算法学习 【第二周】贪心算法实例 Ⅰ

简介: 最优装载问题解析。

一、前言

在前面一期博客中我们初步了解到了有关贪心算法的基础概念,知道了何为贪心,如何创建贪心算法,本期我们将通过具体的例子来更加深入的了解贪心算法。

好啦,废话不多说,我们开始今天的学习!

二、最优装载问题

海盗们截获一艘装满各种各样古董的货船,每一件古董都价值连城,但一旦打碎就会失去其原有的价值。海盗船虽然足够大,但载重量是有限的。海盗船的载重量为W,每件古董的重量为wi,如何才能把尽可能多的古董装上海盗船呢?

1、问题分析

上述问题要求我们装载的古董尽可能多,在载重量有限的情况下,优先把重量小的古董装进去,装的古董最多。可以采用重量最小者先装的贪心策略,从局部最优达到全局最优,从而得到最优装载问题的最优解。

问题抽象成数学公式可以这样描述:

B`SJ7LZ2LLZ4[2_`L%G5G%S.png

2、算法设计

按照贪心算法来说每次选择重量最小的古董先装,依次这样选择直到无法再装下。

如果我们采用顺序查找法寻找最小值,那么如果有n个古董最多需要比较n次,第一次选择有n个古董需要比较n次,第二次选择有n-1个古董,需要比较n-1次依次内推,时间复杂度为O(n2),这是指数阶算法,不推荐使用。

如果我们采用快速排序法寻找最小值,也就是先从小到大排序,再按照顺序去选择,这样的时间复杂度是O(nlogn),这是一个对数阶的算法,相比于之前的更加优秀。

3、算法解析

假设,海盗船的载重量W是30,每个古董的重量如下表所示:

重量wi 4 10 7 11 3 5 14 2

我们首先进行第一步,将古董按照重量从小到大进行排序:

重量wi 2 3 4 5 7 10 11 14

最后我们按照顺序去依次选择重量最小的古董装入海盗船(tmp代表已装入的古董重量,ans代表已装入的古董数量):

装入第一个古董 tmp=2 没有超载 ans=1
装入第二个古董 tmp=2+3=5 没有超载 ans=2
装入第三个古董 tmp=5+4=9 没有超载 ans=3
装入第四个古董 tmp=9+5=14 没有超载 ans=4
装入第五个古董 tmp=14+7=21 没有超载 ans=5
装入第六个古董 tmp=21+10=31\ge30 超载 结束

可以看到能装入海盗船的古董最多5个。

4、算法详解

我们用一维数组存储古董的重量:

doublew[N];

然后对古董的重量进行排序,这里我们需要用到C++中的排序函数sort,对古董的重量从小到大进行排序:

#include<algorithm>sort(w,w+n);

最后按照贪心策略找出最优解,根据我们上面的演示表我们可以写出如下代码:

intsolve1(intn){
doubletmp=0.0;     //tmp为已装入海盗船的古董重量intans=0;          //ans为装入海盗船的古董数量,初始值为0for(inti=0;i<n;i++){
tmp+=w[i]
if(tmp<=W)
ans++;
elsebreak;
    }
returnans;
}

上述代码我们首先使用变量ans记录装入海盗船的古董数量,并使用变量tmp暂存装入海盗船的古董重量。然后依次检查每个古董,对tmp加上该古董的重量,如果小于或等于载重量W,则令ans++,否则退出。

5、算法分析

  • 时间复杂度:我们排序用的sort函数的平均时间复杂度是O(nlogn),贪心策略的求解的时间复杂度是O(n),而O(n)\leO(nlogn),所以总时间复杂度就是O(nlogn)。
  • 空间复杂度:我们只用了几个辅助空间变量,它们都是常数阶的,所以空间复杂度是O(1)。

6、整体代码

以下代码是随书附带的源码,大家可以看一看:

// 最优装载问题 #include<iostream>#include<algorithm> constintN=10005;
usingnamespacestd;
doublew[N];            //古董的重量数组intsolve1(intn,doubleW){
doubletmp=0.0;         //tmp为已装载到船上的古董重量intans=0;          //ans为已装载的古董个数,初始化为0for(inti=0;i<n;i++){
tmp+=w[i];
if(tmp<=W)
ans++;
elsebreak;
    }
returnans;
} 
intsolve2(intn,doubleW){         //优化算法 doubletmp=0.0;         //tmp为已装载到船上的古董重量intans=n;          //ans为已装载的古董个数,初始化为nfor(inti=0;i<n;i++){
tmp+=w[i];
if(tmp>=W){         //最后一次才满足条件 if(tmp==W)
ans=i+1;
elseans=i;
break;
        }     
    }
returnans;
}
intmain(){
intt,n;            //t为测试用例个数,n为古董数量doubleW;           //重量约束 cin>>t;
while(t--){
cin>>W>>n;
for(inti=0;i<n;i++)            //输入每个物品重量cin>>w[i]; 
sort(w,w+n);            //按古董重量升序排序cout<<solve1(n,W)<<endl;
    }
return0;
}

三、最后我想说

本期博客就到这里了,有关贪心算法的实例我会专门分成几个博客来写的,下一期博客就来写有关背包问题的内容。

谢谢大家!


目录
相关文章
|
1月前
|
存储 算法 安全
2024重生之回溯数据结构与算法系列学习之串(12)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丟脸好嘛?】
数据结构与算法系列学习之串的定义和基本操作、串的储存结构、基本操作的实现、朴素模式匹配算法、KMP算法等代码举例及图解说明;【含常见的报错问题及其对应的解决方法】你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
2024重生之回溯数据结构与算法系列学习之串(12)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丟脸好嘛?】
|
1月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
53 2
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
【EMNLP2024】基于多轮课程学习的大语言模型蒸馏算法 TAPIR
阿里云人工智能平台 PAI 与复旦大学王鹏教授团队合作,在自然语言处理顶级会议 EMNLP 2024 上发表论文《Distilling Instruction-following Abilities of Large Language Models with Task-aware Curriculum Planning》。
|
1月前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习(8)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第2.3章之IKUN和I原达人之数据结构与算法系列学习x单双链表精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
1月前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习之单双链表精题详解(9)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第2.3章之IKUN和I原达人之数据结构与算法系列学习x单双链表精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
1月前
|
存储 Web App开发 算法
2024重生之回溯数据结构与算法系列学习之单双链表【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构之单双链表按位、值查找;[前后]插入;删除指定节点;求表长、静态链表等代码及具体思路详解步骤;举例说明、注意点及常见报错问题所对应的解决方法
|
1月前
|
算法 安全 NoSQL
2024重生之回溯数据结构与算法系列学习之栈和队列精题汇总(10)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第3章之IKUN和I原达人之数据结构与算法系列学习栈与队列精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
1月前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习之王道第2.3章节之线性表精题汇总二(5)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
IKU达人之数据结构与算法系列学习×单双链表精题详解、数据结构、C++、排序算法、java 、动态规划 你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
1天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
101 80
|
20天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。