算法第4作业

一、对贪心算法的理解

贪心算法是指在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,不是对所有问题都能得到整体最优解,他所做出的是在某种意义上的局部最优解,关键是贪心策略的选择,选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关。

基本思路:从问题的某一个初始解出发一步一步地进行,根据某个优化测度,每一步都要确保能获得局部最优解。每一步只考虑一个数据,他的选取应该满足局部优化的条件。若下一个数据和部分最优解连在一起不再是可行解时,就不把该数据添加到部分解中,直到把所有数据枚举完,或者不能再添加算法停止。

二、汽车加油问题的贪心选择性质

若当前的车油量能够保证到达下一个车站,不用加油,否则要加油,以达到到达目的地的时候加油次数最少的结果。

代码如下:

 1 #include"iostream"
 2 using namespace std;
 3 void oil(int n,int k,int a[]){
 4   int min=n,count=0;
 5   int b=0;
 6   for(int i=0;i<=k;i++){
 7     if(a[i]>n){
 8         b=1;
 9     }
10     else{
11         if(a[i]<min) min=min-a[i];
12         else {
13             count++;
14             min=n-a[i];
15         }
16     }
17   }
18   if(b==0){ cout<<count;}
19   else if(b==1) cout<<"No Solution!";
20 }
21 
22 int main(){
23   int n,k;
24   cin>>n>>k;
25   int a[1000];
26   for(int i=0;i<k+1;i++){
27     cin>>a[i];
28   }
29   oil(n,k,a);
30   return 0;
31 }

 

三、本章学习过程中遇到的问题以及结对编程的情况

尽管贪心算法问题没有动态规划问题难度高,但是做的题量比较少,所以对于一些简单的题目能够做得出来,稍微有点难度的就有点难下手了,主要问题是不清楚题目贪心策略是什么,想不出来应该怎样进行贪心选择。这一章的编程题是我和舍友一起完成的,而不是平时上课的结对小伙伴,第一道汽车加油问题是学习贪心算法后做的第一道贪心算法习题,虽然很简单,但是运行的时候还是出现了很多bug,不能够一次性通过,都是一些粗心导致的细节问题,最终也解决了。第二道会场安排问题,只通过了一个测试点,我和小伙伴调试了好久,还是找不出错误,打算下次上课再请教已经做出来的同学。



转载于:https://www.cnblogs.com/xm-dream/p/10049920.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
人工智能原理与算法第四次作业主要包括以下内容: 1. 线性回归:线性回归是一种常见的机器学习算法,用于建立输入变量与输出变量之间的线性关系。通过拟合最优的直线来进行预测和判断。 2. 逻辑回归:逻辑回归是一种常用于分类问题的线性模型。通过将线性回归的结果通过sigmoid函数进行转换,将输出限制在0-1之间,从而进行二分类预测。 3. 决策树:决策树是一种基于树结构的分类方法。通过一系列的决策节点和叶节点来对样本进行分类。决策树的训练过程包括选择最佳的节点和最优的划分特征。 4. K近邻算法:K近邻算法是一种基于实例的学习方法,通过计算输入样本与训练样本之间的距离,选择K个最近邻的样本来进行分类或回归。 5. 支持向量机:支持向量机是一种常用的二分类算法。通过将样本转换到高维空间,将样本分割为不同的类别,构造最优的超平面来进行分类。 6. 朴素贝叶斯:朴素贝叶斯是一种基于贝叶斯概率理论的分类方法。通过统计样本的特征向量在每个类别中的条件概率来进行分类。 7. 随机森林:随机森林是一种集成学习方法,通过多个决策树的集成来进行分类或回归。每个决策树使用不同的训练集和特征子集进行训练。 8. 神经网络:神经网络是一种模仿人脑神经元之间连接方式的计算模型。通过多个神经元的连接和权重调整来进行分类、回归等任务。 以上是人工智能原理与算法第四次作业的内容,涵盖了常用的机器学习算法和分类方法,这些方法在实际应用中具有广泛的应用价值。
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