自适应梯形规则和优先级队列实现的说明

问题描述

关于自适应梯形细分（请参见this和this），我需要解决一个问题，其中评估f(x)会花费很多时间，因此我需要这样做最少的次数。

在SO上搜索，我找到了这个答案：https://stackoverflow.com/a/29837372/261010

更多高级代码而不是分别考虑每个子间隔中的误差，而是计算所有子间隔中的总误差并进行细化，直到总误差低于所需阈值为止。根据子间隔对总误差的贡献，选择子间隔进行细化，首先对较大的误差进行细化。通常，优先级队列用于快速选择子间隔进行细化。

这到底是什么意思？在这种情况下，优先级队列有何帮助？多少个子间隔可以视为“较大”？

解决方法

优先级队列不用于计算每个间隔中的错误。相反，它用于跟踪当前间隔最大的错误，因此算法可以对其进行优化。这种带有优先级队列的模式已在许多所谓的“贪婪”算法中使用，例如Dijkstra搜索和Prim算法。