我有一个binomial_heaps列表，算法的每次迭代都要更新某些binomial_heaps中元素的优先级。为此，我使用了boost binomial_heap的更新功能。然而，我必须完全删除和重建binomial_heaps之一（因为所有优先级都会更改）。而不是每次都使用push（如果我理解正确会有n * log（n）的复杂性）我想基于底层容器的迭代器构造它（一种heapify或make_heap操作，这将是线性时间）。这似乎可以在标准priority_queue中实现，但不能在boost实现中实现。另一方面，标准版没有为我提供更新功能。有没有办法解决这个问题，我可以同时拥有两者，或者另一个支持两者的库。或者也许我的理由是，推送空优先级队列上的所有元素都比较慢，不正确吗？
有些人可能会说，我需要重建整个优先级队列，这会使优先级队列的使用完全变得多余。我想要实现的算法是＃34;在Aaron Clauset＆＃34;中找到非常大的网络中的社区结构。其中作者正是这样做的（除非我没有正确解释）
（抱歉无法发布论文链接，因为我没有足够的声誉发布超过2个链接）
答案 0 :(得分：1)
Clauset等人的“快速模块化”算法。 （paper here，code here）使用一对链接的数据结构。一方面，您有一个稀疏矩阵数据结构（实际上只是一个邻接列表，其中不是将特定数组元素挂起的元素存储为链表，而是使用平衡二叉树数据结构存储它们），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，max-heap只是在具有最大正值的稀疏矩阵中找到边缘的有效方法。一旦你有了该边缘的ij对，你想要将列（行）i的元素“插入”到列（行）j的元素中，然后你想要删除列（行）i。因此，在max-heap的每次弹出后，你不会重建整个max-heap。相反，您希望从中删除一些元素（从稀疏矩阵中删除的行/列中的元素）并更新其他元素的值（j的更新行/列中的值）。
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都存储指向max-heap中相应条目的指针，这样如果更新稀疏矩阵中的值，然后可以在max-heap中找到相应的元素并更新其值。执行此操作后，您需要重新堆叠更新的堆元素，方法是让它在堆中向上或向下移动（递归）。类似地，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删除函数。