最小堆和并查集

1.定义:
堆是计算机学科中一类特殊的数据结构的统称。
2.性质:
(1).堆中某个节点的值总是不大于或不小于其父节点的值
(2).堆总是一颗完全二叉树
3.分类:
(1)最大堆/大根堆:根节点最大
(2)最小堆/小根堆:根节点最小
4.最小堆例题
洛谷P1334

#include<iostream>
#include<cstdio>
using namespace std;
long long n,heap[20005],ans,i,j,k,x,a,b,m;//m记录最小堆中元素总数
void insert(long long x)//将x放入最小堆中+维护
{
	m++;
	heap[m]=x;
	i=m;
	j=m/2;
	while((j>0)&&(heap[i]<heap[j]))//注意判断j是否大于0
	{
		swap(heap[i],heap[j]);
		i=j;
		j=i/2;
	}	
}
int pop()//取堆顶+维护
{
	x=heap[1];
	heap[1]=heap[m];
	m--;
	i=1;
	j=i*2;
	if((j+1<=m)&&(heap[j+1]<heap[j]))//注意判断j+1
	{
		j++;
	}
	while((j<=m)&&(heap[i]>heap[j]))//注意
	{
		swap(heap[i],heap[j]);
		i=j;
		j=i*2;
		if((j+1<=m)&&(heap[j+1]<heap[j]))
		{
			j++;
		}
	}
	return x;
}
int main()
{
	scanf("%d",&n);
	for(k=0;k<n;k++)
	{
		scanf("%d",&x);
		insert(x);
	}
	while(m>=2)
	{
		a=pop();
		b=pop();
		ans+=a+b;
		insert(a+b);//注意
	}
	printf("%lld\n",ans);
	return 0;
}

5.堆的STL
(1)头文件

#include<algorithm>

(2)建立一个空堆

make_heap(first,last,comp);

(3)向堆中插入一个新元素

push_heap(first,last,comp);

(4)获取当前堆顶元素的值

top_heap(first,last,comp);

(5)对当前堆进行排序

sort_heap(first,last,comp);

(6)判断测试范围是否是堆
(如果范围 [first,last)形成一个堆(如使用make_heap构造),则返回true )

is_heap(first,last,comp);

(7)查找不是按堆顺序的第一个元素
(返回范围为 [first,last)的第一个元素的迭代器,如果改范围被视为堆,则该迭代器不在有效位置)

is_heap_until(first,last,comp);

并查集

1.定义: 在一些有N个元素的集合应用问题中,我们通常是在开始时让每个元素构成一个单元素的集合,然后按一定的顺序将属于同一组的元素所在的集合合并,其间要反复查找一个元素在哪个集合中。
并查集是一种树型的结构,用于处理一些不相交集合的合并及查询问题。常常在使用中以森林来表示。
2.主要操作:
初始化
把每个点所在集合初始化为其自身。
查找
查找元素所在的集合,即根节点。
合并
将两个元素所在集合合并为一个集合。
3.优化:路径压缩
第一步:找到根结点。
第二步:修改查找路径上的所有结点,将它们都指向根结点。

int findroot(int x)
{
 if(fa[x]==x) return x;
 fa[x]=findroot(fa[x]);
 return fa[x];
}

4.例题

//洛谷 p1111修复公路 
//村庄数N,公路数M(公路双向)
//x,y,t:需花费时间t,修复村庄x和y之间的公路 
//核心;sort排序 
#include<iostream>
#include<cstdio>
#include<algorithm>
using namespace std;
int n,m,i,fa[100005],ans,f;
struct s
{
 int x,y,t;
};
bool cmp(const s &q,const s &w)//自定义比较函数 
{
 return q.t<w.t;
}
int findfa(int x)//查找函数 
{
 return ((fa[x]==x)?x:fa[x]=findfa(fa[x]));
}
void merge(int x,int y)//合并函数 
{
 fa[x]=y;
}
int main()
{
 struct s a[100005];
 scanf("%d%d",&n,&m);
 for(i=1;i<=n;i++)//初始化
 {
  fa[i]=i;
 }
 for(i=0;i<m;i++)
 {
  scanf("%d%d%d",&a[i].x,&a[i].y,&a[i].t);
 }
 sort(a,a+m,cmp);//排序,从小到大 
 for(i=0;i<m;i++)
 {
  if(findfa(a[i].x)!=findfa(a[i].y))
  {
   merge(fa[a[i].x],fa[a[i].y]);
   ans=a[i].t;//因为已排序,所以直接赋值 
   f++;//记录合并次数 
  }
  if(f==(n-1))//如果次数以满足,输出,直接return 
  {
   printf("%d\n",ans);
   return 0;
  }
 }
 printf("-1\n");
 return 0;
}
}

