贪心算法——数列极差

贪心算法的思想就是用局部的最优解,达到最后全局的最优解。贪心算法使用是有限制的,一个问题能不能使用贪心来做,往往我们要对其进行必要的证明。贪心算法策略具有无后向性,也就是当前阶段的状态确定之后,不受后面阶段状态的影响。

现在我们先将一个能使用贪心算法的问题——数列极差。

问题描述:在黑板上写了N个正整数作成的一个数列,进行如下操作:每一次擦去其中的两个数a和b,然后在数列中加入一个数a*b+1,如此下去直至黑板上剩下一个数,在所有按这种操作方式最后得到的数中,最大的max,最小的为min,则该数列的极差定义为M=max-min。

思路分析:例如数列2,4,6.按照极差的定义,我们算算这个数列的极差。他有三种情况:(2*4+1)*6+1=55,(4*6+1)*2+1=51,(6*2+1)*4+1=53.我们发现当先算两个较小的数是,得到的是最大值,当先算两个较大的数时,得到的是最小值。因此,我们按照这个思路来解决这个问题。这个问题是求最小值和最大值,然后它们相减,因此我们需要将输入数组逆序的拷贝。至于为啥是逆序的,代码中解释。当我们求出最大和最小的两个数之后,我们记录他们的位置。但是,之后,这两个数将不能用了,因此我们用算出的那个值覆盖他们。

// 贪心法.cpp : 定义控制台应用程序的入口点。
//vs2010
//绝对贪心
#include "stdafx.h"
int s1,s2;
void min2(int a[],int n)
{
	int j;
	if (a[0]>a[1])
	{
		s1=0;//s1指向最大的数
		s2=1;
	}
	else
	{
		s1=1;
		s2=0;
	}
	for(j=2;j<=n;j++)
	{
		if (a[j]>a[s1])
		{
			s2=s1;
			s1=j;;
		}
		else if (a[j]>a[s2])
		{
			s2=j;

		}
	}
}
int caluatemin(int a[],int n)
 {
	while(n>1)
	{
		min2(a,n);
		a[s1]=a[s1]*a[s2]+1;
		a[s2]=a[n];
		n--;
	}
	return (a[0]*a[1]+1);
}
//
void max2(int a[],int n)
{
<span style="white-space:pre">	</span>//b数组逆序,在这里是为了计算最大值的时候方便点。计算最大值和计算最小值使用的是同一种方法。
	int j2=0;
	if (a[n]<a[n-1])
	{
		s1=n;//s1指向最小
		s2=n-1;
	}
	else
	{
		s1=n-1;
		s2=n;
	}
	for (j2=n-2;j2>=0;j2--)
	{
		if (a[j2]<a[s1])
		{
			s2=s1;
			s1=j2;
		}
		else if(a[j2]<a[s2])
		{
			s2=j2;
		}
	}

}
int calculatemax(int a[],int n)
{
	while(n>1)
	{
		max2(a,n);
		a[s1]=a[s1]*a[s2]+1;
		a[s2]=a[n];
		n--;
	}
	return (a[0]*a[1]+1);
}
int _tmain(int argc, _TCHAR* argv[])
{
	//数列极值
	int a[]={1,2,3,4};//这里直接初始化了,有兴趣的童鞋可以自己改改
	int b[]={4,3,2,1};//b是a的逆序拷贝数组。
	int Min=caluatemin(a,3);
	int Max=calculatemax(b,3);
	printf("Min=%d\n",Min);
	printf("Max=%d\n",Max);
	printf("极值=%d",Max-Min);
	return 0;
}

最后说几句,这个代码还有很大的优化空间,这只是一个初级版。

例如,求最大最小两个数可以使用堆排序,这个排序在我之前的博客里面又讲到。

其次,那两个位置记录可以使用指针,让代码更加的简介等等。

欢迎各位网友留言讨论!!

