多元Huffman编码问题-优先队列

该问题探讨了如何使用优先队列解决一个涉及合并石子堆的优化问题,目标是计算在特定限制下合并成一堆石子的最大和最小总费用。算法设计中关键在于理解优先队列(priority_queue)的使用,以高效地处理合并过程。
摘要由CSDN通过智能技术生成

多元Huffman编码问题
Time Limit: 1000 ms Memory Limit: 65536 KiB

Problem Description
在一个操场的四周摆放着n堆石子。现要将石子有次序地合并成一堆。规定每次至少选2 堆最多选k堆石子合并成新的一堆,合并的费用为新的一堆的石子数。试设计一个算法,计算出将n堆石子合并成一堆的最大总费用和最小总费用。
对于给定n堆石子,计算合并成一堆的最大总费用和最小总费用。

Input
输入数据的第1 行有2 个正整数n和k(n≤100000,k≤10000),表示有n堆石子,每次至少选2 堆最多选k堆石子合并。第2 行有n个数(每个数均不超过 100),分别表示每堆石子的个数。

Output
将计算出的最大总费用和最小总费用输出,两个整数之间用空格分开。

Sample Input

7 3
45 13 12 16 9 5 22

Sample Output

593 199

这里用到优先队列,自行学习
优先队列 priority_queue 详解

求最大费用时只需将石堆排列后从大到小,两两进行合并即可
求最小费用时,将石堆排列后,要尽可能的合并最少的次数且每次合并的石堆数为K堆
在求最小费用时,有时会出现特例,即每次合并K堆,最后一次合并时无法以K堆进行合并,
这样的话合并的结果就不是最小费用了,我们要将最小的堆合并最多次这样结果才会最小,
所以就要先判断原总堆数是否能使每次合并的堆数都为K堆,
如果不能的话就要在原堆数前面加上 X 个个数为0的堆来补齐缺少的堆数
例如共7堆最大合并5堆
石堆数 45 13 12 5 9 22 16
这时排序后为5 9 12 13 16 22 45
如果先合并前5堆 这样结果就为177
如果补零的话 0 0 5 9 12 13 16 22 45,每次合并K堆,结果为148

例题,排序5, 9, 12, 13, 16, 22, 45

最小:
判断是否需要添加0,不需要,进入加和,5 + 9 + 12 = 26;sum1 = 26,26进队;
13, 16, 22,26, 45;13 + 16 + 22 = 51;sum1 = 26 + 51 = 77,51进队;
26, 45, 51,26 + 45 + 51 = 122;sum1 = 77 + 122 = 199,结束。
最大:
45, 22, 16, 13, 12, 9, 5 ;
45 + 22 = 67;sum = 67,sum2 = 67,67进队;
67 + 16 = 83;sum = 67 + 16 = 83;sum2 = 83 + 67 = 150;150进队;
83 + 13 = 96;sum = 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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