算法与数据结构高手养成:朴素的贪心法(中)构造法

简介: 算法与数据结构高手养成:朴素的贪心法(中)构造法

朴素的贪心法(中)构造法

构造法没有明显决策过程,只是把决策放到了推导阶段,灵活性高,大多数刚接触贪心算法的人不知道如何下手

例1:数字拆分

思路1:拆成尽可能多的2,因为当a,b>2时,a x b > a + b

问题:需要拆成“不同的”数字,2只能出现一次

思路2:拆成尽可能小的数字,比如9 = 2 + 3 + 4,就好过9 = 5 + 4,因为2 x 3 > 2 + 3

问题:10=2+3+4+...1? 余1怎么办?

1补到4上变成5,10=2+3+5 是最优拆分

why?

如果把10改为12呢 ?

12=2+3+4+...3

把3都分配给4,变成2+3+7,2x3x7=42不是最优,

例:2+4+6,2x4x6=48

最优方案:最后三个数各加1,3x4x5=60

余数分配规律

越趋向平均越好,比如给2x4分配1,那么3x4>2x5

由于数字必须不同,不保证能从第一个数开始加。

例:2+3+4如果把1加给2,变成3+3+4,则两个3冲突。

除非——余数足够大,可以分给下一个数,下下一个数......直到最后一个数

数字拆分:解法

1.将N拆分成2+3+4+...+(M-1)+M+K(余数)的形式0≤K≤M

2.从M开始向前倒推K个数,给每个数字都加1,变成2+3+...+(M-K-1)+(M-K+1)+(M-K+2)+...+M+(M+1)

特例:K=M时,最后一个数是M+2

3.可以证明该拆分为最优~

代码:数字拆分

#include<bits/stdc++.h>
using namespace std;
 
const int MAX_RAND_TIME = 1000000;
 
int main() {
    ios::sync_with_stdio(false);
    cin.tie(NULL);
    cout.tie(NULL);
 
    int n, m;
    cin >> n >> m;
    int a[n];
    double avg = 0;
    for (int i = 0; i < n; i++) {
        cin >> a[i];
        avg += a[i];
    }
    avg /= m;
    
    double res = INT_MAX;
    for (int times = 0; times < MAX_RAND_TIME; times++) {
        random_shuffle(a, a + n);
        int sum[m];
        memset(sum, 0, sizeof(sum));
        for (int i = 0; i < n; i++) {
            int min_j = 0;
            for (int j = 1; j < m; j++)
                if (sum[j] < sum[min_j])
                    min_j = j;
            sum[min_j] += a[i];
        }
        double s = 0;
        for (int i = 0; i < m; i++) 
            s += (avg - sum[i]) * (avg - sum[i]);
        s = sqrt(s / m);
        res = min(res, s);
    }
 
    cout << fixed << setprecision(2) << res << endl;
    return 0;
}

适用构造法的问题特征

1.通常有一个比较直观,容易想到或者计算出来的“规律

2.边界条件经常需要特殊判断和处理

3.决策过程隐含在规律和边界条件中

例2:守望者的逃离(NOIP2007)

步骤1:寻找规律

  • 直观感觉:闪现肯定快,但是消耗法术,如果法术不够需要原地休息,等法术恢复才能用
  • 需要通过计算来比较速度(闪现 vs 走)
  • 先看极端情况(一开始0能量)
  • 以7秒为一个周期,只要剩余时间大于等于7秒,就使用休息+闪现来前进。7秒后能量值会恢复到起始值
  • 每次只要法力攒够一次闪现就立刻闪,不够就原地休息恢复法力。如果某一次闪现后总移动距离大于S,则逃出生天
  • 边界条件:如果剩余时间小于7秒呢?

步骤2:边界情况

剩1秒

  • 不够恢复+闪现1次
  • 直接走更快,移动距离17

剩2秒

  • 剩余能量>=6:足够恢复+闪现1次,移动距离60
  • 剩余能量<6:来不及恢复法力+闪现,直接走更快,移动距离17x2=34

剩3秒:

最多只能恢复8点能量+闪1次

  • 剩余能量>=2:恢复+闪现1次,移动60
  • 剩余能量<2:直接走更快,移动距离17x3=51

剩4秒

  • 假设一开始剩9点能量,恢复1秒闪1次后,能量剩余3需要恢复2秒再闪,来不及,所以最多只够闪1次
  • 直接走移动距离17x4=68米,大于闪1次的60米,所以干脆直接走

剩5秒

  • 剩余法术>=8时,足够恢复+闪2次,移动距离60x2=120
  • 否则,直接走,移动距离17x5=85米,那么如果闪1次需要走至少2秒,也就是60+17x2=94米,才会比直接走快,所以2<=剩余法术<8时,休息2秒,闪1次,走2秒最快不则直接走更快

剩6秒

  • 剩余法术>=4时,足够恢复+闪2次,移动距离60x2=120
  • 否则,直接走,移动距离17x6=102米,那么如果闪1次需要走至少3秒,也就是60+17x3=111米,才会比直接走快,所以2<=剩余法术<4时,休息2秒,闪1次,走3秒最快不则直接走更快

代码:守望者的逃离

#include<bits/stdc++.h>
using namespace std;
int main() {
    ios::sync_with_stdio(false);
    cin.tie(NULL);
    cout.tie(NULL);
int n, s;
cin >> n >> s;
int p, y, min_p = INT_MAX - s;
long long total = 0;
for (int i = 0; i < n; i++) {
    cin >> p >> y;
    min_p += s;
    if (min_p > p)
        min_p = p;
    total += min_p * y;
}
cout << total << endl;
return 0;
}

