模拟、枚举与贪心4

贪心最重要的是确定策略,并能够证明此为实际上的最优策略。

给定长度为n的整数数列{Ai},找出两个整数ai和aj(i<j),使得ai-aj尽量大。

最简单的方法:暴力循环。显然可以再优化。

不妨先用一层循环,维护到坐标i为止的最小值,后再循环用每个坐标上的值减去当前位置遍历到的最小值(即为维护出来的值),取其中的最大值。

#include<iostream>
#include<cstdio> 
#include<cstring>
#include<algorithm>
using namespace std;
typedef long long ll;
const ll maxx = 0x7f7f7f7f;
int n,minn[100],a[100],ans=-maxx;
int main(){
	cin>>n;
	for(int i=1;i<=n;++i)
		cin>>a[i];
	minn[n]=a[n];
	for(int i=n-1;i>=1;--i)
		minn[i]=min(minn[i+1],a[i]);
	for(int i=1;i<=n;++i){
		ans=max(ans,a[i]-minn[i]);
	}
	cout<<ans;
	return 0;
}

链接:登录—专业IT笔试面试备考平台_牛客网
来源:牛客网
 

[NOIP1998]拼数

设有n个正整数(n ≤ 20),将它们联接成一排,组成一个最大的多位整数。
例如:n=3时,3个整数13,312,343联接成的最大整数为:34331213
又如:n=4时,4个整数7,13,4,246联接成的最大整数为:7424613

容易想到,当长度相同时,只需一位位比较相同位置,最高位较大的直接排到前面。但若是不同长度,就要仔细考虑,如233和2331,当比较到第二个串中的1时,需要与第一个串从头开始比较(即比较2),需要暴力循环。更优的策略就是将两个串并在一起,再比较2332331和2331233。证明此为最优策略的过程如下:

假设有两个串a、b,且a>b,则可以证明当有任意串c在a、b之间时,恒有acb>bca,且由冒泡排序的思想得,当任意两串满足上述条件时,整体也必然是满足条件的。

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int n;
string s[100];
bool cmp(string a,string b){
	return a+b>b+a;
}
int main(){
	cin>>n;
	for(int i=1;i<=n;++i)
		cin>>s[i];
	sort(s+1,s+1+n,cmp);
	for(int i=1;i<=n;++i)
		cout<<s[i];
	return 0;
} 

Given Length and Sum of Digits

求长度为mÿ

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
旅行售货问题(Traveling Salesman Problem,TSP)是指给定一系列城市和每对城市之间的距离,求解访问每个城市一次并回到起始城市的最短回路。这是一个典型的组合优化问题,其解决方案可以应用于物流、电路设计、路径规划等领域。本文将介绍两种常见的TSP解决算法:暴力枚举和启发式算法。 1. 暴力枚举 暴力枚举是一种朴素的解决方法,其思路是对所有可能的路径进行枚举,然后选择最短的路径作为解决方案。具体实现步骤如下: (1)将所有城市编号,从1到n。 (2)生成所有城市之间的路径,共有n!种可能。 (3)计算每种路径的长度,选择最短的路径作为最终解决方案。 暴力枚举算法的优点是能够得到全局最优解,但是其缺点也十分明显,即计算时间随着城市数量n的增加呈指数级增长,难以应用于大规模TSP问题的解决。 2. 启发式算法 启发式算法是一种基于贪心思想的优化算法,其思路是通过不断优化当前解决方案,逐步接近最优解。常见的启发式算法包括遗传算法模拟退火算法、蚁群算法等。其中,蚁群算法是一种基于蚂蚁觅食行为的启发式算法,其步骤如下: (1)初始化蚂蚁数量、信息素浓度和城市之间的距离。 (2)每只蚂蚁从起始城市出发,按照一定的规则选择下一个城市。 (3)每只蚂蚁选择完路径后,根据选择路径的长度更新信息素浓度。 (4)重复步骤2-3,直到所有蚂蚁完成路径选择。 (5)根据信息素浓度和路径长度计算每个路径的概率,然后按照概率选择路径。 (6)重复步骤2-5,直到达到最大迭代次数或找到最优解。 蚁群算法的优点是能够在较短时间内得到较好的解决方案,但是其缺点是容易陷入局部最优解,对参数的调整要求较高。 综上所述,暴力枚举算法适用于小规模TSP问题,而启发式算法适用于大规模TSP问题。在实际应用中,我们可以根据问题规模和时间限制选择适当的算法,并根据实际情况进行参数调整和算法优化,以获得更好的解决方案。

“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