【算法设计与分析】— —实现最优载的贪心算法

简介: 【算法设计与分析】— —实现最优载的贪心算法

🎯目的:


1)了解贪心算法思想及基本原理;


2)掌握使用贪心算法求解问题的一般特征;


3)能够针对实际问题,能够正确选择贪心策略;


4)能够针对选择的贪心策略,证明算法的正确性;


5)能够根据贪心策略,正确编写代码;


6)能够正确分析算法的时间复杂度和空间复杂度。


🎯内容:

实现最优装载的贪心算法。

测试数据可选用:

假设轮船限重12kg

i

1

2

3

4

5

Wi(kg)

8

4

2

5

7


🎯代码(Java):

package one;
 
import java.util.Vector;
 
public class Two {
 
  public static void main(String[] args) {
    // TODO Auto-generated method stub
    thing t1 = new thing(1, 8);
    thing t2 = new thing(2, 4);
    thing t3 = new thing(3, 2);
    thing t4 = new thing(4, 5);
    thing t5 = new thing(5, 7);
    Vector<thing> v = new Vector<thing>();
    v.add(t1);
    v.add(t2);
    v.add(t3);
    v.add(t4);
    v.add(t5);
    // 按重量排序
    for (int i = 0; i < 5; i++) {
      for (int j = 0; j < 4 - i; j++) {
        if (v.get(j).Wi > v.get(j + 1).Wi) {
          thing t = v.get(j);
          v.set(j, v.get(j + 1));
          v.set(j + 1, t);
        }
      }
    }
    int w = 0;
    int Weight = 12;
    System.out.println("选中的编号为:");
    for (int i = 0; i < 5; i++) {
      if (v.get(i).Wi + w <= Weight) {
        w += v.get(i).Wi;
 
        System.out.println(v.get(i).x);
      }
    }
  }
}
 
class thing {
  int x;
  int Wi;
 
  public thing(int x, int wi) {
    super();
    this.x = x;
    Wi = wi;
  }
 
  @Override
  public String toString() {
    return "thing [x=" + x + ", Wi=" + Wi + "]";
  }
 
}


🎯 运行结果:


🎯算法分析:


当储存n个对象时,


1.时间复杂度分析:


  • 对于排序操作,这里使用的是冒泡排序的方法,外层循环n次,内层循环了(n-1)次、(n-2)次、(n-3)次...1次,因此,排序操作的时间复杂度为O(n+(n-1)+(n-2)+...+1)=O(n^2).
  • 循环遍历vector的元素,执行n次,因此,该循环的时间复杂度为:O(n^2)。

综上所述:整段代码在存储n个对象时的时间复杂度为O(n^2)。


2.空间复杂度分析:


  • 声明了一个Vector对象v,其存储n个thing对象。因此,存储空间复杂度为:O(n)。
  • 声明了若干个int类型的变量w、weight、以及n个thing对象。因为这些变量和对象的数量随着输入规模的增加而增加,所以额外的时间复杂度可以看作O(n)。

综上所述,整段代码在存储n个对象的空间复杂度为O(n)。


       需要注意的是,上述分析假设输入规模n是固定的。如果输入规模n增加,例如thing对象的个数增加时,时间复杂度和空间复杂度可能会发生变化。但在给定的固定输入规模下,该代码的时间复杂度为O(n^2),空间复杂度为O(n)。因此,在处理大规模输入时要注意性能问题。


🎯其他程序语言的实现:

注:以下代码均有ai生成,读者如发现bug可以发在评论区,咱们一起解决❤️!

