3月31日

3月31日

python复习

• 今天完成了一小部分，这需要花上一段时间，将一个个知识点整理起来并写到博客上是个漫长的过程。

贪婪算法

在某些状况下，每一步都取局部最优解，最终得到的就是全局最优解
适用于：

1. 背包问题
2. 集合覆盖问题

集合覆盖问题示例：

示例来自《算法图解》

代码实现：

# 集合覆盖问题
# 数据准备

states_needed = set(["mt", "wa", "or", "id", "nv", "ut", "ca", "az"]) 
stations = {} 
stations["kone"] = set(["id", "nv", "ut"]) 
stations["ktwo"] = set(["wa", "id", "mt"]) 
stations["kthree"] = set(["or", "nv", "ca"]) 
stations["kfour"] = set(["nv", "ut"]) 
stations["kfive"] = set(["ca", "az"]) 
final_stations = []


# 显然代码注释不应该是像我这样写的，但为了保持我的逻辑清晰没有漏洞，就多写了一点
def main(): 
    global states_needed
    global stations
    while states_needed:  # 当所有轴都以覆盖时结束循环
        the_best_station = None 
        """用来储存一轮遍历中最佳的站点,并在找出一轮最佳站点后，
        重置最佳站点（否则下面的if条件无法再满足，此变量不再更新，陷入死循环）"""

        covered_states = set()  # 用来储存最佳站点所能覆盖的还未覆盖的洲
        for station, states in stations.items():  # 遍历站点中还未成为过最佳站点过的站点
            covered = states & states_needed  # covered是当前遍历站点所能覆盖的未覆盖的站点的集合
            if len(covered) > len(covered_states):
                """如果这个集合比目前最佳站点的覆盖集合大的话，
                令它成为最佳站点，并更新covered_states"""

                the_best_station = station
                covered_states = covered
        states_needed -= covered_states  # 移除可覆盖洲
        stations.pop(the_best_station)  # 删除已被处理的最佳站点
        final_stations.append(the_best_station)  # 向最终使用站点中添加各最佳站点
    print(final_stations)
    
if __name__ == "__main__":
    main()

这篇博客写的好敷衍，害，又是被高数和物理折磨的一天，晚安