基于迭代器构造提升优先级队列

Question

我有一个binomial_heaps列表，并且算法的每次迭代都必须更新某些binomial_heaps中元素的优先级。 为此，我使用boost binomial_heap的更新功能。 但是，我必须完全删除并重建binomial_heaps之一（因为所有优先级都会发生变化）。 而不是每次都使用push（如果我理解正确的话，它的复杂度为n * log（n）），我想基于基础容器的迭代器（一种为线性时间的heapify或make_heap操作）构造它）。 在标准priority_queue中这似乎是可能的，但在boost实现中则不可能。 另一方面，标准版本没有为我提供更新功能。 有没有办法解决这个问题，我可以同时拥有这两者，或者另一个同时支持这两者的库。 也许我的推理是，将所有元素推送到空优先级队列中比较慢，这是不正确的？

有人可能会说我需要重建整个优先级队列这一事实有严重的错误，这将使优先级队列的使用完全多余。 我要实现的算法是“通过Aaron Clauset在非常大的网络中查找社区结构”，其中的作者确实做到了这一点（除非我没有正确解释它）

（抱歉，由于我没有足够的声誉来发布两个以上的链接，因此无法将链接发布到论文上）

Answer 1

Clauset等人的“快速模块化”算法。 （ 此处 为 纸，此处为 代码 ）使用一对链接的数据结构。 一方面，您有一个稀疏的矩阵数据结构（实际上只是一个邻接表，在该表中，我们使用平衡的二叉树数据结构存储它们，而不是将悬挂在特定数组元素上的元素存储为链接列表），和最大堆。 稀疏矩阵中的所有值（实际上是算法中潜在合并的dQ_ij值）也存储在max-heap中。

因此，最大堆只是在稀疏矩阵中找到具有最大正值的边的有效方法。 在具有该边的ij对之后，您想要将列（行）i的元素“插入”到列（行）j的元素中，然后要删除列（行）i。 因此，在每次从max-heap弹出之后，您都不会重建整个max-heap。 相反，您要从中删除某些元素（从稀疏矩阵中删除的行/列中的元素），并更新其他元素的值（对于j，则为更新的行/列中的元素）。

这是链接数据结构有用的地方-在原始实现中，稀疏矩阵中的每个元素在其最大堆中存储一个指向其对应条目的指针，这样，如果您更新稀疏矩阵中的值，则可以找到max-heap中的相应元素并更新其值。 完成此操作后，您需要通过让更新的堆元素（递归）在堆中上下移动来重新堆集。 同样，如果删除稀疏矩阵中的元素，则可以在堆中找到它的条目并在其上调用delete函数。