第四周总结——对思维题目的理解与秘书问题

2024-01-25 06:40

本文主要是介绍第四周总结——对思维题目的理解与秘书问题,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!

       通过这一周对思维题目以及思维资料的阅读,在遇到一个思维题时,基于目前所学,我总结了三个步骤:建模、解模、解释。首先理解题意,对所研究的问题进行整理归纳,建立模型;然后运用数学思维进行推理,解出模型;最后用语言解释所建立的模型。以下,我便由一个例子,来对思维进行我自己的解释:

 Just Eat It

原题连接:Problem - 1285B - Codeforces (Unofficial mirror site, accelerated for Chinese users)

(一)对问题建立模型:有一组数列,设其和为sum,在此数列中取任意子数列段,并求其子数列段的和ans,若存在ans>=sum,则输出“no”;否则输出“yes”。

(二)解模:首先输入一组数列,并求出其和,然后求其余子数列段的和进行比较,便可得出结果。

我想可以把这个问题分成三种情况:数列中存在小于等于0的数;数列中不存在小于等于0的数;整体。

①数列中存在小于等于0的数:

       因为我们选取的[l, r]区间,相当于是整个数列前面砍去一部分,后面再砍去一部分,如果我们能砍掉一段总和小于等于0或的区间或小于等于0的数,则我们的总和一定比整个数列和要大或相等。

       这时需要先从数列前端与后端开始判断数列是否存在小于等于0的数,并砍去总和小于等于0的部分,即可判断。

②数列中不存在小于等于0的数:

无论如何,整体数列的和必定大于子数列的和,直接输出“yes”。

③若整体来做:

找最大子数列,直接判断最大子数列的值是否大于整体数列的总和。

我们可以锁定数列的右端点r,然后找到[1, r - 1]中的最小和位置l,则[l, r]是以r为右端点的最大连续子数列区间。我们把所有区间的和取max就可以得到整个数列的最大连续子数列和。

(三)解释:
整体来做:

#include <iostream>
#include <algorithm>
using namespace std;
typedef long long ll;
const ll inf=999999999;
ll a[100005];
int main(){int t,n;cin>>t;while(t--){cin>>n;ll sum=0;for(int i=0;i<n;i++){cin>>a[i];sum+=a[i];}ll ans=-inf,now=0;for(int i=0;i<n-1;i++){now+=a[i];ans=max(ans,now);if(now<0) now=0;}now=0;for(int i=1;i<n;i++){now+=a[i];ans=max(ans,now);if(now<0) now=0;}if(sum>ans) cout<<"YES"<<endl;else cout<<"NO"<<endl;}return 0;
}

数列中存在小于等于0的数:

#include <bits/stdc++.h>
#define rep(i, n) for (int i = 1; i <= (n); ++i)
using namespace std;
typedef long long m;
const int N = 1E5 + 10;
int a[N];
int main()
{int t; cin >> t;while (t--){int n;cin>>n;bool flag=0;m sum = 0;rep(i, n) {cin>>a[i];sum += a[i];if(sum<=0 and i!=n)flag=1;}sum=0;for(int i=n;i>=2;--i) {sum+=a[i];if (sum<=0) flag=1;}if (!flag) cout<<"YES"<<endl;else  cout<<"NO"<<endl;}return 0;
}

       对于这个题,我考虑用排序的方法能否解出。思路:首先对数列从小到大进行排序,若数列中存在小于等于0的数,便锁定这些数的位置,判断其位置是否连续,并对其两边的数进行求和,若和达到临界(和<=0)时,便砍去这一段子数列,所得其余子数列求和与整体数列和进行比较,即可得出答案。

秘书问题

最近看了一个很有趣的问题——秘书问题,又名最优停止理论或37%

        如何停止观望时间?这个理论给了一个科学的数据:当你选择到全部的37%时,你就可以停止观望,进行选择了,而在这37%之前,千万不要做选择哦,在观望到37%时,你便可以做出选择了,不然担心自己所做选择太仓促或丢掉最优选择的概率会更大。

同时也有个经典问题与之相似:麦穗理论

如果你想摘取最大的麦穗,假设有n个麦穗,你应该先将前n/e个麦穗作为参考,然后再k+1个麦穗开始选择比前面k个最大的麦穗即可。

e = 2.718281828459,1/e = 0.36787944117144。

这是有理论依据的:

       假设我们碰到的麦穗有n个,我们用这样的策略来选麦穗,前k个,记住一个最大的麦穗记为d(可能是重量,也可能是体积),然后k+1个开始,只要大于d的,就选择,否则就不选择。
  对于某个固定的k,如果最大的麦穗出现在了第i个位置(k<i≤n),要想让他有幸正好被选中,就必须得满足前i-1个麦穗中的最好的麦穗在前k个麦穗里,这有k/(i-1)的可能。考虑所有可能的i,我们便得到了前k个麦穗作为参考,能选中最大麦穗的总概率P(k):

  


  设k/n=x,并且假设n充分大,则上述公式可以改为:
  


  对-x·lnx求导,并令这个导数为0,可以解出x的最优值,它就是欧拉研究的神秘常数的倒数——1/e。
  所以k=n/e.

虽然对于这个问题我还没有找到例题可以运用,然后用代码写出,但我认为这个可以作为一个锻炼思维的问题进行思考。对于选择问题来说,我想这是一个不错的帮助!期待之后可以对其加以运用。

这篇关于第四周总结——对思维题目的理解与秘书问题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/642400

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

购买磨轮平衡机时应该注意什么问题和技巧

在购买磨轮平衡机时,您应该注意以下几个关键点: 平衡精度 平衡精度是衡量平衡机性能的核心指标,直接影响到不平衡量的检测与校准的准确性,从而决定磨轮的振动和噪声水平。高精度的平衡机能显著减少振动和噪声,提高磨削加工的精度。 转速范围 宽广的转速范围意味着平衡机能够处理更多种类的磨轮,适应不同的工作条件和规格要求。 振动监测能力 振动监测能力是评估平衡机性能的重要因素。通过传感器实时监

缓存雪崩问题

缓存雪崩是缓存中大量key失效后当高并发到来时导致大量请求到数据库,瞬间耗尽数据库资源,导致数据库无法使用。 解决方案: 1、使用锁进行控制 2、对同一类型信息的key设置不同的过期时间 3、缓存预热 1. 什么是缓存雪崩 缓存雪崩是指在短时间内,大量缓存数据同时失效,导致所有请求直接涌向数据库,瞬间增加数据库的负载压力,可能导致数据库性能下降甚至崩溃。这种情况往往发生在缓存中大量 k

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)