算法模版:模拟数据结构之堆

简介: 算法模版:模拟数据结构之堆


算法模版:模拟数据结构之堆


定义

堆:是一种满足插入、删除、查询最值的数据结构。


其实是一颗满足堆性质的完全二叉树。


树中的任意一个结点的权值都小于等于父节点,则该二叉树满足"大根堆性质"

大根堆的最大值为根节点的权值。


树中的任意一个结点的权值都大于等于父节点,则该二叉树满足"小根堆性质"

小根堆的最小值为根节点的权值。


存储

层次序列储存方式,即用数组保存二叉堆,


逐层从左到右把树中的节点依次编号,把编号作为节点映射到数组的中下标

从1开始标号

2 * i 为左儿子

2 * i +1 为右儿子

所以父节点编号等于子节点编号除以2


核心操作

down(x)


小根堆(大根堆)

x与左右儿子做比较 ,如果找处最小(大)的儿子与之交换


void down(int u)
{
    int t = u;//t存储三个结点中存在的最小的结点的下标,初始化为当前结点u
    if (u * 2 <= siz && h[u * 2] < h[t]) t = u * 2; // 左子节点存在并且小于当前结点,更新t的下标
    if (u * 2 + 1 <= siz && h[u * 2 + 1] < h[t]) t = u * 2 + 1;//右子节点存在并且小于当前结点,更新t的下标
    if (t != u)//如果t==u意味着不用变动,u就是三个结点中拥有最小值的结点下标,否则交换数值
    {
        swap(h[t], h[u]);
        down(t); //交换数值后,t这个结点存储原本u的值,u存储存储t的值(三个数中的最小值)。u不用调整了,但t情况不明,可能需要调整。直到它比左右子节点都小
    }
}


up

小根堆(大根堆)

x与父节点做比较 ,如果父节点小(大),x就与父节点交换


void up(int u)
{
    while(u/2&&h[u/2]<h[u])//如果父节点小于 u
    {
        heap_swap(u/2,u);
        u/=2;//变成它的父节点
    }
}


五种操作(以小根堆为例)


1、插入一个数

heap[ ++ size] = x; up(size);

在作为插入,然后再不断up,直到移到合适位置


2、删除最小值

heap[1] = heap[size]; size – ;down(1);

先用尾部的叶节点 x 覆盖第一个值,即覆盖最小值

然后删除尾部的叶节点 x

最后不断down(1)(因为曾经覆盖最小值的 x 所在的节点编号就是1)

直到down到 x 回到正确位置


3、删除任意一个元素

heap[k] = heap[size]; size – ;up(k); down(k);

先用尾部的叶节点 x 覆盖要删除的元素 k

然后删除尾部的叶节点 x

因为不确定k的位置,所以 up(k); down(k);一起进行总会回到自己的位置


4、修改任意一个元素

heap[k] = x; up(k); down(k);

直接让要修改的元素赋值即可

然后 up(k); down(k);一起进行总会回到自己的位置


5、求最小值

h[1]

根据小根堆性质h[1]即为最小值


STL实现

map + priority_queue(优先队列)

实现可以修改任意位置的堆


在大多数情况下,我们只需要使用STL中的priority_queue即可,万不得已也可以手写左偏树


那么要修改任意位置,我自己瞎搞了一个优先级队列+map的方法,AC了本题,就是不知道有没有问题


//ink代表第k个插入的是谁

//knum代表值为x的数有多少个


1.插入第cnt个数x, 常规操作聪明的你一定能看懂

ink[++cnt] = x;

knum[x] ++;

q.push(x);


2.删除集合中的最小值

问题在于我们集合中的最小值可能是已经被删除了的,那么我们需要找到一个最小值x,其knum[x] > 0,其余小于x的数弹出队列即可,然后找到之后

knum[x] --;


3.修改任意位置

直接把第k的插入的数x的个数减一

然后把k个插入的数改为x

然后把当前插入的数的个数加一

再把这个数插入优先级队列


#include <bits/stdc++.h>
using namespace std;
const int N = 1e5 + 10;
int n, m, cnt;
map<int, int> ink;
map<int, int> knum;
priority_queue<int, vector<int>, greater<int> > q;
int main(void) {
    ios::sync_with_stdio(false);
    cin.tie(0), cout.tie(0);
    cin >> n;
    for (int i = 1; i <= n; i ++ ) {
        string str;
        int k, x;
        cin >> str;
        if (str == "I") {
            cin >> x;
            q.push(x);
            ink[++cnt] = x;
            knum[x] ++;
        } else if (str == "PM") {
            do {
                x = q.top();
                q.pop();
            } while (!knum[x]);
            q.push(x);
            cout << x << '\n';
        } else if (str == "DM") {
            do {
                x = q.top();
                q.pop();
            } while (!knum[x]);
            knum[x] --;
        } else if (str == "D") {
            cin >> k;
            x = ink[k];
            knum[x] --;
        } else {
            cin >> k >> x;
            knum[ink[k]] --;
            ink[k] = x;
            knum[x] ++;
            q.push(x);
        }
    }
    return 0;
}