构造法问题类别1:划分问题

  • 要素1:有被划分的对象
  • 数字拆分的N,守望者的逃离的总距离S
  • 要素2:有阶段不定的划分方法
  • 拆分成若干正整数 和,拆分成走路/闪现区间
  • 要素3:有划分方案好坏的判定方法
  • 乘积最大,总时间最短
  • 1.起始状态和目标状态都是一系列元素的排列或者组合
  • 目标状态是将起始状态的所有数字重新排列
  • 2规定了一组状态转移的方法,也就是“变化”的方法
  • 交换两个不同位置的数字
  • 求的是从起始状态,通过一系列状态转移,变换到目标状态所需要的最小代价
  • 最少的交换次数

三值交换:找规律

  • 第一反应:先试试看怎么交换,可以让序列变成升序
  • 统计1,2,3分别有多少个(记为count[1]/count[2]/count[3])这样就知道1,2,3排好序后分别都是第几位到第几位
  • 1在排序后的范围是第1位到第count[1]位,在这个范围外的1都应该被交换进来

三值交换:最优交换

代码:三值交换

#include<bits/stdc++.h>
using namespace std;
 
int main() {
    ios::sync_with_stdio(false);
    cin.tie(NULL);
    cout.tie(NULL);
 
    int n;
    cin >> n;
    int a[n + 1], count[4];
    memset(count, 0, sizeof(count));
    for (int i = 1; i <= n; i++) {
        cin >> a[i];
        count[a[i]] ++;
    }
 
    int res = 0;
    int j2 = count[1] + 1, j3 = count[1] + count[2] + 1;
    for (int i = 1; i <= count[1]; i++) {
        if (a[i] == 2) {
            while (j2 <= count[1] + count[2] && a[j2] != 1)
                j2 ++;
            if (j2 <= count[1] + count[2]) {
                int tmp = a[i]; a[i] = a[j2]; a[j2] = tmp;
                res ++;
            }
        } else if (a[i] == 3) {
            while (j3 <= n && a[j3] != 1)
                j3 ++;
            if (j3 <= n) {
                int tmp = a[i]; a[i] = a[j3]; a[j3] = tmp;
                res ++;
            }
        }
    }
 
    int j = count[1] + 1;
    for (int i = 1; i <= count[1]; i++) {
        if (a[i] != 1) {
            while (j <= n && a[j] != 1)
                j ++;
            if (j <= n) {
                int tmp = a[i]; a[i] = a[j]; a[j] = tmp;
                res ++;
            }
        }
    }
 
    for (int i = count[1] + 1; i <= count[1] + count[2]; i++)
        if (a[i] == 3)
            res ++;
    
    cout << res << endl;
    return 0;
}

状态转移问题:一般步骤

1.找出一种从起始状态转移到目标状态的方法,这个方法不一定是最优,但一定要是可行并且套路化的方法

2.挖掘出这个转移方法的额外步骤/代价

3.通过一定的规则,去掉这个额外的步骤和代价

希望对你有帮助!加油!

若您认为本文内容有益,请不吝赐予赞同并订阅,以便持续接收有价值的信息。衷心感谢您的关注和支持!

Srlua
+关注
目录
打赏
0
2
2
0
26
分享
相关文章
|
4月前
|
算法系列之数据结构-二叉树
树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
98 9
 算法系列之数据结构-二叉树
|
4月前
|
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
117 3
 算法系列之数据结构-Huffman树
|
4月前
|
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
107 22
C 408—《数据结构》算法题基础篇—链表(下)
408考研——《数据结构》算法题基础篇之链表(下)。
139 29
C 408—《数据结构》算法题基础篇—链表(上)
408考研——《数据结构》算法题基础篇之链表(上)。
195 25
C 408—《数据结构》算法题基础篇—数组(通俗易懂)
408考研——《数据结构》算法题基础篇之数组。(408算法题的入门)
176 23
探索局域网电脑监控软件:Python算法与数据结构的巧妙结合
在数字化时代,局域网电脑监控软件成为企业管理和IT运维的重要工具,确保数据安全和网络稳定。本文探讨其背后的关键技术——Python中的算法与数据结构,如字典用于高效存储设备信息,以及数据收集、异常检测和聚合算法提升监控效率。通过Python代码示例,展示了如何实现基本监控功能,帮助读者理解其工作原理并激发技术兴趣。
159 20
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
202 2
基于WOA鲸鱼优化的BiLSTM双向长短期记忆网络序列预测算法matlab仿真,对比BiLSTM和LSTM
本项目基于MATLAB 2022a/2024b实现,采用WOA优化的BiLSTM算法进行序列预测。核心代码包含完整中文注释与操作视频,展示从参数优化到模型训练、预测的全流程。BiLSTM通过前向与后向LSTM结合,有效捕捉序列前后文信息,解决传统RNN梯度消失问题。WOA优化超参数(如学习率、隐藏层神经元数),提升模型性能,避免局部最优解。附有运行效果图预览,最终输出预测值与实际值对比,RMSE评估精度。适合研究时序数据分析与深度学习优化的开发者参考。
基于PSO粒子群优化的BiLSTM双向长短期记忆网络序列预测算法matlab仿真,对比BiLSTM和LSTM
本项目基于MATLAB2022a/2024b开发,结合粒子群优化(PSO)算法与双向长短期记忆网络(BiLSTM),用于优化序列预测任务中的模型参数。核心代码包含详细中文注释及操作视频,涵盖遗传算法优化过程、BiLSTM网络构建、训练及预测分析。通过PSO优化BiLSTM的超参数(如学习率、隐藏层神经元数等),显著提升模型捕捉长期依赖关系和上下文信息的能力,适用于气象、交通流量等场景。附有运行效果图预览,展示适应度值、RMSE变化及预测结果对比,验证方法有效性。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问