leetcode 1167题 使用贪心的算法设计思路

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

1. 首先看下提示中的数据范围，发现长度是$10^4$数量级的，这样一来，$O(n^2)$的算法就是不能用了。
2. 接下来我们考虑$O(nlogn)$的算法。
3. 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。
4. 这里就可以使用贪心的算法设计思路来设计算法了。
5. 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。
6. 所以，哈夫曼编码的思路也是可以借鉴的。
7. 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。
8. 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。
9. 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

1. 这里面使用了优先队列 priority_queue。

2. 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

3. 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。

4. 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。