合并果子

在一个果园里,多多已经将所有的果子打了下来,而且按果子的不同种类分成了不同的堆。多多决定把所有的果子合成一堆。


每一次合并,多多可以把两堆果子合并到一起,消耗的体力等于两堆果子的重量之和。可以看出,所有的果子经过 n−1n-1n−1 次合并之后, 就只剩下一堆了。多多在合并果子时总共消耗的体力等于每次合并所耗体力之和。


因为还要花大力气把这些果子搬回家,所以多多在合并果子时要尽可能地节省体力。假定每个果子重量都为 111 ,并且已知果子的种类 数和每种果子的数目,你的任务是设计出合并的次序方案,使多多耗费的体力最少,并输出这个最小的体力耗费值。


例如有 333 种果子,数目依次为 111 , 222 , 999 。可以先将 111 、 222 堆合并,新堆数目为 333 ,耗费体力为 333 。接着,将新堆与原先的第三堆合并,又得到新的堆,数目为 121212 ,耗费体力为 121212 。所以多多总共耗费体力 =3+12=15=3+12=15=3+12=15 。可以证明 151515 为最小的体力耗费值。


输入格式


共两行。

第一行是一个整数 n(1≤n≤10000)n(1\leq n\leq 10000)n(1≤n≤10000) ,表示果子的种类数。


第二行包含 nnn 个整数,用空格分隔,第 iii 个整数 ai(1≤ai≤20000)a_i(1\leq a_i\leq 20000)ai(1≤ai≤20000) 是第 iii 种果子的数目。


输出格式


一个整数,也就是最小的体力耗费值。输入数据保证这个值小于 2312^{31}231 。


输入输出样例


输入 #1

3 
1 2 9 


输出 #1


#include<bits/stdc++.h>
using namespace std;
int ans,x;
priority_queue<int,vector<int>,greater<int>> heap; 
int main(){
  int n;
  cin>>n;
  for(int i = 1 ; i <= n  ; i++)
  cin>>x,heap.push({x});
  for(int i = 1 ; i <= n - 1; i ++)
  {
    int a = heap.top();heap.pop();
    int b = heap.top();heap.pop();
    ans+=a+b;
    heap.push({a+b});
  }
  cout<<ans;
  return 0;
}


完结散花

ok以上就是对 模拟数据结构之堆 的全部讲解啦,很感谢你能看到这儿。如果有遗漏、错误或者有更加通俗易懂的讲解,欢迎小伙伴私信我,我后期再补充完善。

相关文章
|
1月前
|
缓存 算法 Java
JVM知识体系学习六:JVM垃圾是什么、GC常用垃圾清除算法、堆内存逻辑分区、栈上分配、对象何时进入老年代、有关老年代新生代的两个问题、常见的垃圾回收器、CMS
这篇文章详细介绍了Java虚拟机(JVM)中的垃圾回收机制,包括垃圾的定义、垃圾回收算法、堆内存的逻辑分区、对象的内存分配和回收过程,以及不同垃圾回收器的工作原理和参数设置。
67 4
JVM知识体系学习六:JVM垃圾是什么、GC常用垃圾清除算法、堆内存逻辑分区、栈上分配、对象何时进入老年代、有关老年代新生代的两个问题、常见的垃圾回收器、CMS
|
24天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
25 3
|
1月前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
5月前
|
存储 算法
【数据结构和算法】--- 二叉树(4)--二叉树链式结构的实现(2)
【数据结构和算法】--- 二叉树(4)--二叉树链式结构的实现(2)
38 0
|
5月前
|
存储 算法 Linux
【数据结构和算法】---二叉树(1)--树概念及结构
【数据结构和算法】---二叉树(1)--树概念及结构
51 0
|
5月前
|
存储 算法
【数据结构和算法】--队列的特殊结构-循环队列
【数据结构和算法】--队列的特殊结构-循环队列
33 0
|
3月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
57 9
|
3月前
|
数据采集 算法
基于PSO粒子群算法的三角形采集堆轨道优化matlab仿真
该程序利用PSO算法优化5个4*20矩阵中的模块采集轨迹,确保采集的物品数量及元素含量符合要求。在MATLAB2022a上运行,通过迭代寻优,选择最佳模块组合并优化轨道,使采集效率、路径长度及时间等综合指标最优。具体算法实现了粒子状态更新、需求量差值评估及轨迹优化等功能,最终输出最优轨迹及其相关性能指标。
|
3月前
|
存储 缓存 算法
深入解析B树:数据结构、存储结构与算法优势
深入解析B树:数据结构、存储结构与算法优势
|
4月前
|
算法 Java 开发者
Java面试题:Java内存探秘与多线程并发实战,Java内存模型及分区:理解Java堆、栈、方法区等内存区域的作用,垃圾收集机制:掌握常见的垃圾收集算法及其优缺点
Java面试题:Java内存探秘与多线程并发实战,Java内存模型及分区:理解Java堆、栈、方法区等内存区域的作用,垃圾收集机制:掌握常见的垃圾收集算法及其优缺点
39 0
下一篇
无影云桌面