PQ Tree

最新推荐文章于 2022-02-11 15:34:50 发布
最新推荐文章于 2022-02-11 15:34:50 发布
阅读量4k 收藏 3
点赞数 2
分类专栏： 数据结构 文章标签： tree
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/philipsweng/article/details/45071289
版权
PQ树是一种数据结构，用于处理序列全排列问题，确保关键点排列在一起。PQ树上的节点分为P和Q两类，P类节点的儿子顺序不限，Q类节点的儿子必须左右有序。通过调整树的形态，保证关键节点排列合法。文章详细阐述了PQ树的操作和调整策略，包括节点分类、旋转函数等，并提供了相关习题。
摘要由CSDN通过智能技术生成 
                          PQ Tree
                        philipsweng

PQ树是用来解决将序列全排列，使得某些关键点排列在一起的问题的数据结构。

具体操作。
我们将PQ树上的点分为P,Q两种类型，P类型表示其儿子可以任意顺序排列，Q类型表示其儿子可以以从左到右排列或者从右到左排列。
并且PQ树上的一个叶子表示的就是全排列中的一个元素。
最终的可行方案是PQ树的先序遍历

当我们接受到一组新的点集S,表示我们需要将S中的点紧凑地排列在一起。
我们对于每个点维护一个值Bel,若此点的子树的叶子全都为关键点，则Bel= 1,若子树中没有关键点则为0,否则为2

我们考虑如何调整树的形态使得当前约束合法。
我们对当前节点的状态分类讨论。
我们的目的是要让节点子树中的关键节点都排列在一起。
若为Q类节点，
则我们从左到右判断Q的儿子的信息，
我们继续分类讨论儿子的信息
设当前节点的边集为E(E有顺序)设新排列为E1
0：若我们之前有一个儿子不为0，则之前的关键节点到这里已经结束了。E1中加入此节点
1：若之前已经关键节点排列结束了，我们现在又多一个关键节点，则非法。否则在E1中加入此节点。
2：非法情况同1.值得注意的是，假如出现了2，且之前出现过非0点，我们关键节点的排列也要结束。同时，我们在E1中加入此节点的儿子靠左(或靠右)的顺序(此步递归处理，因为我们需要其子树都要靠左（或靠右）)

