贪心小结

基础算法系列总结:贪心算法

     前几天参加了一下ACM比赛,呵呵,权当陪太子读书了,成绩有一点点不好,不过都已经过去了。比赛可以没有,博文不能不继续,呵呵,今天我总结我最近练习的贪心算法。我写文章的顺序是先写的  动态规划 , 回溯算法 ,分支限界算法 然后再准备写写贪心算法以及基本的递归和分治算法,计算机最常用的算法就这么几种了,如果真正对算法感兴趣的话可以多研究研究算法导论,其实写算法给人的成就感比做项目要大,我们现在的项目其实都不太需要别特好的算法,大都都是阅读SDK等等文档等,运用设计模式,面向对象等基本都可以解决。当然,我也曾经遇到了对数学要求非常非常高的项目,设计到解高斯方程,微分积分这些,不过我当时没有参与这个项目。呵呵。说白了,不太愿意做这样的项目,也对自己没有太多的底气去做这样的项目。

     贪心算法在几个基本算法里面算是相对简单的算法了,思路也是非常简单的,每一步总是做出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择。基本思路就是从问题的某一个初始解出发逐步逼近给定的目标,以尽可能快的地求得更好的解。当达到某算法中的某一步不能再继续前进时,算法停止。

    对于这个比较简单的算法,我们就先了解一下他的利弊吧,利当然就是简单,省时,好用。下面我们看看贪心法存在的一些问题。

贪心法存在的问题: 
1. 不能保证求得的最后解是最佳的; 
2. 不能用来求最大或最小解问题; 
3. 只能求满足某些约束条件的可行解的范围

上述的这些问题可以在动态规划 , 回溯算法 ,分支限界算法 里面得到相应的解决,但是我们也不会因此放弃对贪心算法的使用。这正是敏捷开发所提倡的,永远没有最好的,只有最适合的.我们选用贪心算法的原因就是因为他能够满足当前的需要并且比其他算法更加简单。

下面请看示例题:

有N个商品,每个商品的重量为WI,价格为:PI,现有一个背包,最多能装M的重量.其中(0<=I<N,0<wi<M).

问:怎样装能使包中装入的商品价值最高(对于每个商品可以只装该商品的一部分)

伪代码:

参数分别为 n:物品数   M:背包最多能装的重量   v[]:价值数组   w[]重量数组

void Knapsack(int n,float M,float v[],float w[],float x[])

{

Sort(n,v,w);     //进行排序

int i;

for (i = 1 ; i <= n ; i++)

x[i] = 0;

     float c=M;    //C为背包剩余空间

    for (i=1;i<=n;i++) {

   if (w[i] > c) break;

       x[i]=1;   //选取第i个物品

      c-=w[i];    //剩余重量减少

   }

if (i <= n)  //当此时背包的容量不够存放整个物品的情况时,存放一部分

    x[i]=c / w[i];

}

具体代码如下:

#include<stdio.h>

//参数:n表示是背包可以存放物品的种类
//参数:指针p指向的数组是存放物品价值的数组
//参数:指针q指向的数组是存放物品重量的数组
static void sort(int n,float *p,float *q)
{
 int i;
 int j;
 for(i=0;i<n-1;i++)
 for(j=i+1;j<n;j++)
 if((*(p+i))/(*(q+i))<(*(p+j))/(*(q+j)))
 {
  float f;
  f=*(p+i);
  *(p+i)=*(p+j);
  *(p+j)=f;
  
  f=*(q+i);
  *(q+i)=*(q+j);
  *(q+j)=f;
 }
  
}
 

//参数:指针x指向的数组是存放物品的情况
//参数:m表示的是背包的容量
//参数:n表示的是背包可以存放物品的种类
static void knapsack(int n,float m,float *v,float *w,float *x)
{
 sort(n,v,w);
 int i;
 for(i=0;i<n;i++)
 {
  if(*(w+i)>m) 
   break;
  //可以存放该物品时,置1
  *(x+i)=1;
  //放入后,背包的容量减少
  m-=*(w+i);
 }
 //当此时背包的容量不够存放整个物品的情况时,存放一部分
 if(i<n)
  *(x+i)=m/(*(w+i));
 
}
 
int main()
{
 int n=6;//物品种类 
 int m=100;//背包容量
 float w1[6]={15,5,60,25,55,80};//各种物品的重量
 float v1[6]={20,30,30,10,55,40};//各种物品的价值
 float x1[6];//存放各种物品的存放情况
 float *x;
 float *w;
 float *v;
 w=w1;
 v=v1;
 x=x1;
 
 
 int i;
 
 for(i=0;i<n;i++)
 *(x+i)=0;
 
 knapsack(n,m,v1,w1,x);
 
 printf("\n===========输出物品容量数组内容======================\n");
 
 for(i=0;i<n;i++)
 printf("%.1f\t",*(w+i));
 
 printf("\n============输出物品价值数组内容=====================\n");
 
 for(i=0;i<n;i++)
 printf("%.1f\t",*(v+i));
 
 printf("\n============输出物品存放情况数组=====================\n");
 for(i=0;i<n;i++)
 printf("%.1f\t",*(x+i));
 
 printf("\n============END=====================\n");
 
return 0; 
}

本来在搞二分,可是卡死在poj某道题上了,据说要用到贪心思想,百度连别人的结题报告都看不太懂,,,,,痛定思痛,决定来学学贪心! 大哭

[http://creator.cnblogs.com/]


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值