其他题目---邮局选址问题

最新推荐文章于 2024-07-15 21:19:45 发布

wenbin1996

最新推荐文章于 2024-07-15 21:19:45 发布

阅读量7.9k

点赞数 4

分类专栏：数据结构与算法文章标签：动态规划 python

本文链接：https://blog.csdn.net/qq_34342154/article/details/78514569

版权

数据结构与算法专栏收录该内容

168 篇文章 9 订阅

订阅专栏

该博客探讨了如何通过动态规划解决邮局选址问题，以最小化所有居民点到邮局的总距离。文章提供了两种方法，一种是基本的动态规划策略，另一种是利用‘四边形不等式’进行优化，将时间复杂度从O(N^2 * M)降至O(N^2)。

摘要由CSDN通过智能技术生成

【题目】

　　一条直线上有居民点，邮局只能建在居民点上。给定一个有序整型数组arr，每个值表示居民点的一维坐标，再给定一个正数num，表示邮局数量。选择num个居民点建立num个邮局，使得所有的居民点到邮局的总距离最短，返回最短的总距离。

【基本思路】

　　方法一。动态规划。首先解决一个问题，如果在arr[0…j]上只能建立一个邮局，最短总距离是多少？如果居民点有奇数个，邮局建在最中间的那个居民点可以使总距离最短，如果居民点有偶数个，中点有两个，邮局建在哪个都可以让总距离最短。可以根据这个思路计算上面的问题。

　　生成规模为N×M的矩阵w，w[i][j]表示如果在arr[i…j]上只能建立一个邮局，最短的总距离。w[i][j]的值可以通过如下计算得到：
　
　　w[i][j] = w[i][j-1] + arr[j] - arr[(i + j) / 2]

　　有了w矩阵后，接下来进行动态规划过程。假设dp[i][j]表示如果在arr[0…j]上建立i+1个邮局的最短总距离。所以dp[0][j]的值表示如果在arr[0…j]上建立一个邮局最短的总距离。很明显，就是w[0][j]。那么dp[0][0…N-1]上的所有值都可以直接用w[0][0…N-1]赋值。

　　当可以建立不止一个邮局时，情况如下：
　　
　　1、前i-1个邮局负责arr[0]，第i个邮局负责arr[1…j]，总距离为dp[i-1][0] + w[1][j]
　　2、前i-1个邮局负责arr[0…1]，第i个邮局负责arr[2…j]，总距离为dp[i-1][1] + w[2][j]
　　3、前i-1个邮局负责arr[0…k]，第i个邮局负责arr[k+1…j]，总距离为dp[i-1][k] + w[k+1][j]

　　实际上k的取值到j-1就可以了，因为在还有最后一个居民的时候仍然可以建立一个邮局，那么在该居民点建立一个邮局一定没坏处，这样就可以不用考虑：前i-1个邮局负责arr[0…j]，第i个邮局负责arr[j+1…j]的情况，避免w矩阵溢出。

#python3.5
def siteSelectionQuestion1(arr, num):
    if arr == None or len(arr) == 0 or num < 1 or len(arr) < num:
        return 0
    w = [[0 for i in range(len(arr))] for j in range(len(arr))]
    for i in range(len(arr)):
        for j in range(i+1, len(arr)):
            w[i][j] = w[i][j-1] + arr[j] - arr[(i+j) // 2]
    dp = [w[0][i] for i in range(len(arr))]
    for i in range(1, num):
        for j in range(len(arr)-1, i-1, -1):
            minDistance = sys.maxsize
            for k in range(i-1, j):
                minDistance = min(minDistance, max(dp[k], w[k+1][j]))
            dp[j] = minDistance
    return dp[-1]

　　方法二。使用“四边形不等式”优化动态规划。

　　假设计算dp[i-1][j]时，在最好的划分方案中，第i-1个邮局负责arr[a…j]的居民点。在计算dp[i][j+1]时，在最好的划分方案中，第i个邮局负责arr[b…j]的居民点。那么在计算dp[i][j]时，假设最好的划分方式是让第i个邮局负责arr[k…j]，那么k的范围一定是[a, b]，这样就省去了很多无效的枚举过程，可以将时间复杂度降低一个维度， $O(N^2∗M) -> O(N2)$ 。具体实现参见如下代码：

def siteSelectionQuestion2(arr, num):
    if arr == None or len(arr) == 0 or num < 1 or len(arr) < num:
        return 0
    w = [[0 for i in range(len(arr))] for j in range(len(arr))]
    for i in range(len(arr)):
        for j in range(i+1, len(arr)):
            w[i][j] = w[i][j-1] + arr[j] - arr[(i+j)//2]
    dp = [w[0][i] for i in range(len(arr))]
    cands = [0 for i in range(len(arr))]
    for i in range(1, num):
        for j in range(len(arr)-1, i-1, -1):
            minEnum = cands[j]
            maxEnum = j-1 if j == len(arr)-1 else cands[j+1]
            minDistance = sys.maxsize
            for k in range(minEnum, maxEnum+1):
                cur = max(dp[k], w[k+1][j])
                if cur <= minDistance:
                    minDistance = cur
                    cands[j] = k
            dp[j] = minDistance
    return dp[-1]