电子商务网站建设组织流程图,广州番禺营销型网站,app 网站 比较,济源网站建设费用堆的定义 堆#xff08;Heap#xff09;是一种特殊的完全二叉树结构#xff0c;通常分为最大堆和最小堆两种类型。
在最大堆中#xff0c;父节点的值总是大于或等于其子节点的值#xff1b;
而在最小堆中#xff0c;父节点的值总是小于或等于其子节点的值。
堆常用于实…堆的定义 堆Heap是一种特殊的完全二叉树结构通常分为最大堆和最小堆两种类型。
在最大堆中父节点的值总是大于或等于其子节点的值
而在最小堆中父节点的值总是小于或等于其子节点的值。
堆常用于实现优先队列在许多算法中也有重要应用比如堆排序、Dijkstra算法等。
堆的基本操作 插入向堆中添加一个新元素并调整堆以保持其性质。 删除移除堆顶元素最大或最小元素并重新调整堆。 获取最大/最小元素直接访问堆顶元素即可获得。
堆的实现
Python 的 heapq 模块提供了对堆的支持它实现了最小堆。以下是一个简单的例子
import heapq# 创建一个空堆
heap []# 向堆中插入元素
heapq.heappush(heap, 10)
heapq.heappush(heap, 20)
heapq.heappush(heap, 5)
print(heap)# 获取堆顶元素最小元素
min_element heap[0]
print(堆顶元素:, min_element)# 移除堆顶元素
heapq.heappop(heap)
print(移除堆顶元素后的堆:, heap)# 如果需要使用最大堆可以通过插入负值来模拟
max_heap []
heapq.heappush(max_heap, -10)
heapq.heappush(max_heap, -20)
heapq.heappush(max_heap, -5)
print(heap)max_element -max_heap[0] # 记得取负数得到原始的最大值
print(最大堆顶元素:, max_element)注意为了实现最大堆我们需要存储元素的负值
因为 Python 标准库中的heapq 模块只提供最小堆的功能。 【模板】堆
题目描述
给定一个数列初始为空请支持下面三种操作
给定一个整数 x x x请将 x x x 加入到数列中。输出数列中最小的数。删除数列中最小的数如果有多个数最小只删除 1 1 1 个。
输入格式
第一行是一个整数表示操作的次数 n n n。 接下来 n n n 行每行表示一次操作。每行首先有一个整数 o p op op 表示操作类型。
若 o p 1 op 1 op1则后面有一个整数 x x x表示要将 x x x 加入数列。若 o p 2 op 2 op2则表示要求输出数列中的最小数。若 o p 3 op 3 op3则表示删除数列中的最小数。如果有多个数最小只删除 1 1 1 个。
输出格式
对于每个操作 2 2 2输出一行一个整数表示答案。
输入输出样例 #1
输入 #1
5
1 2
1 5
2
3
2输出 #1
2
5说明/提示
【数据规模与约定】
对于 30 % 30\% 30% 的数据保证 n ≤ 15 n \leq 15 n≤15。对于 70 % 70\% 70% 的数据保证 n ≤ 1 0 4 n \leq 10^4 n≤104。对于 100 % 100\% 100% 的数据保证 1 ≤ n ≤ 1 0 6 1 \leq n \leq 10^6 1≤n≤106 1 ≤ x 2 31 1 \leq x \lt 2^{31} 1≤x231 o p ∈ { 1 , 2 , 3 } op \in \{1, 2, 3\} op∈{1,2,3}。 AC_code:
import heapq
hp []
n int(input())
for _ in range(n):a list(map(int, input().split()))op a[0]if op 1:heapq.heappush(hp, a[1])elif op 2:print(hp[0])else:heapq.heappop(hp)实战演练 牛客周赛 Round 82 E题 和和 方法思路 我们需要从两个数组中选择2m个下标使得前m个下标对应的a数组元素之和加上后m个下标对应的b数组元素之和最小。关键在于高效地找到这些下标的最优组合。 预处理前缀和后缀数组 pre_a[k]表示在前k个元素中选择m个最小的a数组元素之和。suf_b[k]表示从第k个元素到末尾中选择m个最小的b数组元素之和。 使用大根堆维护最小元素 遍历数组时维护一个大根堆确保堆中始终保存当前最小的m个元素。当堆的大小超过m时弹出最大的元素保持堆的大小为m。 遍历所有可能的分割点 对于每个可能的分割点k计算前k个元素的最小m个a之和加上从k1到末尾的最小m个b之和取最小值。
AC_code:
import heapqn, m map(int, input().split())
a list(map(int, input().split()))
b list(map(int, input().split()))pre_a [float(inf)] * (n 1)
heap [] # 最大堆通过存储负数模拟
sum_a 0 for i in range(1, n 1):heapq.heappush(heap, -a[i - 1]) # 将当前元素加入堆中存入负数表示最大堆sum_a a[i - 1] # 如果堆的大小超过 m则移除堆顶元素即最大的那个if len(heap) m:removed -heapq.heappop(heap)sum_a - removed# 如果堆中有正好 m 个元素则记录当前的前缀和if len(heap) m:pre_a[i] sum_a# 初始化后缀和数组 suf_b
suf_b [float(inf)] * (n 2)
heap [] # 清空堆
sum_b 0 # 计算后缀和
for i in range(n, 0, -1):heapq.heappush(heap, -b[i - 1]) # 将当前元素加入堆中存入负数表示最大堆sum_b b[i - 1] # 如果堆的大小超过 m则移除堆顶元素即最大的那个if len(heap) m:removed -heapq.heappop(heap)sum_b - removed# 如果堆中有正好 m 个元素则记录当前的后缀和if len(heap) m:suf_b[i] sum_bans float(inf)
for k in range(m, n-m 1):ans min(ans, pre_a[k] suf_b[k1])print(ans)代码解释 预处理前缀数组pre_a 使用大根堆维护前k个元素中最小的m个元素之和。每次添加元素后若堆的大小超过m则弹出最大元素保持堆的大小为m确保sum_a始终是前k个元素中最小的m个之和。 预处理后缀数组suf_b 从后往前遍历b数组同样使用大根堆维护从当前元素到末尾的最小的m个元素之和。处理方式与pre_a类似确保sum_b是当前处理段的最小m个元素之和。 遍历分割点k 遍历所有可能的k值计算pre_a[k]前k个元素的最小m个a之和和suf_b[k1]从k1到末尾的最小m个b之和的总和取最小值作为结果。 这种方法利用堆高效地维护了最小的m个元素之和预处理时间复杂度为O(n log m)遍历分割点的复杂度为O(n)整体复杂度为O(n log m)适用于大规模数据。 END 如果有更多问题或需要进一步的帮助可以在评论区留言讨论哦 如果喜欢的话请给博主点个关注 谢谢