时间: 2024-09-30 06:23:54

贪心算法——数列极差的相关文章

贪心算法练习:数列极差问题

在黑板上写n个正整数排成的一个数列,进行如下操作:每次擦掉其中的两个数a和b,然后在数列里面加入一个数a*b+1,如此循环往复直到黑板上只剩下一个数,在所有按这种操作方式最后得到的数中,最大的记为max,最小的记min,则该数列的极差定义为m=max-min.输入一个正整数n,然后输入n个正整数构成一个数列.输出这n个正整数构成的数列的极差. 1 #include<stdio.h> 2 #include<stdlib.h> 3 long maxNumber;//整个数组里面的最大的

贪心算法之ian Ji -- The Horse Racing

Tian Ji -- The Horse Racing Description Here is a famousstory in Chinese history. That was about2300 years ago. General Tian Ji was a high official in the country Qi. He likesto play horse racing with the king and others. Both of Tian and the king ha

回溯算法 和 贪心算法(全排列)

一:简介 (1)回溯法 又称试探法 回溯法的基本做法是深度优先搜索,是一种组织得井井有条的.能避免不必要重复搜索的穷举式搜索算法:基本思想是:从一条路往前走,能进则进,不能进则退回来,换一条路再试. 适用场景:当遇到某一类问题时,它的问题可以分解,但是又不能得出明确的动态规划或是递归解法,此时可以考虑用回溯法解决此类问题.回溯法的优点在于其程序结构明确,可读性强,易于理解,而且通过对问题的分析可以大大提高运行效率.但是,对于可以得出明显的递推公式迭代求解的问题,还是不要用回溯法,因为它花费的时间

「一本通 1.1 练习 1」数列极差

题目传送门 解题思路 这题也是典型的贪心算法题. 对于这个问题 先通过实例来认识问题所描述的计算过程. 令\(N=3\),取数列\(3,5,7\) 可能有下面三种情况 \((3×5+1)×7+1=113\) \((3×7+1)×5+1=111\) \((5×7+1)×3+1=109\)? 由此可见先运算小数据的到的是最大值,先运算大数据得到的是最小值.? 故针对此问题可采用贪心算法,下面验证其合理性: 不妨假设\(3\)个数\(a<b<c\). 则有以下几种组合计算结果: \(1.(a×b+1

POJ1017 Packets(贪心算法训练)

Time Limit: 1000MS          Memory Limit: 10000K          Total Submissions: 51306          Accepted: 17391 Description A factory produces products packed in square packets of the same height h and of the sizes 1*1, 2*2, 3*3, 4*4, 5*5, 6*6. These pro

贪心算法的简述与示例

贪心算法采用自顶向下,以迭代的方法做出相继的贪心选择,每做一次贪心选择就将所求问题简化为一个规模更小的子问题,通过每一步贪心选择,可得到问题的一个最优解,虽然每一步上都要保证能获得局部最优解,但由此产生的全局解有时不一定是最优的,所以贪婪法不要回溯.能够用贪心算法求解的问题一般具有两个重要特性:贪心选择性质和最优子结构性质. 参考:http://babybandf.blog.163.com/blog/static/61993532010112923767/ [例1]删数问题[B][/B] 试题描

算法导论——lec 13 贪心算法与图上算法

之前我们介绍了用动态规划的方法来解决一些最优化的问题.但对于有些最优化问题来说,用动态规划就是"高射炮打蚊子",采用一些更加简单有效的方法就可以解决.贪心算法就是其中之一.贪心算法是使所做的选择看起来是当前最佳的,期望通过所做的局部最优选择来产生一个全局最优解. 一. 活动选择问题 [问题]对几个互相竞争的活动进行调度:活动集合S = {a1, a2, ..., an},它们都要求以独占的方式使用某一公共资源(如教室),每个活动ai有一个开始时间si和结束时间fi ,且0 ≤ si &

五大常用算法之三贪心算法

贪心算法 贪心算法简介: 贪心算法是指:在每一步求解的步骤中,它要求"贪婪"的选择最佳操作,并希望通过一系列的最优选择,能够产生一个问题的(全局的)最优解. 贪心算法每一步必须满足一下条件: 1.可行的:即它必须满足问题的约束. 2.局部最优:他是当前步骤中所有可行选择中最佳的局部选择. 3.不可取消:即选择一旦做出,在算法的后面步骤就不可改变了. 贪心算法案例: 1.活动选择问题  这是<算法导论>上的例子,也是一个非常经典的问题.有n个需要在同一天使用同一个教室的活动a

零基础学贪心算法

本文在写作过程中参考了大量资料,不能一一列举,还请见谅.贪心算法的定义:贪心算法是指在对问题求解时,总是做出在当前看来是最好的选择.也就是说,不从整体最优上加以考虑,只做出在某种意义上的局部最优解.贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择,选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关.解题的一般步骤是:1.建立数学模型来描述问题:2.把求解的问题分成若干个子问题:3.对每一子问题求解,得到子问题的局部最优解:4.把子问题的局部最优