Algorithm 具有相同密钥算法的两个堆

您好，如果有两个堆，如何确定它们在O（nlogn）运行时是否具有相同的密钥，其中n是两个最小堆之间的总大小

---

我在想，这可能与将一个堆添加到另一个堆有关，但我不是肯定的。

我认为堆结构无助于解决此类任务，因此，如果有两个堆或两个项目数组，这并不重要。要确定两个数据集是否具有相同的值，可以使用不同的算法，我建议使用两种算法，例如：

您可以将较小集合的项放入任何基于哈希的字典中，然后可以枚举另一个集合的项并检查它们是否在第一个集合中。也许这是最快的方法，但需要一些额外的字典空间

让我们假设有两个经典的堆结构保存在数组中（对于堆，这是可能的）。然后可以对最小的数组进行排序。之后，只需枚举第二堆的项，并使用二进制搜索检查项是否在第一堆中。 当您完成后，您可以再次重建损坏的堆（可以内联到同一个数组中，而不需要添加项）。 所以得到O（nlogn），其中n是较小堆的数量，并且可以不使用额外的内存

bool具有相同的元素（堆h1、堆h2）{
而（！h1.empty（）&&！h2.empty（））{
int t1=h1.top（），t2=h2.top（）；
如果（t1==t2）返回true；
如果（t1

---

O（s1-ln（s1）+s2-ln（s2））保证O（n-ln（n）），其中n=s1+s2

提到您正在使用的堆算法可能很有用。（2）是

O（m log n）

（

m

是较大的大小），因为您查看较大列表中的每个元素并执行

log n

查找。嗯，它是

O（n logn+m logn）

但是

n logn

，所以它简化为上面的内容。@Yes，你说得对。但无论如何，它与nlogn相同（甚至更好），其中两个堆的总大小为n。从大堆中搜索小堆中的每个元素似乎更好。它将花费O（Nln（M）），其中N是小堆的大小，M是大堆的大小。它不会比O（MlnN）更差。当然，这两个都比O（nln（n））好。如果我们已经订购了set，那还不错，是的，但我们没有。我们要订一套，也是nlogn的。因此，从大O的角度来看，排序哪一部分并不重要，但我认为排序小O更有效。@notbad排序/搜索小O更有效-

O（n 日志 N + M 日志 n） = O（m） 日志 n） 

vs

O（m 日志 M + N 日志 m） = O（m） 日志 m） 

和

O（m 日志 m） > O（m） 日志 n） 

+1。确切地实际上，您拥有的是两个排序序列的合并。

bool have_same_element(heap<int> h1, heap<int> h2) {
  while (!h1.empty() && !h2.empty()) {
    int t1 = h1.top(), t2 = h2.top();
    if (t1 == t2) return true;
    if (t1 < t2) h1.pop();
    else h2.pop();    
  }
  return false;
}