力扣75——堆/优先队列

总结leetcode75中的堆/优先队列算法题解题思路。
上一篇：力扣75——图广度优先搜索

1 数组中的第K个最大元素

题目：

给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。

请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。

题解：
最大堆。
建立最大堆。然后依次取出k-1个，每取一个就重新修复最大堆。最后堆顶元素即为所求值。

class Solution {
public:
    void maxHeapify(vector<int>& a, int i, int heapSize) {
        int l = i * 2 + 1, r = i * 2 + 2, largest = i;
        if (l < heapSize && a[l] > a[largest]) {
            largest = l;
        } 
        if (r < heapSize && a[r] > a[largest]) {
            largest = r;
        }
        if (largest != i) {
            swap(a[i], a[largest]);
            maxHeapify(a, largest, heapSize);
        }
    }

    void buildMaxHeap(vector<int>& a, int heapSize) {
        for (int i = heapSize / 2; i >= 0; --i) {
            maxHeapify(a, i, heapSize);
        } 
    }

    int findKthLargest(vector<int>& nums, int k) {
        int heapSize = nums.size();
        buildMaxHeap(nums, heapSize);
        for (int i = nums.size() - 1; i >= nums.size() - k + 1; --i) {
            swap(nums[0], nums[i]);
            --heapSize;
            maxHeapify(nums, 0, heapSize);
        }
        return nums[0];
    }
};

2 无限集中的最小数字

题目：

现有一个包含所有正整数的集合 [1, 2, 3, 4, 5, ...] 。

实现 SmallestInfiniteSet 类：

SmallestInfiniteSet() 初始化 SmallestInfiniteSet 对象以包含 所有 正整数。
int popSmallest() 移除 并返回该无限集中的最小整数。
void addBack(int num) 如果正整数 num 不 存在于无限集中，则将一个 num 添加
到该无限集中。

题解：
用set类型的s记录被删除的变量。用minV记录最小值。
如果采用最小堆，可以将1~1000的数据存入最小堆或优先级队列，然后实现删除插入。

class SmallestInfiniteSet {
public:
    int minV = 1;
    set<int> s;
    SmallestInfiniteSet() {
    }

    int popSmallest() {
        int res = minV;
        s.insert(minV);
        while (s.count(++minV)) {}
        return res;
    }
    
    void addBack(int num) {
        if (s.count(num)) s.erase(num);
        minV = min(minV, num);
    }
};

3 最大子序列的分数

题目：

给你两个下标从 0 开始的整数数组 nums1 和 nums2 ，两者长度都是 n ，再给你一个正整数
k 。你必须从 nums1 中选一个长度为 k 的 子序列 对应的下标。

对于选择的下标 i0 ，i1 ，...， ik - 1 ，你的 分数 定义如下：

nums1 中下标对应元素求和，乘以 nums2 中下标对应元素的 最小值 。
用公示表示： 
(nums1[i0] + nums1[i1] +...+ nums1[ik - 1]) * min(nums2[i0] , nums2[i1], ... ,nums2[ik - 1]) 。
请你返回 最大 可能的分数。

一个数组的 子序列 下标是集合 {0, 1, ..., n-1} 中删除若干元素得到的剩余集合，
也可以不删除任何元素。

题解：
最小堆。
对于nums2中的任意一个数nums2[i]，如果它是k个数的最小值，则另外的k-1个数都应该比它大。所以，先对nums2进行降序排序，然后从第k大的数开始枚举。每次从现有数据中去除nums1[j]最小的那个，然后加入当前枚举到的值nums1[i]，计算得分。
做法：先对nums2进行降序排序，然后按顺序取nums1中的k个数，nums2[k-1]为nums2的k个数的最小值。遍历时：从k个nums1数中pop掉最小的那个，然后加入nums1[i]，重新计算分数。
nums1的pop过程可以用最小堆(优先级队列)来实现。

class Solution {
public:
    long long maxScore(vector<int>& nums1, vector<int>& nums2, int k) {
        // 根据nums2的值排序，拿到一个降序的索引
        vector<int> ids(nums2.size());
        iota(ids.begin(), ids.end(), 0);
        sort(ids.begin(), ids.end(), [&](const int& i, const int& j) { return nums2[i] > nums2[j]; });
        // 使用优先队列，最小值权重最高
        priority_queue<int, vector<int>, greater<int>> pq;

        long long res = 0, sumV = 0;
        for (int i = 0; i < k; ++i) {
            pq.emplace(nums1[ids[i]]);
            sumV += nums1[ids[i]];
        }
        res = sumV * nums2[ids[k - 1]];

        for (int i = k; i < ids.size(); ++i) {
            if (nums1[ids[i]] > pq.top()) {
                // 无论 res需不需要更新，最小值都需要更新
                sumV += nums1[ids[i]] - pq.top();
                res = max(res, sumV * nums2[ids[i]]);
                pq.pop();
                pq.emplace(nums1[ids[i]]);
            }
        }

        return res;
    }
};

4 雇佣 K 位工人的总代价

题目：

给你一个下标从 0 开始的整数数组 costs ，其中 costs[i] 是雇佣第 i 位工人的代价。
同时给你两个整数 k 和 candidates 。我们想根据以下规则恰好雇佣 k 位工人：

总共进行 k 轮雇佣，且每一轮恰好雇佣一位工人。
在每一轮雇佣中，从最前面 candidates 和最后面 candidates 人中选出代价最小的一位工人，
如果有多位代价相同且最小的工人，选择下标更小的一位工人。
比方说，costs = [3,2,7,7,1,2] 且 candidates = 2 ，第一轮雇佣中，我们选择第 4 位工
人，因为他的代价最小 [3,2,7,7,1,2] 。
第二轮雇佣，我们选择第 1 位工人，因为他们的代价与第 4 位工人一样都是最小代价，而且下标
更小，[3,2,7,7,2] 。注意每一轮雇佣后，剩余工人的下标可能会发生变化。
如果剩余员工数目不足 candidates 人，那么下一轮雇佣他们中代价最小的一人，如果有多位代价
相同且最小的工人，选择下标更小的一位工人。
一位工人只能被选择一次。
返回雇佣恰好 k 位工人的总代价

题解：
优先级队列。
2个优先级队列，最小值权重最高，分别存储前candidates个和后candidates个costs。
每次判断哪个队列的队头值更小，则雇佣对应的工人，然后弹出队列。

class Solution {
public:
    long long totalCost(vector<int>& costs, int k, int candidates) {
        long long ans = 0;
        int left = 0, right = costs.size() - 1;
        priority_queue<int, vector<int>, greater<int>> prePq, purPq;

        while (k--) {
            while (prePq.size() < candidates && left <= right) {
                prePq.emplace(costs[left++]);
            }
            while (purPq.size() < candidates && left <= right) {
                purPq.emplace(costs[right--]);
            }
            int a = prePq.empty() ? INT_MAX : prePq.top();
            int b = purPq.empty() ? INT_MAX : purPq.top();
            if (a <= b) {
                ans += a;
                prePq.pop();
            } else {
                ans += b;
                purPq.pop();
            }
        }

        return ans;
    }
};

1-4 解题总结

特点：数据有优先级。最大、最小、第k大、第k小。
工具：自己建立最大堆或最小堆、使用优先级队列priority_queue。