数据结构之优先队列:最小索引优先队列,Python代码实现——15

最小索引优先队列(Min index priority queue)

在之前实现的最大优先队列和最小优先队列,他们可以分别快速访问到队列中最大元索和最小元素,但是他们有一 个缺点,就是没有办法通过索引访问已存在于优先队列中的对象,并更新它们。

为了实现这个目的,在优先队列的基础上,学习一种新的数据结构,索引优先队列。

接下来我们以最小索引优先队列举列,最大优先索引队列,有兴趣可以自行实现。

实现思路

实现功能的三个重要数组

  1. 数组items,储存无序插入的元素的数组
  2. 数组pq,假设将items储存的元素进行从小到大排序,并且items对应的原索引依旧保持不变,而pq储存的元素就是items排序过后元素的原索引(参照下图可更好地理解)
  3. 数组qp,qp的元素对应pq中的索引, qp的索引对应pq中的元素(也就对应着未排序的items中的元素,与items元素的索引保持一致)在这里插入图片描述
    这样删除时只需要根据传入的索引在qp中寻找对应的元素就可以跟快地找到了

实现的操作方法

  1. size()获取队列的大小
  2. is_empty()判断队列是否为空
  3. less(x, y)对传入的两个索引对应当前队列的元素进行大小比较
  4. swap(i, j)对传入的两个索引对应当前队列中的元素进行值交换
  5. min_elem_index()获取最小元素的索引
  6. is_index_exist()判断索引在当前队列中是否对应一个元素
  7. insert(index, item)指定索引index处插入一个元素item
  8. delete_min_elem()删除最小元素,并返回最小元素插入队列时的索引
  9. change_item(idx, itm)指定索引idx处,将该处元素替换为itm
  10. swim()上浮排序操作,同之前堆的排序中介绍
  11. sink()下沉排序操作,同之前堆的排序中介绍

Python代码实现

import operatorclass IndexMinPriorityQueue:def __init__(self, length):self.items = [None for _ in range(length)]# Ascendingly sort items and memorize the item's relative index in itemsself.pq = [None] + [i if self.items[i] else None for i in range(len(self.items))]# Its index is associate with elements in pq, and also syncs with indices of list itemsself.qp = [i if self.pq[i] else None for i in range(len(self.pq))]self.N = 0def size(self):return self.Ndef is_empty(self):return self.N == 0def less(self, i, j):"""Compare the given two items in self.items"""return operator.lt(self.items[self.pq[i]], self.items[self.pq[j]])def swap(self, i, j):"""But change the position of the two items in the subsidiary pq and qp lists"""self.pq[i], self.pq[j] = self.pq[j], self.pq[i]self.qp[self.pq[i]], self.qp[self.pq[j]] = i, jdef min_elem_index(self):"""Find the minimum element's index"""return self.pq[1]def is_index_exist(self, index):"""Judge if the given index is exist in this queue"""return self.qp[index] is not Nonedef insert(self, index, item):"""Insert an element associated with the element's index in this queue"""if self.is_index_exist(index):returnself.items[index] = itemself.N += 1# Now it isn't a orderly queueself.pq[self.N] = indexself.qp[index] = self.N# swim the last element to make list pq orderedself.swim(self.N)def delete_min_elem(self):"""Delete the minimum element, and return its index"""min_index = self.pq[1]# print(f"min_ele: {self.items[min_index]}")self.swap(1, self.N)self.pq[self.N] = Noneself.qp[min_index] = Noneself.items[min_index] = Noneself.N -= 1self.sink(1)return min_indexdef change_item(self, idx, itm):"""Substitute a item which index=idx with a new item which value=itm"""self.items[idx] = itmk = self.qp[idx]self.sink(k)self.swim(k)def swim(self, index):"""Move the smaller element up; We should only change order in pq and qp"""while index > 1:# Compare the current node with its parent node, if smaller, swim upif self.less(index, int(index/2)):  # Compare values in itemsself.swap(index, int(index/2))  # But swap the mapping position in pq and qpindex = int(index/2)def sink(self, index):"""Move the bigger element down; We should only change order in pq and qp"""# print(f"SINK: idx:{index} N:{self.N}")while 2*index <= self.N:index_smaller = 2*index if 2*index+1 > self.N else \(2*index if self.less(2*index, 2*index+1) else 2*index+1)# print(f"index_smaller: {index_smaller}")# print(f"index: {index}")if self.less(index, index_smaller):breakself.swap(index, index_smaller)index = index_smaller

