当前位置: 首页 > news >正文

实验:贪心算法

实验二:贪心算法

【实验目的】

应用贪心算法求解活动安排问题。

【实验性质】

验证性实验。

【实验要求】

活动安排问题是可以用贪心算法有效求解的很好的例子。

问题:有n个活动的集合A={1,2,…,n},其中每个活动都要求使用同一资源,如演讲会场等,而在同一时间内只有一个活动能使用这一资源。

求解:安排尽量多项活动在该场地进行,即求A的最大相容子集。

设待安排的11个活动的开始时间和结束时间按结束时间的升序排列如下:

i

1

2

3

4

5

6

7

8

9

10

11

s[i]

1

3

0

5

3

5

6

8

8

2

12

f[i]

4

5

6

7

8

9

10

11

12

13

14

将此表数据作为实现该算法的测试数据。

【算法思想及处理过程】

1.定义了活动结构体Activity,包含活动的名称name、开始时间start和结束时间end。

2.定义了比较函数compare,用于按照活动的结束时间升序排序。

3.定义了一个活动安排函数activityArrangement,接受一个活动数组和活动个数作为参数,并按照活动结束时间排序后进行活动安排。

4.在活动安排函数中,首先使用sort函数对活动数组进行排序,排序规则是使用之前定义的比较函数compare。

5.输出第一个活动的信息。

6.初始化一个变量lastEnd,用于记录最后一个加入最大相容子集的活动的结束时间。

7.遍历剩下的活动数组,如果当前活动的开始时间晚于等于lastEnd,即活动不与已加入的活动冲突,将该活动加入最大相容子集,并更新lastEnd为该活动的结束时间。

8.输出结果。

在主函数中,首先获取用户输入的活动个数,然后根据输入的活动个数循环获取活动的名称、开始时间和结束时间。最后调用活动安排函数(activityArrangement)进行活动安排。

【程序代码】

#include <iostream>

#include <algorithm>

using namespace std;

struct Activity {

    int name;

    int start;

    int end;

};

bool compare(Activity a, Activity b) {

    return a.end < b.end;

}

void activityArrangement(Activity activities[], int n) {

    sort(activities, activities + n, compare);

    cout << "结果为: "<<endl;

    cout << "Activite " << activities[0].name << "=" << activities[0].start << ", " << activities[0].end <<endl;

    int lastEnd = activities[0].end;

    for (int i = 1; i < n; i++) {

        if (activities[i].start >= lastEnd) {

            cout << "Activite "<<activities[i].name <<"=" << activities[i].start << ", " << activities[i].end <<endl;

            lastEnd = activities[i].end;

        }

    }

    cout << endl;

}

int main() {

    int n;

    cout << "请输入活动个数: ";

    cin >> n;

    Activity activities[50];

    for (int i = 0; i < n; i++) {

        cout << "请输入第"<<i+1<<"次活动信息(名称 开始时间 结束时间) : ";

        cin >> activities[i].name >> activities[i].start >> activities[i].end;

    }

    activityArrangement(activities, n);

    return 0;

}

【运行结果】

自行运行截图

【算法分析】

排序算法的时间复杂度:使用了STL的sort函数对活动数组进行排序,该函数的时间复杂度为 O(nlogn),其中n为活动个数。

遍历活动数组的时间复杂度:在活动安排函数中,遍历了剩下的活动数组,时间复杂度为 O(n),其中n为活动个数。

综上,代码的时间复杂度为 O(nlogn + n),即 O(nlogn)。

http://www.lryc.cn/news/370615.html

相关文章:

  • Python学习笔记12 -- 有关布尔值的详细说明
  • SQL-窗口函数合集
  • 2024 全球软件研发技术大会官宣,50+专家共话软件智能新范式!
  • opencv快速安装以及各种查看版本命令
  • 免费学习通刷课(免费高分)Pro版
  • 线性数据结构-队列
  • python脚本将视频抽帧为图像数据集
  • Xmind导入纯文本TXT方法
  • 深度学习在老年痴呆检测中的应用:数据集综述
  • 【FreeRTOS】内存管理笔记
  • 【数据结构】二叉树:一场关于节点与遍历的艺术之旅
  • arm系统中双网卡共存问题
  • IDEA创建Mybatis项目
  • 排序---快速排序
  • #08【面试问题整理】嵌入式软件工程师
  • 统计绘图 | 一行代码教你绘制顶级期刊要求配图
  • [ue5]建模场景学习笔记(6)——必修内容可交互的地形,交互沙(4)
  • 5.2 参照完整性
  • SpringCache 缓存 - @Cacheable、@CacheEvict、@CachePut、@Caching、CacheConfig 以及优劣分析
  • 数据结构 —— 堆
  • 【运维】如何更换Ubuntu默认的Python版本,update-alternatives如何使用
  • 2024 年适用于 Linux 的 5 个微软 Word 替代品
  • 大模型日报2024-06-12
  • LVGL欢乐桌球游戏(LVGL+2D物理引擎学习案例)
  • 国产数字证书大品牌——JoySSL
  • Codeforces Global Round 26 D. “a“ String Problem 【Z函数】
  • Next.js 加载页面及流式渲染(Streaming)
  • 形如SyntaxError: EOL while scanning string literal,以红色波浪线形式在Pycharm下出现
  • DockerCompose+Jenkins+Pipeline流水线打包SpringBoot项目(解压安装配置JDK、Maven等)入门
  • Web前端开发个人技能全面剖析:四维度深度理解,五能力实战展现,六要素构建优势,七步骤持续精进