> 作者:დ旧言~
> 座右铭:松树千年终是朽,槿花一日自为荣。> 目标:熟练掌握优先级队列算法。
> 毒鸡汤:学习,学习,再学习 ! 学,然后知不足。
> 专栏选自:刷题训练营
> 望小伙伴们点赞👍收藏✨加关注哟💕💕
🌟前言分析
最早博主续写了牛客网130道题,这块的刷题是让同学们快速进入C语言,而我们学习c++已经有一段时间了,知识储备已经足够了但缺少了实战,面对这块短板博主续写刷题训练,针对性学习,把相似的题目归类,系统的刷题,而我们刷题的官网可以参考:
⭐知识讲解
基本思想:
- 采用模拟细想
- 使用堆来解决问题
🌙topic-->1
题目链接:1. - 力扣(LeetCode)
题目分析:
有一堆石头,每块石头的重量都是正整数。
每一回合,从中选出两块 最重的 石头,然后将它们一起粉碎。假设石头的重量分别为 x
和 y
,且 x <= y
。那么粉碎的可能结果如下:
- 如果
x == y
,那么两块石头都会被完全粉碎; - 如果
x != y
,那么重量为x
的石头将会完全粉碎,而重量为y
的石头新重量为y-x
。
最后,最多只会剩下一块石头。返回此石头的重量。如果没有石头剩下,就返回 0
。
算法原理:
- 解法:用堆模拟
图解:
代码演示:
class Solution {
public:
int lastStoneWeight(vector<int>& stones) {
// 1. 创建⼀个⼤根堆
priority_queue<int> heap;
// 2. 将所有元素丢进这个堆⾥⾯
for (auto x : stones)
heap.push(x);
// 3. 模拟这个过程
while (heap.size() > 1) {
int a = heap.top();
heap.pop();
int b = heap.top();
heap.pop();
if (a > b)
heap.push(a - b);
}
return heap.size() ? heap.top() : 0;
}
};
🌙topic-->2
题目链接:2. - 力扣(LeetCode)
题目分析:
设计一个找到数据流中第 k
大元素的类(class)。注意是排序后的第 k
大元素,不是第 k
个不同的元素。
算法原理:
- 解法:用堆模拟
图解:
代码演示:
class KthLargest {
// 创建⼀个⼤⼩为 k 的⼩跟堆
priority_queue<int, vector<int>, greater<int>> heap;
int _k;
public:
KthLargest(int k, vector<int>& nums) {
_k = k;
for (auto x : nums) {
heap.push(x);
if (heap.size() > _k)
heap.pop();
}
}
int add(int val) {
heap.push(val);
if (heap.size() > _k)
heap.pop();
return heap.top();
}
};
细节处理:
我们的元素个数肯定是不能 K 的,大于 K 就让堆取出一个元素。
🌙topic-->3
题目链接:3. - 力扣(LeetCode)
题目分析:
给定一个单词列表 words
和一个整数 k
,返回前 k
个出现次数最多的单词。
返回的答案应该按单词出现频率由高到低排序。如果不同的单词有相同出现频率, 按字典顺序 排序。
算法原理:
- 解法:采用堆来解决TopK问题
图解:
代码演示:
class Solution {
typedef pair<string, int> PSI;
struct cmp {
bool operator()(const PSI& a, const PSI& b) {
if (a.second == b.second) // 频次相同,字典序按照⼤根堆的⽅式排列
{
return a.first < b.first;
}
return a.second > b.second;
}
};
public:
vector<string> topKFrequent(vector<string>& words, int k) {
// 1. 统计⼀下每⼀个单词的频次
unordered_map<string, int> hash;
for (auto& s : words)
hash[s]++;
// 2. 创建⼀个⼤⼩为 k 的堆
priority_queue<PSI, vector<PSI>, cmp> heap;
// 3. TopK 的主逻辑
for (auto& psi : hash) {
heap.push(psi);
if (heap.size() > k)
heap.pop();
}
// 4. 提取结果
vector<string> ret(k);
for (int i = k - 1; i >= 0; i--) {
ret[i] = heap.top().first;
heap.pop();
}
return ret;
}
};
🌙topic-->4
题目链接:4. - 力扣(LeetCode)
题目分析:
中位数是有序整数列表中的中间值。如果列表的大小是偶数,则没有中间值,中位数是两个中间值的平均值。
算法原理:
- 解法:采用堆方法解决问题
图解:
代码演示:
class MedianFinder {
priority_queue<int> left; // ⼤根堆
priority_queue<int, vector<int>, greater<int>> right; // ⼩根堆
public:
MedianFinder() {}
void addNum(int num) {
// 分类讨论即可
if (left.size() == right.size()) // 左右两个堆的元素个数相同
{
if (left.empty() || num <= left.top()) // 放 left ⾥⾯
{
left.push(num);
} else {
right.push(num);
left.push(right.top());
right.pop();
}
} else {
if (num <= left.top()) {
left.push(num);
right.push(left.top());
left.pop();
} else {
right.push(num);
}
}
}
double findMedian() {
if (left.size() == right.size())
return (left.top() + right.top()) / 2.0;
else
return left.top();
}
};
🌟结束语
今天内容就到这里啦,时间过得很快,大家沉下心来好好学习,会有一定的收获的,大家多多坚持,嘻嘻,成功路上注定孤独,因为坚持的人不多。那请大家举起自己的小手给博主一键三连,有你们的支持是我最大的动力💞💞💞,回见。