多元Huffman编码问题

题目链接
题意:最多可以让k堆合并,每一次合并的花费为河合并堆的数量,问最多和最少的花费。
题解:最少的花费一定是每次合并的堆数尽可能多,这样我们就会减少前面已经合并的堆的重复计算。所以,每次合并k堆时最少,每次合并2堆时最大。

另外,最少的时候,我们应该将重复堆的石子数量尽可能大;而最大的时候应该将重复堆的石子数量尽可能少。所以,最大的应该是从大到小排序,最小的额应该是从小到大排序。

这里当然还有一个小细节就是计算最小的时候,应该将最开始的堆数用0填补成%(k-1)=1的形式,具体我们可以看下面的图:
在这里插入图片描述
假设我们的样例如上:
我们假设没有补0,我们处理的时候会按照下面的方式:
在这里插入图片描述
这样我们会发现3被重复加了3次。
如果我们补了0后,会进行下面的操作:
在这里插入图片描述
这样3被处理了两次。
这样我们发现,下面的更小。
下面是AC代码:

#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
#include<queue>
using namespace std;
#define int long long
int min(int a,int b)
{
    if(a>b) return b;
    else return a;
}
int a[1005];
signed main()
{
    int n,k;
    cin>>n>>k;
    priority_queue<int,vector<int>,greater<int> > h1;//小的在前
    priority_queue<int> h2;//大的在前
    //最大的每次合并两堆即可,小的每次合并k堆
    for(int i=1;i<=n;i++)
    {
        int x;
        cin>>x;
        h1.push(x);
        h2.push(x);
    }
    while(h1.size()%(k-1)!=1) h1.push(0);//补成至少为k的数量,这一点值得注意
    int mx=0,mi=0;
    while(h1.size()>1)//计算小的
    {
        int kk=0;
        int num=h1.size();
        for(int i=1;i<=k;i++)
        {
            kk+=h1.top();
            h1.pop();
        }
        h1.push(kk);
        mi+=kk;
    }
    while(h2.size()>1)//计算大的
    {
        int kk=0;
        int num=h2.size();
        for(int i=1;i<=min(num,2);i++)
        {
            kk+=h2.top();
            h2.pop();
        }
        h2.push(kk);
        mx+=kk;
    }
    cout<<mx<<" "<<mi<<endl;
    return 0;
}

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用[1]和引用,Huffman编码问题的贪心算法可以描述如下: 1. 统计每个字符出现的频率,并将每个字符看作一个权值为其频率的节点。 2. 将所有节点按照权值从小到大排序。 3. 选取权值最小的两个节点,将它们合并成一个新节点,新节点的权值为这两个节点的权值之和。 4. 将新节点插入到节点列表中,并将节点列表按照权值从小到大排序。 5. 重复步骤3和4,直到只剩下一个节点为止。 6. 对于每个字符,从根节点开始,向左走为0,向右走为1,直到到达该字符所对应的叶子节点,记录下所经过的路径即为该字符的Huffman编码。 以下是Python实现代码: ```python import heapq from collections import defaultdict def huffman_encoding(data): # 统计每个字符出现的频率 freq = defaultdict(int) for char in data: freq[char] += 1 # 将每个字符看作一个权值为其频率的节点 nodes = [(f, char) for char, f in freq.items()] # 构建Huffman树 heapq.heapify(nodes) while len(nodes) > 1: f1, left = heapq.heappop(nodes) f2, right = heapq.heappop(nodes) heapq.heappush(nodes, (f1 + f2, (left, right))) # 生成Huffman编码 encoding = {} def generate_encoding(node, prefix=''): if isinstance(node, str): encoding[node] = prefix else: generate_encoding(node[0], prefix + '0') generate_encoding(node[1], prefix + '1') generate_encoding(nodes[0][1]) # 对原始数据进行编码 encoded_data = ''.join(encoding[char] for char in data) return encoded_data, encoding def huffman_decoding(encoded_data, encoding): # 将编码表翻转,方便解码 decoding = {code: char for char, code in encoding.items()} # 解码 decoded_data = '' code = '' for bit in encoded_data: code += bit if code in decoding: decoded_data += decoding[code] code = '' return decoded_data ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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