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