注:来源为百度笔记
如有错误,欢迎指出

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是使用Python实现Kruskal算法的代码。我们需要使用最小堆并查集数据结构来实现该算法。 首先,我们需要定义一个边的类Edge,用于存储图的边信息。 ```python class Edge: def __init__(self, u, v, weight): self.u = u self.v = v self.weight = weight ``` 接下来,我们需要定义一个最小堆类MinHeap,用于维护边的权重并实现堆排序。 ```python class MinHeap: def __init__(self): self.heap = [] def parent(self, i): return (i - 1) // 2 def left(self, i): return 2 * i + 1 def right(self, i): return 2 * i + 2 def insert(self, k): self.heap.append(k) i = len(self.heap) - 1 while i != 0 and self.heap[self.parent(i)].weight > self.heap[i].weight: self.heap[i], self.heap[self.parent(i)] = self.heap[self.parent(i)], self.heap[i] i = self.parent(i) def heapify(self, i): l = self.left(i) r = self.right(i) smallest = i if l < len(self.heap) and self.heap[l].weight < self.heap[smallest].weight: smallest = l if r < len(self.heap) and self.heap[r].weight < self.heap[smallest].weight: smallest = r if smallest != i: self.heap[i], self.heap[smallest] = self.heap[smallest], self.heap[i] self.heapify(smallest) def extract_min(self): min_elem = self.heap[0] self.heap[0] = self.heap[-1] self.heap.pop() self.heapify(0) return min_elem def is_empty(self): return len(self.heap) == 0 ``` 然后,我们需要定义一个并查集类UnionFind,用于实现并查集操作。 ```python class UnionFind: def __init__(self, n): self.parent = [i for i in range(n)] self.rank = [0] * n def find(self, x): if self.parent[x] != x: self.parent[x] = self.find(self.parent[x]) return self.parent[x] def union(self, x, y): x_root = self.find(x) y_root = self.find(y) if x_root == y_root: return if self.rank[x_root] < self.rank[y_root]: self.parent[x_root] = y_root elif self.rank[x_root] > self.rank[y_root]: self.parent[y_root] = x_root else: self.parent[y_root] = x_root self.rank[x_root] += 1 ``` 最后,我们可以使用最小堆并查集来实现Kruskal算法。 ```python def kruskal(graph): n = len(graph) heap = MinHeap() for i in range(n): for j in range(i + 1, n): if graph[i][j] != 0: heap.insert(Edge(i, j, graph[i][j])) uf = UnionFind(n) mst = [] while not heap.is_empty() and len(mst) < n - 1: edge = heap.extract_min() u, v, weight = edge.u, edge.v, edge.weight if uf.find(u) != uf.find(v): uf.union(u, v) mst.append(edge) return mst ``` 最后,我们可以测试该算法,如下所示: ```python graph = [ [0, 2, 0, 6, 0], [2, 0, 3, 8, 5], [0, 3, 0, 0, 7], [6, 8, 0, 0, 9], [0, 5, 7, 9, 0] ] mst = kruskal(graph) for edge in mst: print(f"{edge.u} - {edge.v}: {edge.weight}") ``` 输出结果为: ``` 0 - 1: 2 1 - 2: 3 0 - 3: 6 1 - 4: 5 ```
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