leetcode 3081

leetcode 3081

题目

在这里插入图片描述

例子

在这里插入图片描述

思路

使用minheap 记录字符出现频次

代码

class Solution {
public:
    string minimizeStringValue(string s) {
        int freq[26]{};
        for(char c: s){
            if(c != '?'){
                freq[c-'a']++;
            }
        }

        //std::greater<> 比较器比较 pair 对象时,默认比较规则是先比较第一个元素
        priority_queue<pair<int, char>, vector<pair<int, char>>, greater<>> minheap;

        for(int i=0; i<26; i++){
            minheap.push({freq[i], 'a'+i});
        }

        int q = ranges::count(s, '?');
        string tmp(q,0);
        for(int i =0; i<q; i++){
            auto [f,c] = minheap.top();
            minheap.pop();
            tmp[i] = c;
            // c代替了'?', 更新minheap
            minheap.push({f+1,c});
        }

        for(int i=0, j=0; i<s.size(); i++){
            if(s[i] == '?'){
                s[i] = tmp[j];
                j++;
            }
        }

        return s;
    }
};

在这里插入图片描述

分析

在这里插入图片描述

priority_queue

要使用 pair 类型的 priority_queue 声明最小堆,可以通过指定自定义的比较器来实现。在比较器中,我们需要定义如何比较两个 pair 对象,以确保最小的元素在队首。

以下是一个示例代码,演示如何声明一个 pair 类型的 priority_queue,并使用自定义比较器来实现最小堆:

#include <iostream>
#include <queue>
#include <utility>

// 自定义比较器,用于实现最小堆
struct ComparePairs {
    bool operator() (const std::pair<int, int>& p1, const std::pair<int, int>& p2) {
        return p1.first > p2.first; // 按照 pair 的第一个元素升序排序
    }
};

int main() {
    std::priority_queue<std::pair<int, int>, std::vector<std::pair<int, int>>, ComparePairs> minHeap;

    minHeap.push({3, 1});
    minHeap.push({1, 2});
    minHeap.push({5, 3});
    minHeap.push({2, 4});

    std::cout << "Min Heap elements: ";
    while (!minHeap.empty()) {
        std::pair<int, int> topPair = minHeap.top();
        std::cout << "(" << topPair.first << ", " << topPair.second << ") ";
        minHeap.pop();
    }

    return 0;
}

在上面的代码中,我们首先定义了一个自定义的比较器 ComparePairs,用于比较两个 pair 对象。在比较器中,我们按照 pair 的第一个元素来进行升序排序,以实现最小堆。

然后,我们声明了一个 pair<int, int> 类型的 priority_queue,并指定了底层容器为 vector<pair<int, int>> 和比较器为 ComparePairs,从而创建了一个最小堆。

接着,我们向最小堆中插入一些 pair 对象,并通过 top 和 pop 方法访问和删除堆顶元素,最终打印出堆中的元素。

在上面的示例代码中,定义了一个自定义的比较器 ComparePairs,其中重载了函数调用运算符 operator()。在使用 priority_queue 时,当需要比较两个元素的大小以确定它们在堆中的顺序时,会调用这个比较器中重载的 operator() 函数。

在这个例子中,ComparePairs 结构体中的 operator() 函数定义了如何比较两个 pair<int, int> 对象。具体来说,我们在函数中比较了两个 pair 对象的第一个元素,以确保最小的元素在队首。这个比较逻辑决定了在 priority_queue 中元素的排序顺序。

当创建 priority_queue 对象时,通过指定自定义的比较器 ComparePairspriority_queue 在需要比较两个元素时会调用该比较器中的 operator() 函数。这样就确保了在插入、弹出或访问元素时,元素会按照我们定义的比较逻辑进行排序。

greater

std::greater<> 是一个函数对象,用于实现严格的降序排序。它定义在 <functional> 头文件中,并可以用作比较器,用于比较两个元素并确定它们的顺序。

当使用 std::greater<> 作为比较器时,它会按照严格的降序排列元素,即较大的元素会排在前面。这在实现最小堆的 priority_queue 中非常有用,因为最小堆要求堆顶元素是最小的。

std::greater<> 是一个模板类,可以根据需要指定元素的类型。例如,std::greater<int> 用于比较整数类型的元素,std::greater<double> 用于比较双精度浮点数类型的元素。

在使用 std::greater<> 时,通常会将其作为模板参数传递给容器或算法,以指定降序排序的方式。除了在 priority_queue 中使用外,std::greater<> 还可以在 std::sort 等算法中用作比较器来实现降序排序。

std::greater<> 是一个非常方便的函数对象,用于实现降序排序。通过使用它,我们可以轻松地按照降序排列元素,而无需自定义比较器。

除了 greater 之外,C++ 标准库中还提供了其他一些类似的函数对象,用于比较元素大小或实现自定义的比较逻辑。一些常用的函数对象包括:

  1. less:用于升序排序,类似于 std::less<T>,在 priority_queue 中可以用于实现最小堆。
  2. greater_equal:用于大于等于比较,类似于 std::greater_equal<T>,可以用于实现最大堆。
  3. less_equal:用于小于等于比较,类似于 std::less_equal<T>,可以用于实现最小堆。
  4. not_equal_to:用于不等于比较,类似于 std::not_equal_to<T>,可以用于实现特定的排序逻辑。

这些函数对象都定义在 <functional> 头文件中,并且可以在 priority_queue 的声明中作为比较器来使用,以实现不同的排序方式。

除了标准库提供的函数对象外,您也可以自定义比较器,通过重载函数调用运算符 operator() 来实现特定的比较逻辑,从而创建最大堆、最小堆或其他自定义的排序方式。

希望这个回答能够帮助您了解除了 greater 外还有哪些类似的函数对象。如果您有任何其他问题或需要进一步解释,请随时告诉我。我随时准备帮助您。

最小堆和最大堆

最大堆(Max Heap)和最小堆(Min Heap)是堆(Heap)数据结构的两种常见形式,它们都是完全二叉树,并且具有一些特定的性质:

  1. 最大堆(Max Heap):

    • 在最大堆中,对于任意节点 i,其父节点的值大于等于节点 i 的值。
    • 最大堆中的根节点(堆顶元素)始终是整个堆中的最大元素。
    • 最大堆通常用于实现优先队列,以便在常数时间内获取和删除最大元素。
  2. 最小堆(Min Heap):

    • 在最小堆中,对于任意节点 i,其父节点的值小于等于节点 i 的值。
    • 最小堆中的根节点(堆顶元素)始终是整个堆中的最小元素。
    • 最小堆通常用于实现优先队列,以便在常数时间内获取和删除最小元素。

堆的插入和删除操作会保持堆的性质不变,即插入元素时会保持堆的有序性,删除元素时会重新调整堆以满足堆的性质。

在 C++ 中,可以使用 std::priority_queue 来实现堆,通过指定合适的比较器(如 std::lessstd::greater)可以实现最小堆或最大堆。堆的操作时间复杂度为 O(log n),其中 n 是堆中元素的数量。

总结来说,最大堆和最小堆都是一种特殊的二叉树结构,用于高效地维护一组元素中的最大值或最小值。它们在算法和数据结构中有着广泛的应用,例如在排序算法、图算法和优先队列等领域。希望这个简要介绍对您有帮助。如果您有任何进一步的问题,请随时告诉我。我很乐意帮助您。

“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