若当前为P类节点，
我们需要新建一个Q类节点T,设T的边集为L。
我们先找到第一个2号节点P，此节点要

最低0.47元/天 解锁文章
PhilipsWeng
关注
专栏目录
[XSY] PQ树（区间DP）
Edward The Bunny 的博客
03-09 451
PQ树 对于非叶子节点，它只能调换它的儿子的顺序，却不能调换整颗子树的顺序 合法的PQ树都能表示出1,2,3,…,n 这个排列 有以上两点可以得出：PQ树的每棵子树对应的一定都是一段连续的数字区间 考虑区间DP，设f(l,r)f(l,r)f(l,r)表示数字l~r构成一棵PQ树的方案数 数字l~r 能够构成一棵子树 当且仅当 数字l~r 在题目给出的所有排列中都在一段连续区间中，我们定义这样的 [l,r] 是“好的” 若[l,r]不是"好的"，f(l,r)=0f(l,r)=0f(l,r)=0 若[l,r]
PQ树小结
yeziqing10的博客
07-22 3812
【目标】 求一个排列，满足若干限制，限制内容是：某个集合中的数，在最后生成的排列中要放在一起。 【节点】 首先，PQ树是一棵树。 叶节点和两种非叶节点，定义一个点的类型： 叶节点：代表0~n-1的一个数 非叶节点P：表示其儿子节点可以任意交换顺序 排列 非叶节点Q：表示其儿子节点只可 正序 或 反序 排列（注意，只有儿子结点，不是子树）在每次新增过程中，首先会给叶子节点标注关键点（即需
pqtrees
03-04
PQ树 查看pqtrees / docs / PQTree_presentation.pptx了解项目介绍。 如何安装 使用python版本> = 3.8 克隆此仓库 初始化虚拟环境： python3 -m venv /path/to/project cd venv/bin ; source activate pip install -r requirements.txt 如果使用PyCharm，则将项目解释器设置为/path/to/project/venv/bin/python3 为了可视化PQTree，可能需要安装graphviz 用法 基本的 可以在tests.py中查看：compare_oren（） 要从排列构造PQTree： PQTreeBuilder.from_perms(ListOfTuples) 要使用matplotlib可视化树，请执行以下操作： PQTre
PQ树及其例题
weixin_42975688的博客
02-11 593
PQ树 参考1 参考2 PQ树是什么？ PQ树构建 #include<iostream> #include<cstdio> #include<cstring> #include<algorithm> #include<cmath> #include<queue> #define re(a) scanf("%d",&a) #define r(i,a,b) for(int i=a;i<=b;i++) #defin
【XSY3929】PQ 树（区间dp）
ez_lcw的博客
03-10 208
题面 PQ 树 题解 注意到题目中提到了 “合法的 PQ 树都能表示出 1,2,3,⋯ ,n1,2,3,\cdots,n1,2,3,⋯,n 这个排列"。那么如果我们把所有叶子节点按它们的数字按 1∼n1\sim n1∼n 从左到右排，形成的 PQ 树是没有相交边的，也就是说不会出现这种情况： 你也可以理解成一棵子树一定存着的是一段连续的数字区间（顺序不一定是有序的）。 不难发现如果此时两课 PQ 树的形态不同，他们能表示出来的集合也不同。 那我们考虑区间dp，设 f(i,j)f(i,j)f(i,j) 表示
pq.zip_哈夫曼编码
09-23
哈夫曼编码是一种高效的数据压缩方法，它基于一种特殊的二叉树——哈夫曼树（Huffman Tree）来实现。这种编码方式在信息技术和计算机科学领域广泛应用，特别是在文本压缩、图像压缩以及数据传输中占据重要地位。理解...
Faiss PQ乘积量化的学习总结
flyingbird
02-21 2943
好久么有写东西了，看来做一件事情，坚持真的很难。今天为什么想到写东西，是因为我刚才看到之前学过的东西又两眼摸黑了，脑子是个好东西，可惜我么有，哈哈。俗话说，好记性不如烂笔头，我今天就把他记录下来，以免我的老年痴呆复发，哈哈 首先，简单介绍下Faiss，由Facebook开发并且开源的一款针对聚类和相似性搜索的库，使用C++语言编写，并提供Python接口，内部一些...
PQ-树 C++实现
07-10
PQ-树是一种高级的数据结构，一般用来解决特别约束的排列问题、平面判定等，解决问题的时间复杂度为O(n)，不过结构较为复杂，个人真正理解花了好久，上次的是国外的一个人写得代码，其中还有测试用的例子，貌似是根据国外提供的开源JGraphEd改编过来的，抽取了其中关于PQ-树结构那一部分代码，看懂花了我好多时间，嘿嘿~~
各种树
weixin_30909575的博客
04-10 131
二叉树 二叉查找树（BST） 笛卡尔树 MVP树 Top tree T树 自平衡二叉查找树 AA树 AVL树 左倾红黑树 红黑树 替罪羊树 伸展树 树堆 节点大小平衡树 B树 B+树 B*树...
自有分区大师 pq6.0中文版
06-23
pq6.0c可以很容易地改变分区大小、参数等，并且不会造成数据丢失，支持改变 FAT16/32 和 NTFS 的簇大小，可在 DOS 或任何 Windows 版本下访问 NTFS, Ext2FS 分区数据，支持 NTFS 分区的 MFT 优化，可转换 NTFS 分区的版本(XP <-> 2000 <-> NT) 。
PQ(product quantization) 算法---(一)
热门推荐
hairuiJY
07-08 3万+
转自：http://vividfree.github.io/   1. 引言Product quantization，国内有人直译为乘积量化，这里的乘积是指笛卡尔积（Cartesian product），意思是指把原来的向量空间分解为若干个低维向量空间的笛卡尔积，并对分解得到的低维向量空间分别做量化（quantization）。这样每个向量就能由多个低维空间的量化code组合表示。为简洁描述起见，...
走进数据结构 - 树(Tree)的世界
HDHunter的专栏
08-22 1735
