泛舟湖上清波郎朗
这个和背包问题有点类似啊,首先包容量是 100,即credits <= 100。其次拿到的所有数据的Sum(points)最大。光这两点就和背包问题非常相似。背包问题是这样描述的:有一个背包,背包容量是M=150。有7个物品,物品可以分割成任意大小。要求尽可能让装入背包中的物品总价值最大,但不能超过总容量。背包问题求解使用了贪心算法,其中贪心策略是:每次选取单位重量价值最大的物品。你这里类比一下,贪心策略是:每次选取单位credits points最大的记录,即points / credits最大的记录。在选取过程中需要注意一些条件:一条记录只能被选择一次相同的Team选择的次数小于等于7每个position的限制选举的条数达到11,或credits达到100,则停止如果credits先达到100,则考虑一种置换策略。补充:貌似贪心好像不行,换种思路,用回溯的方法去考虑:首先,对所有记录按照points倒序排序,构建一个搜索空间树,树高为11。所以原问题就变成了搜索树的最佳路径的问题。每次选取points最大的记录,向下搜索时,可以根据条件过滤掉没有必要的分支。每一步搜索时必须满足一下条件:相同记录不能被搜索两次。相同的Team选择的次数小于等于7。每个position的限制。对已选取的记录Sum(points) <= 100。一旦搜索路径上不满足上述条件,则回溯,到另一个分支继续搜索。所以整个是一个递归的过程。补充:用回溯算法实现了下,代码放在github,用几个测试用例简单的测试了下,都是正确的,效率不是很高,你自己优化一下,下面是我的输出:输入数据:
1 56 9.0 1 1 2 54 9.1 2 1 3 35 8.0 2 2 4 32 8.0 3 1 5 20 8.5 1 2 6 18 9.0 3 2 7 16 9.1 2 2 8 15 8.0 3 2 9 13 7.0 3 1 10 10 8.5 4 2 11 7 9.0 4 2 12 5 8.0 2 1 13 4 7.0 3 1 14 3 8.5 4 1 15 2 9.0 3 1 16 1 8.5 4 2 17 0 9.0 3 2 18 0 8.5 4 1 19 0 9.0 3 2 20 0 8.5 4 1 21 0 9.0 3 1 22 0 8.5 4 2 选取的数据:
1 56 9.0 1 1 2 54 9.1 2 1 3 35 8.0 2 2 4 32 8.0 3 1 6 18 9.0 3 2 7 16 9.1 2 2 8 15 8.0 3 2 10 10 8.5 4 2 11 7 9.0 4 2 12 5 8.0 2 1 14 3 8.5 4 1 sumPoints:251, sumCredits:94.20,
position-1 picked(1): 1 , position-2 picked(3-5): 4 , position-3 picked(1-3): 3 , position-4 picked(3-5): 3
team picked(less than 7):{1=5, 2=6}