启发式搜索练习(更新中)

介绍下概念:简单来说,启发式搜索就是对取和不取都做分析,从中选取更优解(或删去无效解)

例题:P1048 采药

所有的启发式搜索都会有一个估价函数。下面是这一题的估价函数。

const int N = 105;
struct Node {
  int a, b;  // a代表时间,b代表价值
  double f;
} node[N];

int f(int t, int v) {
  int tot = 0;
  for (int i = 1; t + i <= n; i++)
    if (v >= node[t + i].a) {
      v -= node[t + i].a;
      tot += node[t + i].b;
    } else
      return (int)(tot + v * node[t + i].f);
  return tot;
}

那么估价函数是什么呢?我们都知道,背包问题的最基础的思路是O(2^n)。一个状态有两种决策,分别是取和不取,那么,我们在取的时候判断一下是不是超过了体积,在不取的时候判断一下,如果,我不取这个,那么,剩下的所有的价值+现有的价值有没有大于我所找到的目前的最优解,如果没有,不取是没有意义的。听不懂?没关系。我们先上核心代码。

void work(int t, int p, int v) {
    ans = max(ans, v);
    if (t > n) return;
    if (f(t, p) + v > ans) work(t + 1, p, v);
    if (node[t].a <= p) work(t + 1, p - node[t].a, v + node[t].b);
}

假设,我现在的最优解是2,如果我不取这个物品,所能得到的估价比这个小,说明不取是没有意义的,因为就算你剩下的全部取了都不是最优解。那么,估价有没有可能估小了呢?不可能。

bool operator <(const Node &a,const Node &b)
{
	return a.f>b.f;
}
sort(node+1,node+1+n);

上面这段代码就保证了不可能估小。以及,我们在估价时,不管它到底可不可以放进去,只有背包有空间,就放,而放的价值就是单位价值:

node[i].f=1.0 * node[i].b / node[i].a

好的,我们现在就放出完整代码。

#include <algorithm>
#include <iostream>
// heuristic-search 启发式搜索
using namespace std;
const int N = 105;
int m, t, ans;
struct Node {
	int time, value;
	double f;
} node[N];

bool operator<(Node p, Node q) { return p.f > q.f; };

// f 估价函数 time限制下,不取idx,去i[dx+1,m]的剩余总价值,
int f(int idx, int time) {
	int tot = 0;
	for (int i = 1; idx + i <= m; i++)
		if (time >= node[idx + i].time) {
			time -= node[idx + i].time;
			tot += node[idx + i].value;
		} else
			return (int) (tot + time * node[idx + i].f);
	return tot;
}

void dfs(int idx, int time, int v) {
	ans = max(ans, v);
	if (idx > m) return;// 可行性剪枝
	if (f(idx, time) + v > ans) // 不取,最优性剪枝. 解释: 意味着我不取得情况下,后续能取最大价值能不能大于目前最大得价值!
		dfs(idx + 1, time, v);
	if (node[idx].time <= time) // 可行性剪枝
		dfs(idx + 1, time - node[idx].time, v + node[idx].value);
}

int main() {
	cin >> t >> m;
	for (int i = 1; i <= m; i++) {
		cin >> node[i].time >> node[i].value;
		node[i].f = 1.0 * node[i].value / node[i].time;
	}
	sort(node + 1, node + m + 1);
	dfs(1, t, 0);
	cout << ans << endl;
	return 0;
}
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
盲目搜索和启发式搜索是两种常见的搜索算法。盲目搜索是一种无信息搜索方法,它不利用任何关于问题结构的先验知识,而是通过遍历搜索空间的方式来找到解。常见的盲目搜索算法有深度优先搜索、广度优先搜索和迭代深化搜索。深度优先搜索按照深度优先的方式遍历搜索空间,但可能会陷入非目标状态的分支导致找不到解;广度优先搜索从起始状态开始,逐层扩展搜索,始终能够找到问题的解,但时间和空间消耗较大;迭代深化搜索是将深度优先和广度优先搜索结合起来,通过设置深度限制,在每一层的深度上进行深度优先搜索,当达到限制的深度时转到其他分支继续搜索,直到找到解为止。 启发式搜索是一种利用问题结构的启发信息来引导搜索的方法。启发式搜索算法根据某种评估函数对每个搜索节点进行评估,选择评估值最优的节点进行扩展。常见的启发式搜索算法有最佳优先搜索(Best-first search)和A*算法。最佳优先搜索每次扩展评估值最优的节点,但可能会受到启发函数的局限性,导致找不到最优解;A*算法综合考虑了节点的实际代价和启发函数的估计代价,通过评估函数f(n) = g(n) + h(n)选择评估值最优的节点进行扩展,其g(n)表示从起始节点到节点n的实际代价,h(n)表示从节点n到目标节点的启发式估计代价。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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