题目描述
现在有n枚金币,它们可能会有不同的价值,现在要把它们分成两部分,要求这两部分金币数目之差不超过1,问这样分成的两部分金币的价值之差最小是多少?
题目分析
分析发现,我们可以每次交换在两个部分中的两个元素,然后求两部分差最小的情况.
但是观察 n n n的范围不大于 30 30 30,那么在数据最强的情况下,搜索的复杂度可以达到 O ( 2 n ) O(2^n) O(2n)的水平,显然是承受不了的.
又因为这是一个最优解问题,所以我们考虑模拟退火算法.
模拟退火算法
模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有 序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为 e(-ΔE/(kT)),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值 f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代,并逐步衰减t值,算法终止时的当前解即为所得近似最优解,这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表 (Cooling Schedule)控制,包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
那么对应到OI上,就是每次随机出一个新解,如果这个解更优,则接受它,否则以一个与温度和与最优解的差相关的概率接受它.
设这个新的解与最优解的差为 Δ E \Delta E ΔE ,温度为 T T T , k k k 为一个随机数,那么这个概率为 e Δ E k T e^{\frac{\Delta E}{kT}} ekTΔE.
我们还可以用一个形象的比喻来描述模拟退火算法:兔子喝醉了。它随机地跳了很长时间. 这期间,它可能走向高处,也可能踏入平地. 但是,它渐渐清醒了并朝最高方向跳去. 这就是模拟退火.
由上述可以发现,模拟退火大致有这些步骤:
1.设置初始温度T,初始符合条件的答案;
2.通过某种神奇的方式,找到另一个符合条件的新状态;
3.分别将两个状态的答案计算出来,并作差得到
Δ
E
ΔE
ΔE;
4.根据题目要求,贪心的决定是否更换答案(有些题目是改变状态). 即:选择最优解;如果无法替换答案,则根据一定概率替换答案. 即运用到上述的平衡概率
e
x
p
(
Δ
E
/
T
)
exp(ΔE/T)
exp(ΔE/T)(表示
e
e
e的
Δ
E
/
T
ΔE/T
ΔE/T次方)随机的决定是否替换.
每一次操作后,进行降温操作。即:将温度
T
T
T乘上某一个系数,一般是
0.985
−
0.999
0.985−0.999
0.985−0.999随具体题目随缘定.
我们会发现,新状态离最优解越近,温度越高,越容易被接纳
伪代码实现如下:
esp=1e-15;//终止温度
T=初始温度;
while(T>esp)
{
now=从当前最优状态随机更新的一个状态;
delta=calc(now)-calc(ans);
if(delta与题目要求的满足更优)ans=now;
else if(exp(delta/T)*RAND_MAX>rand())ans=now;//PS:这里的delta前面可能要加'-';也可能不是对最优解的改变而是对状态的改变(限于最优解记录状态的时候)
T*=t0;//t0一般在0.985-0.999之间,根据具体题目时间,随缘调试。。。
}
关于上述delta的符号问题:
自然对数的底 e e e的幂必须为负数,所以有时候delta要加负号,有时候不用.
以上,我们可以假定状态是当前的差值,每次更新状态时就交换一组元素即可.
用ans记录最优解,所以ans的值不改变,改变的是状态.
程序实现
#include<bits/stdc++.h>
#define esp 1e-8//escape温度也是随缘
#define dt 0.998
#define ll long long
using namespace std;
ll tot1,tot2,a[40],ans;
int n,len1,len2;
void SA(){
double T=1200;
while(T>esp){
int x=(int )(rand()%len1+1),y=(int )(rand()%len2+len1+1);
ll delta=abs((tot1+a[y]-a[x])-(tot2+a[x]-a[y]))-ans;//随机新状态
if(delta<0){
tot1=tot1+a[y]-a[x];
tot2=tot2+a[x]-a[y];
ans=abs(tot1-tot2);
swap(a[x],a[y]);
}
else if(exp((-delta)/T)*RAND_MAX>rand()){//RAND_MAX表示rand函数能够取得到的最大值,这是对是否更新状态的估值;exp表示自然对数的底的k次方
tot1=tot1+a[y]-a[x];
tot2=tot2+a[x]-a[y];
// ans=abs(tot1-tot2);此行有误
swap(a[x],a[y]);//改变的是状态,不是用来记录最优解的ans
}
T*=dt;
}
}
int main(){
// freopen("make.in","r",stdin);
// freopen("1.out","w",stdout);
srand((int )time(0));//随机时间种子
int T;
scanf("%d",&T);
for(int i=1;i<=T;i++){
len1=0,len2=0;
memset(a,0,sizeof a);
tot1=0,tot2=0,ans=0;//没初始化就完了
scanf("%d",&n);
len1=n/2;
len2=n-len1;
for(int i=1;i<=n;i++){
scanf("%lld",&a[i]);
if(i<=len1)tot1+=a[i];
else if(i>len1)tot2+=a[i];
}
ans=abs(tot1-tot2);
if(n==1){printf("%lld\n",a[1]);continue;}
for(int i=1;i<=20;i++)SA();//SA是模拟退火英文Simulate Anneal的缩写
printf("%lld\n",ans);
}
return 0;
}
感谢算法支持: