Question

我将名为UNVISITED的空列表转换为堆，例如：

UNVISITED = []
heapq.heappush(UNVISITED, (a.f, a))

我推送的对象a，它是从类中实例化的，具有以下字段：

class UNVISITEDNode():
    def __init__(self, value1, value2 , value3, value4, value5):
            self.q = value1
            self.h = value2
            self.g = value3
            self.f = value4
            self.p = value5

在我的算法中，每当需要时，我会继续修改堆中已有对象的任何valueX，如：

for i in range(len(UNVISITED)):
        UNVISITED[i][1].q = newvalue1
        UNVISITED[i][1].h = newvalue2
        UNVISITED[i][1].g = newvalue3
        UNVISITED[i][1].f = newvalue4
        UNVISITED[i][1].p = newvalue5

因为（或者我认为，如果我错了请纠正我）修改值f就像我现在所做的那样不会改变影响堆排序的值，我直接尝试修改{ {1}}（以上UNVISITED[i][0]在创建堆时作为第二个参数的第二部分传递。）

[问题] - ＆gt;然后我被告知这个值不允许修改：

a.f

我真的需要修改对象UNVISITED[i][0] = newvalue4 *Traceback (most recent call last): File "/home/daniel/pycharm-2017.3.3/helpers/pydev/ _pydevd_bundle/pydevd_exec.py", line 3, in Exec exec exp in global_vars, local_vars File "<input>", line 1, in <module> TypeError: 'tuple' object does not support item assignment的值f，这必须在每次需要时影响堆的排序，而不能通过{{1}执行此操作（显然）。有没有办法做到这一点或任何解决方法？

编辑（已完成的工作）

最终我将一个简单的手动堆定义为a和UNVISITED[i][1].f = newvalue4对象。您可以使用heap = []弹出堆中的第一个元素，并使用heap.append()根据属性的值对其进行排序。像这样，您可以更接近heap.pop()的行为，并且您可以修改堆中为其排序的元素。重要的是要说这比使用heap.sort(key=lambda x: x.f, reverse=True)要慢得多。

尽管如此，由于其他可能的解决方法的详细信息，我将@Raymong Hettinger的答案标记为好的答案。

此外，@ Davis Yoshida提出了一个有效的观点，可能是堆，因为它的定义可能不是存储数据的最佳方式。

Answer 1

无效并重新插入

通常的解决方案是将对象标记为无效并重新插入新值。弹出值时，只需忽略无效的条目。

只要没有大量无效条目，此技术就非常有效。失效步骤在constant time中运行，随后的弹出窗口在logarithmic time中运行。

Reheapify

调整一个或多个值后，运行heapify()函数以恢复堆不变量。

这使用保证在linear time中运行的公共函数。

直接堆调整

另一种方法是使用list.index()在堆的列表中找到对象。更改值后，运行内部 _siftup（）或 _siftdown（）函数，具体取决于值是增加还是减少。

增加案例：

>>> from heapq import _siftup, _siftdown, heapify, heappop

>>> data = [10, 5, 18, 2, 37, 3, 8, 7, 19, 1]
>>> heapify(data)
>>> old, new = 8, 22              # increase the 8 to 22
>>> i = data.index(old)
>>> data[i] = new
>>> _siftup(data, i)
>>> [heappop(data) for i in range(len(data))]
[1, 2, 3, 5, 7, 10, 18, 19, 22, 37]

减少案例：

>>> data = [10, 5, 18, 2, 37, 3, 8, 7, 19, 1]
>>> heapify(data)
>>> old, new = 8, 4              # decrease the 8 to 4
>>> i = data.index(old)
>>> data[i] = new
>>> _siftdown(data, 0, i)
>>> [heappop(data) for i in range(len(data))]
[1, 2, 3, 4, 5, 7, 10, 18, 19, 37]

此技术使用线性时间列表索引和logarithmic time堆更新。它可能比重新加热技术使用更少的比较，但这并不完全令人满意，因为它使用非公共函数。

诉诸

最后，您可以使用数据：

>>> data.sort()

这种技术可能比重新调整或直接堆调整进行更多的比较。它起作用的原因是＆＃34;如果数据被排序，那么它已经是一个堆＆＃34;。

在最坏的情况下，运行时间可以是O(n log n);但是，排序实现应用Timsort算法，该算法对部分排序的输入非常有效。

Answer 2

即使这个代码运行，我相信它不会做你想要的。具体来说，如果你做了

tup = (a.f, a) # a.f = 7

然后可以执行

tup[0] = 3

您将tup设置为(3, a)，但a.f仍为7。

您可以做的一件事是通过向__lt__类添加UNVISITEDNode（小于）方法来进行直接比较，如下所示：

class UNVISITEDNode:
   ...
   def __lt__(self, other):
       return self.f < other.f

然后，不要将元组放入heapq，而是直接将节点对象放入。

但是，如果修改不在堆根目录的对象，则不再保证堆有效，因此您需要重新调整UNVISITED。

heapq python - 如何修改堆排序的值

编辑（已完成的工作）

2 个答案:

无效并重新插入

Reheapify

直接堆调整

诉诸