算法导论第16章练习题 16.1-4

2024-09-02 17:08
文章标签 算法 16 练习题 导论 16.1

本文主要是介绍算法导论第16章练习题 16.1-4,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

16.1-4 假设有一组活动,我们需要将它们安排到一些教室,任意活动都可以在任意教室进行。我们希望使用最少的教室来完成活动。设计一个高效的贪心算法,求每个活动应该在哪个教室来进行。
  (这个问题也被称为区间图着色问题。我们可以作出一个区间图,其顶点为已知的活动,其边连接着不兼容的活动。要求使用最少的颜色对顶点进行着色,使得所有相邻顶点颜色均不相同——这与使用最少的教室完成所有的活动的问题是对应的。)

下面内容翻译于算法导论教师手册的练习题答案(翻了个大意,可能会有翻译的不准确的地方)。

解答:
设S是n个活动的集合。

  “显而易见”的解法是使用前面章节的贪心算法,来找到S中的一个最大兼容活动集合S1,S1中的活动全部放在第1个教室进行,然后在找到S-S1中的另一个最大兼容活动集合S2……(直到所有活动都被分配),最坏时间是Θ(n^2)。此外,有可能得到的教室个数不是最少的。例如:
  考虑活动集合{ [1 , 4) , [2 , 5) ,[6 , 7) ,[4 , 8) }。贪心算法会选择[1 , 4),[6 , 7)放在第一个教室,另外两个活动每个分别是第二第三个教室,一共需要3个教室。而最优解是 [1 , 4) ,[4 , 8) 放在第一个教室,[2 , 5) ,[6 , 7)放在第二个教室,一共需要2个教室。
  
  正确的算法是下面这样,其渐进时间只是将活动按时间来进行排序的时间。
  一般的想法是按照活动开始时间进行遍历,把每个活动分配到那个时刻空闲的教室。将每个活动的开始时间和结束时间放在一起按时间排序,然后遍历整个时间表。同时维护两个列表:在时刻t空闲的教室列表(free),和已经安排了活动i的教室列表(busy)(活动i开始时间si<=t , 而且结束时间fi>t)。当t是某个活动的开始时刻时,把该活动分配到一个空闲教室,然后把该教室从free列表中移到busy列表。当t是某个活动的结束时刻时,把该活动分配的教室 ,从busy列表中移到free列表中。
  
  为了避免使用额外不必要的教室,在分配教室时,总是分配已经办过活动的教室,如果没有,再启用新教室(可以通过这样的方式来达到此目的:讲空闲教室从free列表中移出或移进,都在列表头进行)

  这就保证了使用尽可能少的教室:这个算法会使用m个教室(m<=n),设活动i是被分配给教室m的第一个活动,活动i在教室m中进行的原因是在活动i开始时间si时,前m-1个教室都有活动在进行。所以此刻一共有m个活动在同时进行。因此任何分配方式都至少需要m个教室,因此这个算法的结果是最优的。
  Run Time:
  排序2n个时间(n个活动的开始和结束时间)。(若某个活动i的结束时间和另一个活动j的开始时间相同,那么活动i结束时间排在前面,一般是O(nlgn),也可能是O(n))
  在O(n)内处理活动:扫描2n个时间点,O(1)维护两个教室列表(free,busy)
  Total:O(n+排序时间)

代码如下:

class TimePoint():def __init__(self,n,time,isStart=True,classroom=-1):self.activity=n       #活动号self.time=time        #时间点self.classroom=classroom #被分配的教室号self.isStart=isStart  #是否是开始时间#对时间点排序
def pointSort(timePointList,activityList): n=len(activityList)for i in range(n):timePointList.append(TimePoint(i,activityList[i][0]))timePointList.append(TimePoint(i,activityList[i][1],False))p=sorted(timePointList,key=lambda point: point.time)#使用的python内置sorted进行排序for i in range(2*n-1):#调整时间点相同时,将结束时间排在前面if p[i].time==p[i+1].time and p[i].isStart==True and p[i+1].isStart==False:temp=p[i+1];p[i+1]=p[i];p[i]=tempreturn p#分配过程
def allocation(timePointList,free,busy):classroom=0  #分配的教室最开始是0(没有教室)for timePoint in timePointList: #遍历时间点#如果该时间点是某个活动开始时间if timePoint.isStart==True: if len(free)>0:      #如果free非空busy.append(free[0])       #将free中第一个教室移动到busy中timePoint.classroom=free[0]   #记录该活动在哪个教室进行(这里只标记了该活动的开始时间点)free.pop(0)              #将该教室从free中删除else:           #如果free空的classroom+=1  #启用一个新教室busy.append(classroom)timePoint.classroom=classroom#下面的循环是将该活动的结束时间点也标记上在哪个教室进行for x in [ i for i in timePointList if i!=timePoint]:if x.activity==timePoint.activity:x.classroom=timePoint.classroombreakprint 'free',freeprint 'busy',busy#该时间点是某个活动结束时间else:free.insert(0,timePoint.classroom) #将busy中的该活动进行的教室移动到free中的第一个busy.remove(timePoint.classroom) #从busy中删除该教室 print 'free',freeprint 'busy',busyreturn classroom            #最后classroom就是所需要的最少教室数if __name__ == '__main__':free=[]busy=[]timePointList=[]activityList=[[1,4],[2,5],[6,7],[4,8],[9,10],[2,3]]timePointList=pointSort(timePointList,activityList)number=allocation(timePointList,free,busy)print number

这篇关于算法导论第16章练习题 16.1-4的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1130551

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