机试算法模拟题 服务中心选址

2024-09-09 06:44

本文主要是介绍机试算法模拟题 服务中心选址,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!

题目描述

一个快递公司希望在一条街道建立新的服务中心。公司统计了该街道中所有区域在地图上的位置,并希望能够以此为依据为新的服务中心选址:使服务中心到所有区域的距离的总和最小。

给你一个数组positions,其中positions[i] = [left, right] 表示第 i 个区域在街道上的位置,其中left代表区域的左侧的起点,right代表区域的右侧终点,假设服务中心的位置为location:

如果第 i 个区域的右侧终点right满足 right < location,则第 i 个区域到服务中心的距离为 location - right;
如果第 i 个区域的左侧起点left 满足 left > location,则第 i 个区域到服务中心的距离为left - location;
如果第 i 个区域的两侧left,right满足left <= location <= right,则第 i 个区域到服务中心的距离为0
选择最佳的服务中心位置为location,请返回最佳的服务中心位置到所有区域的距离总和的最小值。

输入描述

先输入区域数组positions的长度n(1 ≤ n ≤ 10^5)

接下来 n 行每行输入成对的left和right值,以空格隔开

-10^9 <left ≤ 10^9
-10^9 <right ≤ 10^9

输出描述

输出为location

输入3
1 2
3 4
10 20
输出8
输入6
1 3
4 9
2 15
6 27
15 17
5 8
输出12
输入16
41 67
0 34
24 69
58 78
62 64
5 45
27 81
61 91
42 95
27 36
4 91
2 53
82 92
16 21
18 95
26 47
输出127

题目解析

此题如果用暴力搜索肯定是超时的
从直觉上来说,肯定是中间位置取得最小值
仔细观察可以发现,当服务中心在两个街区外的中间时,两个街区的距离之和是一个定值。如下图蓝色线,当中心x在B点、C点之间时,AB到x的距离与CD到x的距离之和是一个定值,结果等于BC的距离。而越过这个范围,其值就会升高。
当我们再加入两个更靠近的街区EF和GH,这两个街区到x的距离同样出现前述现象(红色线)。而将两者加起来的结果是棕色线。棕色线就是我们求的距离之和。
从这推论可以发现,假设这些街区可以划分为之间没有重叠的两个集合,这些街区的最低距离就在这两个集合之间。

在这里插入图片描述
此时就有两个问题
1.怎么保证最小值一定会落在这个区间?而且其实EF可以和CD配对啊?
这其实是一种贪心算法,所以要让BC覆盖FG。
解决方法就是按照街区的右端点和左端点分别排序,
在配对的时候保证选择的街区右端点F一定在B之右,G和C的关系同理
2.其他不成对的街区就不会干扰吗?
仔细考虑,街区如果不成对的原因要么是最后剩下的街区全部在某一部分共同重叠(不然如果一个街区有两个以上分离开的部分被”其他街区“重叠,就意味着这些”其他街区“可以配对,因为重叠区域的边界一定是某个街区的边界),要么是只剩一个街区没法配队。由于题目说x所在的街区与x的距离为0,只要把x移到这个重叠或者单独街区上就可以无视掉这些街区。

import sys
#输入数据
data=[]
n=int(sys.stdin.readline())#用input()也没关系
for i in range(n):data.append(list(map(int,sys.stdin.readline().split())))#将左端点和右端点各自排序
left_sorted_index=sorted(list(range(n)),key=lambda x:data[x][0])
right_sorted_index=sorted(list(range(n)),key=lambda x:data[x][1])ans=0i=0
j=n-1
#配队
while data[right_sorted_index[i]][1]<data[left_sorted_index[j]][0] and i<j:ans=ans+data[left_sorted_index[j]][0]-data[right_sorted_index[i]][1]i+=1j-=1print(ans)

这篇关于机试算法模拟题 服务中心选址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/1150445

相关文章

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

springboot+dubbo实现时间轮算法

《springboot+dubbo实现时间轮算法》时间轮是一种高效利用线程资源进行批量化调度的算法,本文主要介绍了springboot+dubbo实现时间轮算法,文中通过示例代码介绍的非常详细,对大家... 目录前言一、参数说明二、具体实现1、HashedwheelTimer2、createWheel3、n

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