公式解析🎀🎢
把公式和解释搬过来，是这样的：
式(1)的意思是：若选取S1j为第 j 个加工，在 j-1 计算结果的基础上，计算花费的最短时间
如果画图来表达第j-1和S1j，应该是这样的：
同理，如果是选好了前 j-1个加工，添加的第 j 加工是L2装配线上的，公式应该是这样的：
min解释：min{ 第j-1加工来自L1线并往S2j方向前进，第j-1加工来自L2线并往S2j方向前进 }
图变成这样：
结合起来，公式应该是这样的：
由于 t 的第一个下标 i 是依据第 j-1 个加工所属的装配线来决定的:
-
如果 j-1 加工来自L1，t 的 i 下标就是1；
-
如果_j-1_ 加工来自L2，t 的_i_ 下标就是2，
因此不一定与a的_i_ 下标一致，这里做个小小的区分：
总的来说，第j个加工，可能从L1装配线上选择(S1j)，也可能从L2上选择(S2j)；同样的，第j-1个加工可能来自L1，也可能来自L2，我们需要将这些情况都计算一遍，然后选出最短时间；对应的路线，就是最短路线
流程解析🎀🎢
此处我们根据公式，一步步算出经过某一个加工需要的时间：
- 当 j = 1时，代表汽车从底盘开始进入到装配线，在图中是这个位置：
这时，有两种情况：
① 当 i=1，j=1时：
f11 = e1 + a11 =3 + 4 = 7
② 当 i=2，j=1时：
f21 = e2 + a21 =2 + 7 = 9
公式告诉我们， j = 1的情况是不做min比较的，因此，进入下一part：j = 2
- 当 j=2 时，有2种情况，每个情况又可以根据上一轮是L1或L2的再分成两种情况：
① 当 i=1，j=2时：
当 j=1选取的是L1装配线的：
f12 = f11 + a12 + t12 = 7 + 9 + 0 = 16 ——时间较少
当 j=1选取的是L2装配线的：
f12 = f21 + a12 + t22 = 9 + 9 + 2 = 20
所以，f12 = min( f12, f22 ) = 16
② 当 i=2，j=2时：
当 j=1选取的是L1装配线的：
f22 = f11 + a22 + t12 = 7 + 5 + 1 = 13 ——时间较少
当 j=1选取的是L2装配线的：
f22 = f21 + a22 + t22 = 9 + 5 + 0 = 14
所以，f22 = min(f12, f22) = 13
因此，当 i=1，j=2时，时间较少的路线是S11→S12，时间16；
当 i=2，j=2时，时间较少的路线是S11→S22，时间13；
- 当 j=3 时，有2种情况，每个情况又可以分为两个子情况：
① 当 i=1，j=3时：
当j=2选取的是L1装配线的：
f13 = f12 + a13 + t13 = 16 + 3 + 0 = 19
当j=2选取的是L2装配线的：
f13 = f22 + a13 + t23 = 13 + 3 + 2 = 18 ——较少
所以，f13 = min(f13, f23) = 18
② 当 i=2，j=3时：
当 j=2选取的是L1装配线的：
f23 = f12 + a23 + t13 = 16 + 6 + 3 = 25
当 j=2选取的是L2装配线的：
f23 = f22 + a23 + t23 = 13 + 6 + 0 = 19 ——较少
所以，f23 = min( f13, f23) = 19
因此，当 i=1，j=3时，时间较少的路线是S11→S12→S23，时间18；
当 i=2，j=3时，时间较少的路线是S11→S22→S23，时间19；
再加上X1X2，用式(2)计算最后一步
fmin = min{ fmin13+X1, fmin23+X2} = min( 18+3, 19+3) = 21
所以，时间较少的路线是S11→S12→S23，时间 21；
再啰嗦地加一张过程的解释图：
注意min是同 i 下标之间的比较，
同样的颜色代表这两个将进行min比较，一方淘汰，一方保留，参与下一加工的计算，一共5次min比较：
终于结束烧脑的题目解析了，到了答案环节🤩
答题💖
====
题一✔🏓
把问题搬过来：
从题目信息看，关键词为：
-
根据第j-1个工位的情况求解第j个工位、
-
重复子问题、
-
迭代，
-
公式里也体现了计算子问题的解并记录计算结果的过程
可以推出，该算法属于动态规划，本题选B
此处贴出选项涉及的算法的基本思路：
① 分治：
一般来说，分治算法在每一层递归上都有三个步骤
- 分解。将原问题分解成一系列子问题
- 求解。递归地求解各种子问题。若子问题足够小，则直接求解
- 合并。将子问题的解合并成原问题的解
② 动态规划：
- 动态规划同样是一种将问题分解为求解子问题的方法
