题目描述
为了装修新房,你需要加工一些长度为正整数的棒材 sticks。
如果要将长度分别为 X 和 Y 的两根棒材连接在一起,你需要支付 X + Y 的费用。 由于施工需要,你必须将所有棒材连接成一根。
返回你把所有棒材 sticks 连成一根所需要的最低费用。注意你可以任意选择棒材连接的顺序。
示例 1:
输入:sticks = [2,4,3]
输出:14
解释:先将 2 和 3 连接成 5,花费 5;再将 5 和 4 连接成 9;总花费为 14。
示例 2:
输入:sticks = [1,8,3,5]
输出:30
提示:
1 <= sticks.length <= 10^4
1 <= sticks[i] <= 10^4
解题思路
- 首先看下提示中的数据范围,发现长度是 1 0 4 10^4 104数量级的,这样一来, O ( n 2 ) O(n^2) O(n2)的算法就是不能用了。
- 接下来我们考虑 O ( n l o g n ) O(nlogn) O(nlogn)的算法。
- 通过观察数据可知,我们希望尽量多使用长度短的,少使用长度长的。换句话说,我们希望先将短的加成长的。这样可以尽量少使用长的,来降低总的成本。
- 这里就可以使用贪心的算法设计思路来设计算法了。
- 再进一步,我们发现,这个思路和哈夫曼编码的思路很像,具体而言,他们都是让权重大的数据编码长度小一点。
- 所以,哈夫曼编码的思路也是可以借鉴的。
- 而哈夫曼编码的思路是可以优化的,具体而言,在单单求整体编码长度的时候,我们不需要将整个树构建出来,而是只需要将每次两个节点权重相加的结果加入答案即可。
- 仔细想来,是可以想明白的:第一次相加的时候,他们就像是在底层一样,就是使用一位就能编码,所以对答案的贡献就是总长;第二次加的时候,他们就在第二层了,需要两位才能编码,贡献就是总长的两倍,以此类推。
- 这道题的思路也是一样的。
class Solution {
public:
int countSmaller(vector<int>& nums) {
priority_queue<int, vector<int>, greater<> > Heap;
for (int num: nums)
Heap.push(num);
int ans(0);
while (Heap.size() > 1) {
int x = Heap.top(); Heap.pop();
int y = Heap.top(); Heap.pop();
ans += (x + y);
Heap.push(x + y);
}
return ans;
}
};
补充知识点
-
这里面使用了优先队列 priority_queue。
-
priorty_queue是容器适配器,第一个参数是成员类型,第二个是底层容器,就是用什么来装数据。第三个参数是比较函数,great<>则说明是小元素优先级高,less<>相反
-
priority_queue是一个容器适配器,即把某个底层容器包装起来,好去模拟某种有新功能的数据结构。但这样也就丧失了底层容器的迭代器功能。priority_queue类模板需要提供三个参数:一个成员类型T,一个底层容器类型Container ,和一个比较函数Comp。底层容器默认用vector,而比较函数默认用std::less函数,越大的优先级越高。
-
例子priority_queue< int , vector , greater > que;意思是,这个priority_queue里的数据类型是int,它是用vector作为底层容器实现,并且用系统提供的greater函数作为比较标准。于是越小的数优先级越高。