实验环境
这篇文章描述了优先队列的一些性能测试以及测试结果。下文中，g++、msvc++ 和 local（下文实验中使用这个生成器）代表三种不同的生成器：
g++
- CPU 频率——cpu 主频：2660.644 MHz
- 内存——内存总量：484412 kB
- 平台——Linux-2.6.12-9-386-i686-with-debian-testing-unstable
- 编译器——g++(GCC)4.0.2 20050808（prerelease）(Ubuntu 4.0.1-4ubuntu9) Copyright (C) 2005 Free Software Foundation, Inc. 这是一个免费软件，可以查看源代码进行复制，未经授权不得用于商业或者其他特殊目的。
msvc++
- CPU 频率——cpu 主频：2660.554 MHz
- 内存——内存总量：484412 kB
- 平台—— Windows XP Pro
- 编译器—— Microsoft (R) 32-bit C/C++ Optimizing Compiler Version 13.10.3077 for 80×86 Copyright (C) Microsoft Corporation 1984-2002. All rights reserved
实验项目
观察实验
底层数据结构的复杂度
下表按照递增的顺序，展示了不同底层数据复杂度。有一点非常有趣：这个表也反映了关于操作的常量的事情（详见摊销push和pop操作）。
[std note 1]这不是算法的属性，而是归咎于STL的优先队列不支持迭代器（也就不支持访问队列中指定值的能力）。如果优先级队列底层采用std::vector，那么利用STL适配器以及top函数将会返回队列中第一个元素的引用这一事实，仍然可以将复杂度降低到Θ(n)。然而，如果采用std::deque实现，则无法降低复杂度。
[std note 2]与[std note 1]一样，也不是算法的属性，而是与STL实现相关。同样，如果优先级队列采用std::vector实现，也可以将复杂度降低到Θ(n)，但是，是一个非常大的常数（必须调用std::make_heap，这个操作是一个开销很大的线性操作）；如果优先级队列用std::deque实现，则不可能降低复杂度。
[thin_heap_note] 一个稀疏堆，最坏情况的修改时间总是为&Theta(log(n))，但是摊销时间依赖于操作的特性：I）如果是插入较大的key值（从优先队列的比较函数角度来看），摊销时间是O（1）。但是如果II）插入一个较小的key值，那么摊销时间和最坏的情况下是一样的。注意：在大多数算法中，I）很重要，II）并不重要。
摊销push和pop操作
很多情况下，优先级队列主要是为了进行频繁的push和pop操作。所有底层数据结构都有相同的摊销对数复杂度，但是它们的常数不同。
上表显示，不同数据结构在某些方面是受限制的。总而言之，如果某个数据结构在最坏情况下的复杂度比另一个数据结构更低，那么从摊销复杂度的角度来讲，它会更慢。因此，举个例子，一个冗余计数二项式堆（优先级队列带有这样的tag， Tag = rc_binomial_heap_tag）在最坏情况下的push操作比二项堆（优先级队列带有这样的tag，Tag = binomial_heap_tag）更低，因此冗余二项堆的摊销push操作从常数角度看比二项堆更慢。
如上表所示，受限制最小的底层数据结构是二叉堆和配对堆。因此，也就不奇怪他们在摊销常数上表现最好。
图形算法
在一些图形算法中，需要进行key递减操作[clrs2001]；如果一个值是增长的（从优先级队列比较函数的角度讲），这个操作与修改操作的复杂度是相同的。上表和Priority Queue Text modify Timing Test – I显示：改良堆（优先级队列带有tag： Tag = thin_heap_tag）比配对堆（优先级队列带有tag：Tag = pairing_heap_tag）的性能要好，然而余下的测试却得到了相反的结果。
这使得在这种情况下应该使用哪种实现变得很难决定。例如，Dijkstra的最短路径算法，需要进行Θ(n)次push和pop操作 （n是结点的数量）、O(n2) 次修改操作，实际情况中也可以是Θ(n)次修改操作 。在难以找到先验特征的图中，实际modify操作的数量会让push和pop操作的数量变得微不足道。