测试代码

if __name__ == '__main__':IMPQ = IndexMinPriorityQueue(10)IMPQ.insert(0, 'C')IMPQ.insert(1, 'E')IMPQ.insert(2, 'A')print(f"After three insert list items now is: {IMPQ.items}")# print(f"pq: {IMPQ.pq}")# print(f"qp: {IMPQ.qp}")# print(f"min_elem_index: {IMPQ.min_elem_index()}")index, item = 0, 'B'IMPQ.change_item(0, 'B')print(f"Changed the item in index[{index}] to {item}, items now is {IMPQ.items}")index, item = 0, 'V'IMPQ.change_item(0, 'V')print(f"Changed the item in index[{index}] to {item}, items now is {IMPQ.items}")while not IMPQ.is_empty():res = IMPQ.delete_min_elem()print(f"Pop the minimum element: {res}")print(f"After delete all elements , its size: {IMPQ.size()}")print(IMPQ.is_index_exist(0))

测试结果

After three insert list items now is: ['C', 'E', 'A', None, None, None, None, None, None, None]
Changed the item in index[0] to B, items now is ['B', 'E', 'A', None, None, None, None, None, None, None]
Changed the item in index[0] to V, items now is ['V', 'E', 'A', None, None, None, None, None, None, None]
Pop the minimum element: 2
Pop the minimum element: 1
Pop the minimum element: 0
After delete all elements , its size: 0
False

这里为了测试结果直观,直接将数组items拿出来了,注意items中的元素是不会改变位置的,实际改变的是用来定位items中元素的pq和qp数组

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/469529.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

OpenCV_10 傅里叶变换:频域滤波+CV的应用

1 傅里叶变换的理解 傅里叶变换是由法国的一位数学家Joseph Fourier在18世纪提出来的&#xff0c;他认为&#xff1a;任何连续周期的信号都可以由一组适当的正弦曲线组合而成。 傅里叶变换是描述信号的需要&#xff0c;它能够反映信号的特征&#xff0c;并可以使用特征值进行量…

OpenCV_11 轮廓检测:图像的轮廓+绘制轮廓+轮廓近似+边界矩形+椭圆拟合+直线拟合

1 图像的轮廓 轮廓可以简单认为成将连续的点&#xff08;连着边界&#xff09;连在一起的曲线&#xff0c;具有相同的颜色或者灰度。轮廓是图像目标的外部特征&#xff0c;这种特征对于我们进行图像分析&#xff0c;目标识别和理解等更深层次的处理都有很重要的意义。 轮廓提…

数据结构之平衡树:2-3查找树的介绍——16

平衡树&#xff08;AVL tree&#xff09; 引入 之前学习的树&#xff0c;都不是平衡的&#xff0c;查找时需要一个一个往内比较&#xff0c;一个结点只储存一个值&#xff0c;数据量存储较大&#xff0c;树的深度会非常的深&#xff0c;导致数据查询时效率会十分的低&#xf…

OpenCV_12 图像分割:全阈值分割+自适应阈值分割+Otsu 阈值(大津法)+分水岭算法+GraphCut+GrabCut

1 图像分割 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域&#xff0c;并使这些特征在同一区域内呈现出相似性&#xff0c;而在不同区域间呈现出明显的差异性。我们先对目前主要的图像分割方法做个概述&#xff0c;后面再对个别方法做详…

Android中的IPC机制

Android IPC简介 IPC是Inter-Process Communication的缩写&#xff0c;含义就是进程间通信或者跨进程通信&#xff0c;是指两个进程之间进行数据交换的过程。那么什么是进程&#xff0c;什么是线程&#xff0c;进程和线程是两个截然不同的概念。在操作系统中&#xff0c;线程是…

数据结构之平衡树:红黑树的介绍与Python代码实现——17

红黑树的介绍与Python代码实现 红黑树的介绍 红黑树(Red-Black Tree)是一种平衡二叉查找树&#xff0c;它是一种以比较简单的方式实现的2-3查找树 红黑树基于2-3查找树的表现 红链接:将两个2-结点连接起来构成一个3-结点 ;黑链接:则是2-3树中的普通链接。 红黑树的定义&a…

数据结构之并查集:并查集的介绍与Python代码实现——18

并查集的介绍 并查集&#xff08;Union-find&#xff09;数据结构也称作合并查找集&#xff08;Merge-find set&#xff09;或者不相交集数据结构&#xff08;disjoint-set data structure&#xff09;&#xff0c;它是一种记录了由一个或多个元素组成的不连续的分组的集合。并…

图像特征提取与描述_角点特征01:Harris算法+Shi-Tomas算法

1 Harris角点检测 1.1 原理 Harris角点检测的思想是通过图像的局部的小窗口观察图像&#xff0c;角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化&#xff0c;如下图所示&#xff1a; 将上述思想转换为数学形式&#xff0c;即将局部窗口向各个方向移动(u,v)并计算…

canvas小程序-快跑程序员

canvas不用说html5带来的好东西&#xff0c;游戏什么的&#xff0c;么么哒 记得有一天玩手机游戏&#xff0c;就是一个跳跃过柱子那种&#xff0c;其实元素很简单啊&#xff0c;app能开发&#xff0c;借助html5 canvas也可以啊&#xff0c;于是就开始了。 --------------------…