🎐c语言程序:

#include <stdio.h>
 
typedef struct {
    int x;
    int Wi;
} Thing;
 
void bubbleSort(Thing arr[], int n) {
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n - i - 1; j++) {
            if (arr[j].Wi > arr[j + 1].Wi) {
                Thing temp = arr[j];
                arr[j] = arr[j + 1];
                arr[j + 1] = temp;
            }
        }
    }
}
 
int main() {
    Thing t1 = {1, 8};
    Thing t2 = {2, 4};
    Thing t3 = {3, 2};
    Thing t4 = {4, 5};
    Thing t5 = {5, 7};
    Thing v[5] = {t1, t2, t3, t4, t5};
    int size = 5;
    int w = 0;
    int Weight = 12;
 
    bubbleSort(v, size);
 
    printf("选中的编号为:\n");
    for (int i = 0; i < size; i++) {
        if (v[i].Wi + w <= Weight) {
            w += v[i].Wi;
            printf("%d\n", v[i].x);
        }
    }
 
    return 0;
}


注意事项:

  • 在C语言中,没有直接对应Java的Vector类,而是使用了数组。
  • 在C语言中,没有自带的冒泡排序函数,需要实现自己的排序逻辑。


🎐 python代码:

class Thing:
    def __init__(self, x, Wi):
        self.x = x
        self.Wi = Wi
 
t1 = Thing(1, 8)
t2 = Thing(2, 4)
t3 = Thing(3, 2)
t4 = Thing(4, 5)
t5 = Thing(5, 7)
v = [t1, t2, t3, t4, t5]
 
# 按重量排序
for i in range(5):
    for j in range(4 - i):
        if v[j].Wi > v[j + 1].Wi:
            v[j], v[j + 1] = v[j + 1], v[j]
 
w = 0
Weight = 12
print("选中的编号为:")
for i in range(5):
    if v[i].Wi + w <= Weight:
        w += v[i].Wi
        print(v[i].x)



注意事项:


  • Python中没有严格定义类的访问修饰符,所以不需要使用public关键字。
  • Python中的列表使用方括号[]表示,而不是Java中的Vector。
  • 在Python中,排序可以使用列表的sort()方法或者sorted()函数进行。在这里简单起见,使用了冒泡排序算法。


🎐C++代码:

#include <iostream>
#include <vector>
using namespace std;
 
class Thing {
public:
    int x;
    int Wi;
 
    Thing(int x, int wi) {
        this->x = x;
        Wi = wi;
    }
 
    string toString() {
        return "thing [x=" + to_string(x) + ", Wi=" + to_string(Wi) + "]";
    }
};
 
int main() {
    Thing t1(1, 8);
    Thing t2(2, 4);
    Thing t3(3, 2);
    Thing t4(4, 5);
    Thing t5(5, 7);
 
    vector<Thing> v;
    v.push_back(t1);
    v.push_back(t2);
    v.push_back(t3);
    v.push_back(t4);
    v.push_back(t5);
 
    // 按重量排序
    for (int i = 0; i < 5; i++) {
        for (int j = 0; j < 4 - i; j++) {
            if (v[j].Wi > v[j + 1].Wi) {
                Thing t = v[j];
                v[j] = v[j + 1];
                v[j + 1] = t;
            }
        }
    }
 
    int w = 0;
    int Weight = 12;
    cout << "选中的编号为:" << endl;
    for (int i = 0; i < 5; i++) {
        if (v[i].Wi + w <= Weight) {
            w += v[i].Wi;
            cout << v[i].x << endl;
        }
    }
 
    return 0;
}


注意事项:

