一个例子试着说明算法

看过一书《大话数据结构》,此乃风清扬前辈所著,此书为我们阐述了数据结构及算法的知识。程序的编写常谈到算法的重要性,曾经我也不以为然,如大部分人所想:硬件性能越来越高,算法所带来的优化也无关紧要了。其实不然,有时间算法的优化对程序性能的提高远远超出硬件的优化。

package cn.windy;
 
 
/**
 * 通过求1~n的和,阐述何为算法
 * @author JIL
 *
 */
public class SumDemo {
    public static int N=100;
    public static void main(String[] args){
        SumDemo sumDemo=new SumDemo();
        long sum1Begin=System.currentTimeMillis();
        sumDemo.sum1(N);
        System.out.println("sum1() time:"+String.valueOf(System.currentTimeMillis()-sum1Begin));
        long sum2Begin=System.currentTimeMillis();
        sumDemo.sum2(N);
        System.out.println("sum2() time:"+String.valueOf(System.currentTimeMillis()-sum2Begin));
    }
     
    public void sum1(int n){
        System.out.println(">>n:"+n);
        int sum=0;
        for(int i=1;i<=n;i++){
            sum+=i;
        }
        System.out.println("sum1():"+sum);
    }
     
    public void sum2(int n){
        System.out.println(">>n:"+n);
        int sum=0;
        sum=(1+n)*n/2;
        System.out.println("sum2():"+sum);
    }
}

此段代码是我们从小就知道的一个问题---1到n求和的问题,当n为100时,我们可以得到如下结果

我们能看出使用sum2()所提出的方案在n=100的情况下已经优于常规算法,我们将n设为更大的数量级更能发现sum1()及sum2()的运行时间差异。当数量级到一定程度,人脑使用sum2()的算法就会比sum1()的算法快。

        算法在计算机执行程序中加入人的思维,进而提高运算效率。当我们在编写性能要求的软件时,将一些关键代码使用优化算法是有必要的。当然,我们也要避免草木皆兵,写任何代码都陷入算法的优化,进而让项目进度缓慢前行。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,下面是一个关于贪心算法的 Python 例子: 假设我们要选择一组物品以获得最大价值,其中每件物品都有一个体积和一个价值。我们可以使用贪心算法,每次选择价值密度最高的物品。 以下是代码实现: ``` def max_value(items, max_weight): # 将物品按价值密度从大到小排序 items = sorted(items, key=lambda x: x[1] / x[0], reverse=True) total_value = 0 total_weight = 0 for item in items: if total_weight + item[0] <= max_weight: total_weight += item[0] total_value += item[1] return total_value # 测试 items = [(2, 3), (3, 4), (4, 5), (5, 6)] max_weight = 7 print(max_value(items, max_weight)) # Output: 10 ``` 在这个例子中,我们选择了价值密度最高的物品,直到不能再选择任何物品为止,以获得最大的价值。 ### 回答2: 一个简单的贪心算法例子是找零钱问题。假设有1元、5元、10元、50元、100元的纸币,需要找给顾客一个金额为n的零钱,假设n为正整数。贪心算法的思路是尽可能多地使用大面值的纸币,从而减少纸币的数量。 下面是一个用Python实现的找零钱问题的贪心算法例子: ```python def change(n): bills = [100, 50, 10, 5, 1] # 纸币面值数组 result = [] # 存放结果的数组 for bill in bills: count = n // bill # 计算该面值纸币的张数 n = n % bill # 更新剩余金额 for _ in range(count): result.append(bill) # 将该面值纸币添加到结果数组中 if n == 0: break # 当剩余金额为0时跳出循环 return result # 测试 print(change(173)) # 输出: [100, 50, 10, 10, 1, 1, 1] print(change(55)) # 输出: [50, 5] print(change(101)) # 输出: [100, 1] print(change(30)) # 输出: [10, 10, 10] ``` 以上代码中,`bills`数组存放了纸币的面值,通过依次遍历这些面值,计算出当前面值纸币的张数,并将其添加到结果数组中。每次计算完后更新剩余金额,并判断是否为0,如果是则跳出循环。最后返回结果数组。 通过贪心算法,该例子有效地使用大面值纸币,尽量减少了纸币的数量,得到了满足条件的找零方案。 ### 回答3: 贪心算法是一种解决问题的策略,它总是做出在当前看来最好的选择,而不考虑后续的结果。 以下是一个使用贪心算法解决找零钱问题的Python例子: 假设给定不同面额的货币 coins = [1, 5, 10, 20, 50, 100],以及需要找零的金额 amount = 193。 首先,我们需要找零的金额是最大面额的货币无法满足的,即无法使用100的货币。而使用最小面额的货币凑够193是不现实的,因此我们可以尝试使用较大面额的货币。 从上面的面额列表中选择最大的面额 100,我们可以计算出193/100得到1,意味着我们可以使用1个100的货币。现在剩下的金额是193 - 100 = 93。 继续选择下一个最大的面额 50,我们可以计算出93/50得到1,即我们可以使用一个50的货币。剩下的金额是93 - 50 = 43。 继续选择下一个最大的面额 20,我们可以计算出43/20得到2,即我们可以使用两个20的货币。剩下的金额是43 - 20 * 2 = 3。 接下来选择一个最大面额 5,我们可以计算出3/5得到0,因此无法使用任何5的货币。但我们还有其他面额的货币没有尝试过。 继续选择下一个最大的面额 1,我们可以计算出3/1得到3,即我们可以使用3个1的货币。最终剩下的金额是3 - 1 * 3 = 0。 通过贪心算法,我们得出总共需要 2 个20的货币,1 个50的货币,1 个100的货币,以及 3 个1的货币来凑够193的金额。 虽然贪心算法可以有效解决一些问题,但它并不一定总能给出最优解。在一些情况下,贪心算法可能会得到次优解或者根本无法得到符合要求的解。因此在使用贪心算法时,需要仔细考虑问题的特性和要求。

“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