- 不过与分治不同的是，动态规划算法的子问题不是相互独立的，而是有公共的部分，即有重叠子问题，这个时候使用分治算法，相同的子问题会被求解多次，以至于最后解决原问题需要耗费指数级时间
- 用一个表来记录所有已解决的子问题的答案，不论之后是否被使用。这就是动态规划的基本思路
- 再啰嗦一下，本题中，求解第j个加工，需要使用第j-1加工的数据，因此，子问题不是相互独立的；而且公式也明确指出，第j个加工的计算的结果是被保存到变量f中的，所以，题一的答案是B
③ 贪心
- 和动态规划一样，贪心算法也经常用于解决最优化问题
- 但贪心算法不是从整体角度考虑最优，而是考虑局部最优，一旦该子问题找到当前局部最优，就选择该情况，不会再改变
- 最后不一定能得到全局最优解，通常能得到较好的近似最优解
- 个人想法：如果用贪心算法求解这道题，
当j=1时，选择e1+S11，因为(3+4)<(2+7)，子问题1的局部最优解耗时为7（之后就不再考虑S21）
当j=2时，选择S22，因为(7+0+9) > (7+1+5)，子问题2的局部最优解耗时为13（之后就不再考虑S12）
当j=3时，选择S13，因为(13+2+3) > (13+0+6)，子问题2的局部最优解耗时为18，
问题结束，路径为：S11→S22→S13（哦豁，刚好是最优解，个人想法，欢迎指正，谢谢支持）
④ 回溯法
- 回溯法有"通用的解题法"之称
- 回溯法在用来求问题的所有解时要回溯到根，且根结点的所有子树都已被搜索一遍才结束
回溯法在用来求问题的任一解时，只要搜索到问题的一个解就可以结束
- 这种以深度优先的方式系统地搜索问题的解的方法称为回溯法
- 个人想法：回溯法的特点是提前知道解空间，并执行深度优先遍历，如果没有找到解或需要求全部解时，需要回到上一层，去探索另外的可能，一层层回退去遍历寻找。而本题是将问题分为3个子问题，逐步确定第j个加工，不属于回溯算法的思想（个人想法，欢迎指正，谢谢支持）
以上理论的部分摘自《软件设计师考试32小时通关》一书
关于动态规划的概念与设计思想，可以参考这篇博客：[here]( )
题二✔🏓
题目是这样的：
我们已经确定了，本题的算法属于动态规划
- 一维动态规划时间复杂度一般有O(n)和O(n^2)两种，时间复杂度取决于状态转移方程
- 情况一：如果第i个状态的确定需要利用前i-1个状态的取值共同决定，时间复杂度为O(n^2)
- 情况二：如果第i个状态只取决于第i-1个状态或者第i-2个状态或者第i-1和第i-2个状态，而不是取决于其之前的每一个状态，此时的时间复杂度为O(n)
摘自这篇文章：here，文章里有很详细的动态规划思想解说，很强👍
本题中，第j加工的选择取决与第j-1个加工的情况，属于第二种情况，答案选B
从公式中我们也可以看到，是n量级的计算：
只取前一个加工的情况，且前一个加工的情况是有记录的，查询调用即可，然后两者比较取一个最小值，不涉及指数和n^2
题三✔🏓
题目是这样的：
在题解-流程解析中有详细解析计算方法，这里不再赘述
答案选A
最后
面试一面会问很多基础问题，而这些基础问题基本上在网上搜索，面试题都会很多很多。最好把准备一下常见的面试问题，毕竟面试也相当与一次考试，所以找工作面试的准备千万别偷懒。面试就跟考试一样的，时间长了不复习，现场表现肯定不会太好。表现的不好面试官不可能说，我猜他没发挥好，我录用他吧。
开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】
96道前端面试题：
常用算法面试题：
前端基础面试题：
内容主要包括HTML，CSS，JavaScript，浏览器，性能优化
)
在题解-流程解析中有详细解析计算方法，这里不再赘述
答案选A
最后
面试一面会问很多基础问题，而这些基础问题基本上在网上搜索，面试题都会很多很多。最好把准备一下常见的面试问题，毕竟面试也相当与一次考试，所以找工作面试的准备千万别偷懒。面试就跟考试一样的，时间长了不复习，现场表现肯定不会太好。表现的不好面试官不可能说，我猜他没发挥好，我录用他吧。
开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】
96道前端面试题：
- [外链图片转存中…(img-bxpYB2hZ-1714176095062)]
常用算法面试题：
- [外链图片转存中…(img-rHq8qcL8-1714176095063)]
前端基础面试题：
内容主要包括HTML，CSS，JavaScript，浏览器，性能优化
1822
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