数据结构之并查集:UF-Tree优化并查集——19

并查集的优化 在上一节了解到并查集的快速查询&#xff0c;合并&#xff0c;判断归属组等操作&#xff0c;虽然这些操作都非常方便&#xff0c;但是在数据量较大的情况下&#xff0c;并查集的效率并不算高&#xff1a; 上一节中实现代码中使用的合并方法(merge&#xff0c;AP…

图像特征提取与描述_角点特征02:SIFT算法+SURF算法

SIFT/SURF算法 1.1 SIFT原理 前面两节我们介绍了Harris和Shi-Tomasi角点检测算法&#xff0c;这两种算法具有旋转不变性&#xff0c;但不具有尺度不变性&#xff0c;以下图为例&#xff0c;在左侧小图中可以检测到角点&#xff0c;但是图像被放大后&#xff0c;在使用同样的窗…

图像特征提取与描述_角点特征03:Fast算法+ORB算法

1 Fast算法 1.1 原理 我们前面已经介绍过几个特征检测器&#xff0c;它们的效果都很好&#xff0c;特别是SIFT和SURF算法&#xff0c;但是从实时处理的角度来看&#xff0c;效率还是太低了。为了解决这个问题&#xff0c;Edward Rosten和Tom Drummond在2006年提出了FAST算法&…

数据结构之并查集:路径压缩继续优化并查集——20

路径压缩继续优化并查集 在实现的并查集中&#xff0c;在合并操作merge(item1, item2)时&#xff0c;会不管两个元素所在的分组大小&#xff0c;总是将item 1的分组合并到item2的分组&#xff0c;这样可能会导致树的深度无必要地增加&#xff1a; 如果是大树合并到小树上&…

数据结构之并查集:并查集解决案例, Python——21

并查集解决案例畅通工程 案例问题介绍&#xff1a; 某省调查城镇交通状况,得到现有城镇道路统计表,表中列出了每条道路直接连通的城镇。省政府"畅通工程”的目标是使全省任何两个城镇间都可以实现交通(但不一定有直接的道路相连,只要互相间接通过道路可达即可)。问最少还…

图像特征提取与描述_角点特征04:LBP算法+HOG特征算子

1.LBP算法 LBP(Local Binary Pattern)指局部二值模式&#xff0c;是一种用来描述图像局部特征的算子&#xff0c;LBP特征具有灰度不变性和旋转不变性等显著优点。它是由T. Ojala, M.Pietikinen, 和 D. Harwood在1994年提出&#xff0c;由于LBP特征计算简单、效果较好&#xff…

视频操作_01视频读写:视频读写+读取视频+保存视频

1 从文件中读取视频并播放 在OpenCV中我们要获取一个视频&#xff0c;需要创建一个VideoCapture对象&#xff0c;指定你要读取的视频文件&#xff1a; 1.创建读取视频的对象 cap cv.VideoCapture(filepath) 参数&#xff1a; filepath: 视频文件路径 2.视频的属性信息 2.1…

数据结构之图:无向图的介绍与功能实现,Python——22

无向图&#xff08;Undigraph&#xff09;的介绍 引入 生活中的图&#xff0c;有地图&#xff0c;集成电路板的图&#xff0c;可以看类似的看做是数据结构中的图数据有"一对一"&#xff0c;“一对多”和“多对多”的关系&#xff0c;前两种分别表示线性表和树的存储…

视频操作_02视频追踪:meanshift算法+Camshift算法

1.meanshift 1.1原理 meanshift算法的原理很简单。假设你有一堆点集&#xff0c;还有一个小的窗口&#xff0c;这个窗口可能是圆形的&#xff0c;现在你可能要移动这个窗口到点集密度最大的区域当中。 如下图&#xff1a; 最开始的窗口是蓝色圆环的区域&#xff0c;命名为C1…

数据结构之图:图的搜索,Python代码实现——23

图的搜索 深度优先搜索(Depth First Search) 定义 从例子出发理解 DFS是一种用于遍历或搜寻树类或图类数据结构的算法&#xff0c;这种算法从根结点出发&#xff08;如果是图&#xff0c;则任意选择一个顶点作为根结点&#xff09;&#xff0c;在回溯之前会尽可能地遍历每一…

人脸识别案例:【实战】opencv人脸检测+Haar特征分类器

1 基础 我们使用机器学习的方法完成人脸检测&#xff0c;首先需要大量的正样本图像&#xff08;面部图像&#xff09;和负样本图像&#xff08;不含面部的图像&#xff09;来训练分类器。我们需要从其中提取特征。下图中的 Haar 特征会被使用&#xff0c;就像我们的卷积核&…