  • C++中使用#include <vector>引入向量(Vector)的类。
  • 在C++中,使用push_back()方法向向量中添加元素。
  • 在C++中,使用coutendl来进行输出。
相关文章
|
12天前
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
97 3
|
4月前
|
机器学习/深度学习 边缘计算 算法
NOMA和OFDMA优化算法分析
NOMA和OFDMA优化算法分析
246 127
|
6月前
|
数据采集 机器学习/深度学习 算法
别急着上算法,咱先把数据整明白:大数据分析的5个基本步骤,你都搞对了吗?
别急着上算法,咱先把数据整明白:大数据分析的5个基本步骤,你都搞对了吗?
273 4
|
3月前
|
人工智能 自然语言处理 算法
2025 年 7 月境内深度合成服务算法备案情况分析报告
2025年7月,中央网信办发布第十二批深度合成算法备案信息,全国389款产品通过备案,服务提供者占比超七成。截至7月14日,全国累计备案达3834款,覆盖文本、图像、音视频等多模态场景,广泛应用于生活服务、医疗、金融等领域。广东以135款居首,数字人、AI客服等C端应用主导,民营企业成主力,国企聚焦公共服务。随着AI政策推动,备案已成为AI产品合规上线关键环节。
|
6月前
|
存储 监控 算法
员工行为监控软件中的 Go 语言哈希表算法:理论、实现与分析
当代企业管理体系中,员工行为监控软件已逐步成为维护企业信息安全、提升工作效能的关键工具。这类软件能够实时记录员工操作行为,为企业管理者提供数据驱动的决策依据。其核心支撑技术在于数据结构与算法的精妙运用。本文聚焦于 Go 语言中的哈希表算法,深入探究其在员工行为监控软件中的应用逻辑与实现机制。
151 14
|
7月前
|
自然语言处理 算法 安全
境内深度合成服务算法备案通过名单分析报告
本报告基于《境内深度合成服务算法备案通过名单》,分析了2023年6月至2025年3月公布的10批备案数据,涵盖属地分布、行业应用及产品形式等多个维度。报告显示,深度合成算法主要集中于经济发达地区,如北京、广东、上海等地,涉及教育、医疗、金融、娱乐等多行业。未来趋势显示技术将向多模态融合、行业定制化和安全合规方向发展。建议企业加强技术研发、拓展应用场景、关注政策动态,以在深度合成领域抢占先机。此分析旨在为企业提供参考,助力把握技术发展机遇。
境内深度合成服务算法备案通过名单分析报告
|
7月前
|
供应链 算法 搜索推荐
从公布的前十一批其他算法备案通过名单分析
2025年3月12日,国家网信办发布算法备案信息,深度合成算法通过395款,其他算法45款。前10次备案中,深度合成算法累计3234款,其他类别647款。个性化推送类占比49%,涵盖电商、资讯、视频推荐;检索过滤类占31.53%,用于搜索优化和内容安全;调度决策类占9.12%,集中在物流配送等;排序精选类占8.81%,生成合成类占1.55%。应用领域包括电商、社交媒体、物流、金融、医疗等,互联网科技企业主导,技术向垂直行业渗透,内容安全和多模态技术成新增长点。未来大模型检索和多模态生成或成重点。
从公布的前十一批其他算法备案通过名单分析
|
7月前
|
人工智能 自然语言处理 供应链
从第十批算法备案通过名单中分析算法的属地占比、行业及应用情况
2025年3月12日,国家网信办公布第十批深度合成算法通过名单,共395款。主要分布在广东、北京、上海、浙江等地,占比超80%,涵盖智能对话、图像生成、文本生成等多行业。典型应用包括医疗、教育、金融等领域,如觅健医疗内容生成算法、匠邦AI智能生成合成算法等。服务角色以面向用户为主,技术趋势为多模态融合与垂直领域专业化。
|
8月前
|
存储 缓存 监控
企业监控软件中 Go 语言哈希表算法的应用研究与分析
在数字化时代,企业监控软件对企业的稳定运营至关重要。哈希表(散列表)作为高效的数据结构,广泛应用于企业监控中,如设备状态管理、数据分类和缓存机制。Go 语言中的 map 实现了哈希表,能快速处理海量监控数据,确保实时准确反映设备状态,提升系统性能,助力企业实现智能化管理。
131 3
|
7月前
|
人工智能 自然语言处理 算法
从第九批深度合成备案通过公示名单分析算法备案属地、行业及应用领域占比
2024年12月20日,中央网信办公布第九批深度合成算法名单。分析显示,教育、智能对话、医疗健康和图像生成为核心应用领域。文本生成占比最高(57.56%),涵盖智能客服、法律咨询等;图像/视频生成次之(27.32%),应用于广告设计、影视制作等。北京、广东、浙江等地技术集中度高,多模态融合成未来重点。垂直行业如医疗、教育、金融加速引入AI,提升效率与用户体验。

热门文章

最新文章