poj 3111 K Best (牛顿迭代法)

牛顿迭代法参考链接:我爱维基

首先,选择一个接近函数f(x)零点x_{0},计算相应的f(x_0)和切线斜率f'(x_0)(这里f'表示函数f导数)。然后我们计算穿过点(x_{0},f(x_{0}))并且斜率为f'(x_0)的直线和x轴的交点的x坐标,也就是求如下方程的解:

{\displaystyle 0=(x-x_{0})\cdot f'(x_{0})+f(x_{0})}

我们将新求得的点的x坐标命名为x_1,通常x_1会比x_{0}更接近方程f(x)=0的解。因此我们现在可以利用x_1开始下一轮迭代。迭代公式可化简为如下所示

x_{​{n+1}}=x_{n}-{\frac  {f(x_{n})}{f'(x_{n})}}

我们最后选择一个精度范围就行了。

 

题目链接:poj 3111

题意:给你n个价值为v,质量为w,让你选择k个,满足单位价值最大。

题解:这题是个最大值最大化例题,但这题可以用迭代法来解决。

先取前k个元素算出S0 =∑(vi/wi) 作为初始值,然后对每一个元素(n个)求yi=vi-s0*wi,对yi从大到小排序,取前k个元素算出S,重复上面的运算(每次循环后把S的值赋给S0,然后新一轮循环时S有通过S0计算出来),直到fabs(S-S0)<=eps,满足精度要求。
正确性证明:

证明其正确性,只要证明每次迭代的S都比上一次的大即可,也即迭代过程中S是单调递增的,因为给定的是有限集,故可以肯定,S必存在最大值,即该迭代过程是收敛的。下面证明单调性:

假设上轮得到的S1,则在n个元素中必存在k个元素使S1=∑(vi/wi),变形可得到∑vi-S1*∑wi=0,现对每个元素求yi=vi-S1*wi,可知必存在k个元素使∑yi=∑vi-s1*∑wi=0, 所以当我们按y排序并取前k个元素作为求其∑y时,其∑y>=0,然后对和式变形即可得到S1=((∑v-∑y)/∑w)<=(∑v/∑w)=s2,即此迭代过程是∑y是收敛的,当等号成立时,此S即为最大值。

 

反之,我们求比率最小的时候也是一样。

 

ei,这个好像跟上面的牛顿迭代法联系不是很大,自己体会了。

 

代码:

#include<algorithm>
#include<cstdio>
#include<cstring>
#include<cmath>

using namespace std;

const int maxn=100010;
const double esp=1e-8;

struct node{
    int v,w,id;
    double val;

    bool operator < (const node &a) const {
        return val>a.val;
    }
}num[maxn];


int n,k;

double get()
{
    double sumv=0,sumw=0;
    for(int i=1;i<=k;i++)
        sumv+=num[i].v,sumw+=num[i].w;

    return sumv/sumw;
}
int main()
{


    while(~scanf("%d%d",&n,&k))
    {
        for(int i=1;i<=n;i++)
        {
            scanf("%d%d",&num[i].v,&num[i].w);
            num[i].id=i;
        }

        double s2=get(),s1;

        do{
            s1=s2;

            for(int i=1;i<=n;i++){
                num[i].val=num[i].v-s1*num[i].w;
            }
            sort(num+1,num+1+n);
            s2=get();

        }while(fabs(s2-s1)>=esp);

        for(int i=1;i<k;i++)
            printf("%d ",num[i].id);
            printf("%d\n",num[k].id);

    }
    return 0;
}

 

-


 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
我的思路是这样的: 最速下降能找出全局最优点,但在接近最优点的区域内就会陷入“齿型”代中,使其每进行一步代都要花掉非常久的时间,这样长久的等待是无忍受的,不信你就在我那个程序的第一步代中把精度取得很小如:0.000000001等,其实我等过一个钟都没有什么结果出来。 再者我们考究一下 牛顿求最优问题,牛顿相对最速下降的速度就快得多了,而且还有一个好处就是能高度逼近最优值,而不会出现死等待的现象。 如后面的精度,你可以取如:0.0000000000001等。 但是牛顿也有缺点,就是要求的初始值非常严格,如果取不好,逼近的最优解将不收敛,甚至不是最优解。 就算收敛也不能保证那个结就是全局最优解,所以我们的出发点应该是:为牛顿找到一个好的初始点,而且这个初始点应该是在全局最优点附近,这个初始点就能保证牛顿高精度收敛到最优点,而且速度还很快。 思路概括如下: 1。用最速下降在大范围找到一个好的初始点给牛顿:(最速下降在精度不是很高的情况下逼近速度也是蛮快的) 2。在最优点附近改用牛顿,用最速下降找到的点为牛顿的初始点,提高逼近速度与精度。 3。这样两种方相结合,既能提高逼近的精度,还能提高逼近的速度,而且还能保证是全局最优点。这就充分吸收各自的优点,扬长避短。得到理想的结果了。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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