- 2.2.1问题解析
- 2.2.2算法设计
- 2.2.3完美图解
- 2.2.5实战演练
- 2.2.6 算法解析及优化拓展
- 1.算法复杂度分析
- 2.优化拓展
在北美洲东南部,有一片神秘的海域,那里碧海蓝天、阳光明媚,这正式传说中海盗最活跃的加勒比海(Caribbean Sea)。
17世纪时,这里更是欧洲大陆的商旅舰队到达美洲的必经之地,所以当时的海盗活动非常猖獗,海盗不仅攻击过往上人,甚至攻击英国皇家舰队……
有一天,海盗帽截获了一艘装满各种各样古董店货船,每一件古董都价值连城,一旦打碎就失去了它的价值。
虽然海盗船足够大,但载重量为C,每件古董的重量为w i,海盗们该如何把尽可能多数量的宝贝装上海盗船呢?
2.2.1问题解析根据问题描述可知这是一个可以用贪心算法求解答最优装载问题,要求装载的物品的数量尽可能多,而船的容量是固定的,那么优先把重量小的物品放进去,在容器固定的情况下,装的物品最多。
采用重量最轻者先装的贪心选择策略,从局部最优达到全局最优,从而产生最优装载问题的最优解。
(1)当载重量为定值C时,wi越小时,可装载的古董数量n越大。
只要依次选择最小重量古董,直到不能再装为止。
(2)把n个古董店重量从小到大(非递减)排序,然后根据贪心策略尽可能多地选出前i个古董,直到不能继续装为止,此时达到最优。
每个古董店重量如表2-1所示,海盗船的载重量C为30,那么在不打碎古董又不超过载重量的情况下,怎么装入最多的古董?
(1)因为贪心策略师每次选择重量最小的古董装入海盗船,因此可以按照古董重量递增排序,排序后如表2-2所示。
(2)按照贪心策略,每次选择重量最小的古董放入(设Sum代表宝物的重量,count代表已经装载的宝物数量
)
i=0,选择排序后的第1个,装入重量Sum=2,不超过载重量C=30,count=1
i=1,选择排序后的第2个,装入重量Sum=2+3=5,不超过载重量C=30,count=2
i=2,选择排序后的第3个,装入重量Sum=5+4=9,不超过载重量C=30,count=3
i=3,选择排序后的第4个,装入重量Sum=9+5=14,不超过载重量C=30,count=4
i=4,选择排序后的第5个,装入重量Sum=14+7=21,不超过载重量C=30,count=5
i=5,选择排序后的第6个,超过载重量C=30,算法结束
即放入古董的个数为count=5个。
# 2.2.4伪代码详解
weight, zong = map(float, input().split()) # 总载重量和总古董数
list_gu = list(map(float, input().split())) # 存储每个古董的重量
list_gu.sort() # 排序
count = 0 # 可装古董数量
Sum = 0 # 已装古董重量
if zong == len(list_gu): # 保证输入的数据与zong匹配
for i in list_gu:
if Sum + i < weight: # 如果当前重量+下一件货物的重量 < weight
Sum += i
count += 1
else:
break
print(count)
else:
print(-1)
2.2.6 算法解析及优化拓展
1.算法复杂度分析
(1)时间复杂度:首先需要按古董重量排序,调用sort函数,其平均时间复杂度为O(n+nlog(n)),输入和贪心策略求解的for语句时间复杂度为O(n),因此时间复杂度为O(b+nlog(n))。
(2)空间复杂度:程序中变量count、Sum等占用了一些辅助空间,这些辅助空间都是常数阶的,因此空间复杂度为O(1)。
如果想知道装入了哪些古董,需要添加什么程序来实现呢?还有没有更好的算法来解决这个问题?
weight, zong = map(float, input().split()) # 总载重量和总古董数
list_gu = list(map(float, input().split())) # 存储每个古董的重量
list_gu.sort() # 排序
count = 0 # 可装古董数量
Sum = 0 # 已装古董重量
list_sum = []
if zong == len(list_gu): # 保证输入的数据与zong匹配
for i in list_gu:
if Sum + i < weight:
Sum += i
count += 1
list_sum.append(i)
else:
break
print("总数量为:%d,总重量为%.2f" % (count, Sum))
for i in list_sum:
print(i, end=" ")
else:
print(-1)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)