堆应该在enqueue（）和dequeue（）上具有log（n）性能。并且这两个数据结构在isEmpty()上应具有O（1）性能。
这种推理如果正确，则表明以下原因之一：
有人可能会认为0.5*log(n)上的insert()堆可能比BST insert()更好，但是，实际上BST插入实际上通常也只是0.5*log(n) ，我想，这不可能。常数因素似乎是合理的：如果 minHeap被实现为自动调整大小的数组（或者更好的是非调整大小的数组），那么minHeap可能不需要在enqueue上分配额外的存储空间， BST实施必须做的事情。
BST也可能不是自平衡的。在这种情况下，在最坏的情况下，dequeue()或enqueue()将花费O（n）时间，具体取决于项目的添加顺序。所以这将是值得关注的事情。
编辑1 ：常规BST实现的稳定方式是采用一种约定，即如果我们插入具有相同键的节点，则新节点成为（比方说）正确的子节点相同键控节点。这样，具有相同密钥的第一个节点将出列。对于自平衡BST，这可能需要更多的工作，因为旋转可能违反这个期望的不变量。在这种情况下，我想我会做什么（想到red-black trees，而不是AVL trees）是在旋转两个节点时A和BI将检查它们的键是否实际上是相同的，如果是，在保持节点结构的同时切换节点数据。但是对于这个问题可能有更好的解决方案。
编辑2 根据this acticle，SortedDictionary实际上是基于红黑树。这反过来暗示了实施中的一个错误（可疑但不是闻所未闻）或作为罪魁祸首的常数因素。