leetcode75颜色分类——堆排序
采用最小堆进行处理
func sortColors(nums []int) {
n := len(nums)
b := n-1
for i:=0; i <= b; i++{
MinHeap(nums, i, b)
}
}
func MinHeap(nums []int, a int, b int){//将nums数组中从a到b的元素看作一个最小堆,进行处理
n := b - a + 1
for i := a + n/2 - 1; i >= a; i--{
HeapAdjust(nums, a, b, i)
}
}
func HeapAdjust(nums []int, a int, b int, i int){//将最小堆中的第i个数的位置进行调整
wn := nums[i] //需要调整的数据
max := i
j := 2*i-a+1
for j <= b{
if j < b && nums[j+1] < nums[j] {
j += 1
}
if nums[i] < nums[j] {
break
}
max = j
nums[i] = nums[max]
i = max
j = 2*i-a+1
}
nums[max] = wn
}
洛谷1090合并果子——堆的实战利用
- 注意重整函数的参数中的长度m非常重要,给该函数传递长度不仅可以避免使用vector,同时也可以方便后续继续修改堆的长度。
AC代码
#include<iostream>
using namespace std;
int n, x1, sum, ans;
int hp[10005];
// 表示对长度为m的堆中的第s个进行重整
void HeapAdjust(int s, int m) {
int tmp = hp[s];
for(int j = s*2; j <= m; j*=2) {
if(j < m && hp[j] > hp[j+1]) ++j;
if(tmp <= hp[j]) break;
hp[s] = hp[j]; s = j;
}
hp[s] = tmp;
}
int main() {
cin >> n;
for(int i = 1; i <= n; i++) cin >> hp[i];
//维护出小顶堆
for(int i = n/2; i > 0; i--) HeapAdjust(i, n);
for(int i = 1; i <= n-1; i++) {
x1 = hp[1]; // 取出第一个最小值
hp[1] = hp[n-i+1];
HeapAdjust(1, n-i);
sum = x1 + hp[1]; // 每合并一次的总和
hp[1] = sum;
HeapAdjust(1, n-i);
ans += sum;
}
cout << ans;
return 0;
}
洛谷P1138第k小整数
求解一串数的第k小的数
1)方法:
主席树(可持续化线段树)(还没有学习orz)
快速排序之后再去重即可
2)辨析
- 主席树:求解第k小的数(具体可以干啥,后面学习之后再补充)
- 堆排序:使用于关键字较多的情况,例如,在一亿个数中选出前100个最大值?先建立一个大小为100的最小堆,然后一次读入余下的数,若小于堆顶则舍弃,否则用该数取代堆顶并重新调整堆,待数据读取完毕,堆中100个数即为所求。
洛谷P1918保龄球——哈希表
1)技巧:对于数组内容和下标互相关联,而且需要对其进行排序时,可以考虑使用c++内置的map。map 提供键值对来解决此类问题
//p1918保龄球
#include<iostream>
#include<map>
using namespace std;
map<int, int> a;
int main(){
int n, x, m, Q;
scanf("%d",&n);
for(int i = 1; i <= n; i++){ scanf("%d", x); a[x] = i}
scanf("%d",&Q);
for(int i = 1; i <= Q; i++){
scanf("%d", &m);
printf("%d\n", a[m]);
}
return 0;
}
2)常规解法:结构体快速排序(键值对一起排序)+ 二分查找
- 二分查找算法实现
//binary_search
洛谷P1309瑞士轮——深入理解归并排序
- 归并排序有两种方式,递归形式的以及迭代形式的
第一种:递归形式的归并排序
最原始的基于递归的归并排序:
(这种归并排序算法一般不怎么使用,因为实用性比较低)
void Merge(int array[], int l, int mid, int r) {
//要归并[l, mid] 以及 [mid+1, r] 两部分的数字
int *temp = new int[r-l+1];//临时数组
int i, j ,k = 0;
for(i = l, j = mid+1; i <= mid && j <= r; ) {
if(array[i] < array[j]) temp[k++] = array[i++];
else temp[k++] = array[j++];
}
while(i <= mid) temp[k++] = array[i++];
while(j <= r) temp[k++] = array[j++];
memcpy(array+l, temp, (r-l+1)*sizeof(int));//拷贝到array中
delete[] temp;
}
void MergeSort(int array[], int l, int r) {//按照升序排序
if(l >= r) return;
int mid = (l+r)/2;
MergeSort(array, l, mid);
MergeSort(array, mid+1, r);
Merge(array, l, mid, r);
}
- 这种基本的归并排序时间和空间复杂度都比较稳定,但是也有很多地方可以改良。下面讨论两种比较常见的优化方案
- 在处理规模比较小的数组排序时,往往插入排序比归并排序要快,所以可以在归并排序递归的小规模子问题上直接转用插入排序。只需要在递归函数的结束条件处稍加改良即可。
//原来
if(l >= r) return;
//改进后
if(r - l <= 10) {
InsertSort(array, l , r);
return;
}
改进后的递归结束条件不仅可以在适当的时候结束递归,还可以在子问题规模较小的时候将排序转交给插入排序处理。
- 在归并时检查,如果两个子数组本身就可以直接合并,并且还不会影响其有序性,那么也就不用花时间去合并了。
void Merge(int array[], int l, int mid, int r) {
//此处加上一行判断条件,如果有序,直接退出,不用花时间归并!
if(array[mid] <= array[mid+1]) return;
//要归并[l, mid] 以及 [mid+1, r] 两部分的数字
int *temp = new int[r-l+1];//临时数组
int i, j ,k = 0;
for(i = l, j = mid+1; i <= mid && j <= r; ) {
if(array[i] < array[j]) temp[k++] = array[i++];
else temp[k++] = array[j++];
}
while(i <= mid) temp[k++] = array[i++];
while(j <= r) temp[k++] = array[j++];
memcpy(array+l, temp, (r-l+1)*sizeof(int));//拷贝到array中
delete[] temp;
}
第二种:基于迭代形式的归并排序
基于迭代的二路归并排序思想。将数组中元素两两归并,然后再进行两个子数组两两归并,一直进行到得到一个长度为N的原数组即可。
void MergeSort(int array[]) {//按照升序排序
int N = array.size();
for(int size = 1; size < N; size *= 2) {
//让low+size小于N,确保最后一次的归并有两个区间
for(int low = 0; low+size < N; low += 2*size) {
int mid = low+size-1;
int high = low + 2*size - 1;
if(high > N-1) high = N-1;
//合并的函数并没有改变,只是需要重新得到新的mid和high
Merge(array, low, mid, high);
}
}
}