除了顺序容器外，标准库还定义了三个顺序容器适配器，stack、queue和priority_queue。本质上一个适配器是一种机制，能使某种事物的行为看起来像另外一种事物一样。一个容器适配器接收一种已有的容器类型，使其行为看起来像另外一种不同类型一样。
本文主要介绍队列及其应用，栈及其应用参考栈及其应用 ，优先级队列参考
队列
/*queue默认基于deque实现，也可以使用list或vector事项*/
q.pop(); //删除队首元素，并返回
q.empty();
q.push();
q.front();
q.back();1、银行服务模拟
以银行这一典型场景为例，使用队列实现顾客服务的调度优化。
struct Customer
{
int window; //所属窗口
unsigned int time; //其所办业务的服务时长
};
/*模拟银行中接收服务的整个过程,根据银行所设窗口的数量相应的建立多个队列，以单位时间为间隔反复迭代直至下班*/
void simulate ( int nWin, int servTime ) { //按指定窗口数、服务总时间模拟银行业务
Queue<Customer>* windows = new Queue<Customer>[nWin]; //为每一窗口创建一个队列
for ( int now = 0; now < servTime; now++ ) { //在下班之前，每隔一个单位时间
if ( rand() % ( 1 + nWin ) ) { //新顾客以nWin/(nWin + 1)的概率到达
Customer c ; c.time = 1 + rand() % 98; //新顾客到达，服务时长随机确定
c.window = bestWindow ( windows, nWin ); //找出最佳（最短）的服务窗口
windows[c.window].push ( c ); //新顾客加入对应的队列
}
for ( int i = 0; i < nWin; i++ ) //分别检查
if ( !windows[i].empty() ) //各非空队列
if ( -- windows[i].front().time <= 0 ) //队首顾客的服务时长减少一个单位
windows[i].pop(); //服务完毕的顾客出列，由后继顾客接替
} //for
delete [] windows; //释放所有队列（此前，~List()会自动清空队列）
}
/*每一个时刻都有一位顾客按一定的概率抵达，随机确定所办业务的时长之后，归入某一最优的队列*/
int bestWindow ( Queue<Customer> windows[], int nWin ) { //为新到顾客确定最佳队列
int minSize = windows[0].size(), optiWin = 0; //最优队列（窗口）
for ( int i = 1; i < nWin; i++ ) //在所有窗口中
if ( minSize > windows[i].size() ) //挑选出
{ minSize = windows[i].size(); optiWin = i; } //队列最短者
return optiWin; //返回
}
2、使用两个栈实现一个队列
题目：用两个栈来实现一个队列，完成队列的Push和Pop操作。 队列中的元素为int类型。
class Solution
{
public:
void push(int node) {
stack1.push(node);
}
int pop() {
//stack2没有元素时将stack1中的元素弹入stack2
if(stack2.size()<=0)
{
while(stack1.size()>0)
{
int &i=stack1.top();
stack1.pop();
stack2.push(i);
}
}
int &j=stack2.top();
stack2.pop();
return j;
}
private:
stack<int> stack1;
stack<int> stack2;
};上述的基本步骤：当stack2中不为空时，在stack2中的栈顶元素时最先进入队列的元素，可以弹出。如果stack2为空时，我们把stack1中的元素逐个弹出压入栈stack2中。
3、滑动窗口的最大值
题目：给定一个数组和滑动窗口的大小，找出所有滑动窗口里数值的最大值。例如，如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3，那么一共存在6个滑动窗口，他们的最大值分别为{4,4,6,6,6,5}； 针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个： {[2,3,4],2,6,2,5,1}， {2,[3,4,2],6,2,5,1}， {2,3,[4,2,6],2,5,1}， {2,3,4,[2,6,2],5,1}， {2,3,4,2,[6,2,5],1}， {2,3,4,2,6,[2,5,1]}。
对于这种如果采用蛮力算法很容易就可以解决：可以扫描每一个滑动窗口的所有数字并找出其中的最大值。如下：
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size)
{
//暴力解出来
vector<int> max;
if(num.size()>=size&&size>=1)
{
for(int i=0;i<num.size()-size+1;++i)
{
int m=num[i];
for(int j=i+1;j<size+i;++j)
{
if(num[j]>m)
m=num[j];
}
max.push_back(m);
}
}
return max;
}
};其实滑动窗口可以看成是一个队列，如果我们可以在队列中找到他的最大数，就可以解决。在栈及其应用 中的说明了如何实现用o(1)的时间得到最小值的栈，并且上面实现了用两个栈实现一个队列，综合，我们可以把队列用两个栈实现，可以用o(1)时间找到栈中的最大值，就可以用0(1)时间找到队列的最小值。
这里使用另外一种思路：并不把滑动窗口的每个数值都存入队列中，而是只把有可能成为滑动窗口最大的值存入一个双端口队列。
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size)
{
vector<int> max;
if(num.size()>=size&&size>=1)
{
deque<int> index;
for(int i=0;i<size;++i)
{
while(index.size()&&num[i]>=num[index.back()])
index.pop_back();
index.push_back(i);
}
for(int i=size;i<num.size();++i)
{
max.push_back(num[index.front()]);
//从后面依次弹出队列中比当前num值小的元素，同时也能保证队列首元素为当前窗口最大值下标
while(index.size()&&num[i]>=num[index.back()])
index.pop_back();
//当当前窗口移出队首元素所在的位置，即队首元素坐标对应的num不在窗口中，需要弹出
while(index.size()&&index.front()<=(i-size))
index.pop_front();
index.push_back(i);
}
max.push_back(num[index.front()]);
}
return max;
}
};
上述代码中，index是一个两端开口的队列，用来保存有可能是滑动窗口最大值的数字的下标。在存入一个数字之前，首先要判断队列里已有的数字是否小于待存入数字。如果小于将把它们从队列的尾部删除，这些数字已经不可能是窗口的最大值。同时如果队列头部的数字已经从窗口滑出，滑出的数字也要从队列的头部删除。