多元Huffman编码问题【贪心算法】

• 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

说明：
（1）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。
（2）求最小费用时，将石堆排列后，每次合并的石堆数为K堆。但有时会出现特例，即每次合并K堆，最后一次合并时无法以K堆进行合并，这样合并的结果就不是最小费用了。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“0”堆来补齐缺少的堆数.。
例如共7堆最大合并5堆：
石子堆：45 13 12 5 9 22 16
这时排序后：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，得到 0 0 5 9 12 13 16 22 45，这时正好每次都合并5堆，最后合并为1堆，这时结果为148

• 解题思路

（1）分别创建一个递增的优先队列和一个递减的优先队列。创建队列的优点是可以对数字自动排序、取数等一些操作方便，如q.top();表示取队首元素。
（2）对于递增队列：① 先判断是否需要加“0”堆，需要就加；② 只要队列中的元素个数大于1（等价于队列中还至少有k堆石子，当然剩余石子堆数为k的整数倍），就对队列前k个元素进行处理。每次将队首加入到sum中，加完后就把队首弹出队列，继续处理下一个队首，直至处理了k个队首（即合并了k堆石子）。得到n个sum后，将sum累加起来，得到的就是最小费用。
（3）对于递减队列：方法同二，只是这里是连续处理2个队首。

• 代码实现

#include <bits/stdc++.h>
using namespace std;

int main()
{
    int n,k,x;   //x为每堆石子数
    long long sum1=0,sum2=0;   //sum1、sum2分别为最小总费用和最大总费用
    priority_queue<int, vector<int>, greater<int> > q1;   //创建递增的优先队列
    priority_queue<int, vector<int>, less<int> > q2;   //创建递减的优先队列
    cin>>n>>k;
    for(int i=0;i<n;i++)   //输入每堆石子数并压入优先队列中
    {
        cin>>x;
        q1.push(x);
        q2.push(x);
    }
    while(q1.size()%(k-1)!=1)   //判断q1能否每次合并k堆且恰好合并完
        q1.push(0);   //不能合并完，就要压入“0”
    while(q1.size()>1)
    {
        long long sum=0;
        for(int i=0;i<k;i++)   //每次都是队首前k堆合并
        {
            sum+=q1.top();   //前k堆每堆的费用加入到临时变量sum中
            q1.pop();   //队首的这堆石子合并后，将它弹出队列
        }
        sum1+=sum;   //将前k堆的费用加入到总费用中
        q1.push(sum);   //这个前k堆的费用压入队列中
    }

    while(q2.size()>1)
    {
        long long sum=0;
        for(int i=0;i<2;i++)
        {
             sum+=q2.top();
             q2.pop();
        }
        sum2+=sum;
        q2.push(sum);
    }
    cout<<sum2<<" "<<sum1<<endl;
    return 0;
}

• 运行结果