合并果子 / [USACO06NOV] Fence Repair G

题目描述

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−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 1 ，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 3 种果子，数目依次为 1 ， 2 ， 9 。可以先将 1 、 2 堆合并，新堆数目为 3 ，耗费体力为 3 。接着，将新堆与原先的第三堆合并，又得到新的堆，数目为 12 ，耗费体力为 12 。所以多多总共耗费体力 3+12=15 。可以证明 15 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) ，表示果子的种类数。

第二行包含 n 个整数，用空格分隔，第 i 个整数 ai​(1≤ai​≤20000) 是第 i 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 2^31 。

输入输出样例

输入 #1复制

3 
1 2 9 

输出 #1复制

15

说明/提示

对于 30% 的数据，保证有n≤1000：

对于 50% 的数据，保证有 n≤5000；

对于全部的数据，保证有 n≤10000。

#include <iostream>
#include <queue>

using namespace std;

int main() {
    int n;
    cin >> n;

    priority_queue<int, vector<int>, greater<int>> pq; // 创建一个最小堆

    // 将果子数目放入最小堆中
    for (int i = 0; i < n; i++) {
        int num;
        cin >> num;
        pq.push(num);
    }

    int totalCost = 0;

    // 从最小堆中取出两个最小值进行合并，并将合并后的结果放回堆中，直到堆中只剩下一个元素为止
    while (pq.size() > 1) {
        int a = pq.top();  // 取出堆顶元素
        pq.pop();  // 移除堆顶元素
        int b = pq.top();  // 取出新的堆顶元素
        pq.pop();  // 移除新的堆顶元素
        int newPile = a + b;  // 合并两堆果子
        totalCost += newPile;  // 更新总体力消耗
        pq.push(newPile);  // 将合并后的结果放回堆中
    }

    cout << totalCost;  // 输出合并总体力消耗

    return 0;
}

priority_queue是C++ STL中的一个容器适配器，它提供了基于优先级的元素访问，通常用于实现优先队列。priority_queue中的元素按照一定的顺序进行排列，并且在访问时具有反向顺序，即最重要的（最大或最小）元素总是位于队列的前面。

以下是priority_queue的基本用法介绍：

1. 包含头文件

#include <queue>

1. 创建priority_queue

priority_queue<int> pq;  // 创建一个默认的最大堆

1. 创建最小堆

priority_queue<int, vector<int>, greater<int>> minPq;  // 创建一个最小堆

1. 插入元素

pq.push(5);  // 向最大堆中插入元素
minPq.push(3);  // 向最小堆中插入元素

1. 获取堆顶元素

int topElement = pq.top();  // 获取最大堆的堆顶元素
int minTopElement = minPq.top();  // 获取最小堆的堆顶元素

1. 弹出堆顶元素

pq.pop();  // 弹出最大堆的堆顶元素
minPq.pop();  // 弹出最小堆的堆顶元素

1. 获取堆的大小

int size = pq.size();  // 获取最大堆的大小
int minSize = minPq.size();  // 获取最小堆的大小

priority_queue的底层实现通常使用堆（heap）数据结构，因此在插入、删除元素时具有较好的时间复杂度。同时，通过使用不同的比较函数可以实现最大堆和最小堆，从而满足不同的业务需求