节点 node ，根节点 root，叶子节点。树的度，兄弟节点，子孙节点，父节点。树：每个结点有零个或多个子结点；没有父结点的结点称为根结点；每一个非根结点有且只有一个父结点；除了根结点外，每个子结点可以分为多个不相交的子树；无序树：（自由树）有序树二叉树：包含最多两个子节点满二叉树平衡树平衡二叉树，AVL树：最先发明的自平衡二叉查找树算法。红黑树。
PQ(product quantization) 算法---(二)
hairuiJY
07-08 5935
PQ（productquantization）算法：乘积量化，这里的乘积为笛卡尔积；从字面理解包括了两个过程特征的分组量化过程和类别的笛卡尔积过程。它属于ANN(approximatenearest neighbor)算法。与它相关的算法有E2LSH（EuclideanLocality-SensitiveHashing）， KD-trees，K-means。假设有一个数据集： 由n个D维向量组成（...
一道面试题，内存受限的情况，如何在海量的数据中找到重复最多的
lsc740088022的专栏
04-25 1037
昨天，去腾讯面试，被一道
被PQ点名了....
weixin_34072637的博客
12-19 91
游戏规则： 1.由某个blog发起，出一个题目。 2.在自己的blog中完成题目，然后点名另外几个blog完成同样的题目。  3.另外的几个blog完成题目以后再分别点名，依次类推。 4.被点名的blog在完成题目时要注明被哪个blog点名。 5.不可回传，加一条自己出的题 最近在看的电视: 没电视看最近在做的事情： 努力成为一个好程序员.最近在听的音乐： Sarah_Khider的Mermai...
【Faiss】PQ和IVF介绍
mjiansun的专栏
05-21 1万+
Faiss是什么 Faiss是FAIR出品的一个用于向量k-NN搜索的计算库，其作用主要在保证高准确度的前提下大幅提升搜索速度，根据我们的实际测试，基于1600w 512维向量建库，然后在R100@1000 （即召回top 1000个，然后统计包含有多少个实际距离最近的top 100）= 87%的前提下单机15线程可以达到1000的qps，这个性能应该是可以满足大部分的推荐系统召回模块性能需求了。 向量搜索一例：把图片转换成向量然后进行k-NN搜索从而实现相似图片匹配功能 Faiss 的原理.
请用C++创建HuffmanTree和编码表
最新发布
05-10
好的，以下是C++实现HuffmanTree和编码表的示例代码： ```c++ #include <iostream> #include <queue> #include <unordered_map> using namespace std; struct Node { char ch; int freq; Node* left; Node* right; Node(char c, int f) : ch(c), freq(f), left(nullptr), right(nullptr) {} }; struct cmp { bool operator() (Node* a, Node* b) { return a->freq > b->freq; } }; Node* buildHuffmanTree(string s) { unordered_map<char, int> freqMap; for (char c : s) { freqMap[c]++; } priority_queue<Node*, vector<Node*>, cmp> pq; for (auto p : freqMap) { pq.push(new Node(p.first, p.second)); } while (pq.size() > 1) { Node* left = pq.top(); pq.pop(); Node* right = pq.top(); pq.pop(); Node* parent = new Node('$', left->freq + right->freq); parent->left = left; parent->right = right; pq.push(parent); } return pq.top(); } void buildEncodingTable(Node* root, string code, unordered_map<char, string>& encodingTable) { if (!root) { return; } if (root->ch != '$') { encodingTable[root->ch] = code; } buildEncodingTable(root->left, code + "0", encodingTable); buildEncodingTable(root->right, code + "1", encodingTable); } int main() { string s = "This is a test string."; Node* root = buildHuffmanTree(s); unordered_map<char, string> encodingTable; buildEncodingTable(root, "", encodingTable); for (auto p : encodingTable) { cout << p.first << ": " << p.second << endl; } return 0; } ``` 在这个例子中，我们首先通过遍历字符串计算每个字符的出现频率，然后将每个字符和对应的频率构建成一个节点，并用一个优先队列来维护这些节点。每次从队列中取出频率最小的两个节点，将它们合并成一个节点，并将这个新节点加入队列中。当队列中只有一个节点时，我们就构建好了Huffman Tree。接下来，我们对Huffman Tree进行前序遍历，同时记录每个字符对应的编码（向左为0，向右为1），并将其存放在一个哈希表中。最后，我们输出这个哈希表，即得到了编码表。 需要注意的是，这个示例代码中使用了unorderd_map来存放编码表。如果你的编译器不支持C++11的哈希表，可以使用STL库中的map来代替，但需要将编码表的类型改为map<char, string>。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值