文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 工学 > 部分贪心算法思想在信息学竞赛中的应用
侵权投诉

部分贪心算法思想在信息学竞赛中的应用

在某些数据规模非常大的问题当中,我们常常希望使用贪心法解决问题,但是纯粹的贪心在某些情形下会有反例存在。在这些情况下,我们可以采取一种折中的方案——部分贪心。降问题规模降低到较小的范围内以后,再采用其他方法解决。

1<= W[i] <= 100;

1<= V[i] <= 18;

初步想法:

首先对于所有的体积V[i],保留最大的重量。这样N的范围可以缩小至18。 这是一个很经典的背包问题,但由于背包容量很大,所以不可能直接使用动态规划算法。

对于大多数情况,当Y大到一定程度的时候,我们所选取的雕像一定是取其中某个填充背包的主要部分,剩下的部分用其他雕像填满。这一直观的印象启示我们采用部分贪心法。

算法分析:

W[i],然后选取其中最大的作为主要填V[i]

充物。

然后我们需要求出一个常数Limit,当背包空间大于Limit时,我们一定可以继续填充主要填充物。一个显而易见的想法是,其他每个物品的个数一定<V[i](否则可以将V[i]个该物品用主要填充物替代),所以Limit可以为N*V[i]。这里的Limit<324。再用动态规划算法,时间上完全可以接受。

这样做以后,我们可以用O(1)的时间查询背包容量为k的最大重量,这个最大重量的表达式为:

k Limit weight tWi knapsack[k tVi](t ) Vi

问题分析至此,已经解决了一半。由于S的范围很大,我们只有继续采用部分贪心解决问题。模Limit的剩余系一共只有Limit个,所以我们可以很容易得到一个有用的事实:我们不必将Limit以上个包合并在一起。这是因为如果将A个包合并以后得到的k tVi和B的大小相同(A>B),那么考虑A中的A-B个包,其一定被主要填充物充满,则A-B个包和剩下的B个包可以不必合并。用数论知识很容易得到,Limit以上个包的合并没有必要。

于是我们希望求解的问题可以视为:有一个S容量的背包,以及至多Limit

上一页第4页

你可能喜欢

  • 算法合集
  • 课程设计
  • 算法设计与分析
  • 贪心算法
  • 算法艺术与信息学竞赛
  • 常用算法

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email