文章目录
- 问题描述
- 形式化描述
- 贪心算法
- 贪心选择性质
- 最优子结构性质
- 时间复杂性
- `Python`实现
个人主页:丷从心
系列专栏:贪心算法
问题描述
- 有一批集装箱要装上一艘载重量为 c c c的轮船,其中集装箱 i i i的重量为 w i w_{i} wi
- 在装载体积不受限制的情况下,将尽可能多的集装箱装上轮船
形式化描述
{ max ∑ i = 1 n x i ∑ i = 1 n w i x i ≤ c x i ∈ { 0 , 1 } , 1 ≤ i ≤ n \begin{cases} \max{\displaystyle\sum\limits_{i = 1}^{n}{x_{i}}} \\ \displaystyle\sum\limits_{i = 1}^{n}{w_{i} x_{i}} \leq c \end{cases} \kern{2em} x_{i} \in \set{0 , 1} , 1 \leq i \leq n ⎩ ⎨ ⎧maxi=1∑nxii=1∑nwixi≤cxi∈{0,1},1≤i≤n
贪心算法
- 采用重量最轻者先装的贪心选择策略,可产生最优装载问题的最优解
贪心选择性质
- 设集装箱已依其重量从小到大排序,
(
x
1
,
x
2
,
⋯
,
x
n
)
(x_{1} , x_{2} , \cdots , x_{n})
(x1,x2,⋯,xn)是最优装载问题的一个最优解,设
k
=
min
1
≤
i
≤
n
{
i
∣
x
i
=
1
}
k = \min\limits_{1 \leq i \leq n}{\set{i \mid x_{i} = 1}}
k=1≤i≤nmin{i∣xi=1},如果给定的最优装载问题有解,则
1
≤
k
≤
n
1 \leq k \leq n
1≤k≤n
- 当 k = 1 k = 1 k=1时, ( x 1 , x 2 , ⋯ , x n ) (x_{1} , x_{2} , \cdots , x_{n}) (x1,x2,⋯,xn)是一个满足贪心选择性质的最优解
- 当 k > 1 k > 1 k>1时,取 y 1 = 1 y_{1} = 1 y1=1, y k = 0 y_{k} = 0 yk=0, y i = x i y_{i} = x_{i} yi=xi, 1 < j ≤ n 1 < j \leq n 1<j≤n, i ≠ k i \neq k i=k,则 ∑ i = 1 n w i y i = w 1 − w k + ∑ i = 1 n w i x i ≤ ∑ i = 1 n w i x i ≤ c \displaystyle\sum\limits_{i = 1}^{n}{w_{i} y_{i}} = w_{1} - w_{k} + \displaystyle\sum\limits_{i = 1}^{n}{w_{i} x_{i}} \leq \displaystyle\sum\limits_{i = 1}^{n}{w_{i} x_{i}} \leq c i=1∑nwiyi=w1−wk+i=1∑nwixi≤i=1∑nwixi≤c,因此, ( y 1 , y 2 , ⋯ , y n ) (y_{1} , y_{2} , \cdots , y_{n}) (y1,y2,⋯,yn)是所给最优装载问题的可行解
- 由 ∑ i = 1 n y i = ∑ i = 1 n x i \displaystyle\sum\limits_{i = 1}^{n}{y_{i}} = \displaystyle\sum\limits_{i = 1}^{n}{x_{i}} i=1∑nyi=i=1∑nxi知, ( y 1 , y 2 , ⋯ , y n ) (y_{1} , y_{2} , \cdots , y_{n}) (y1,y2,⋯,yn)是满足贪心选择性质的最优解,所以,最优装载问题具有贪心选择性质
最优子结构性质
- 设 ( x 1 , x 2 , ⋯ , x n ) (x_{1} , x_{2} , \cdots , x_{n}) (x1,x2,⋯,xn)是最优装载问题的满足贪心选择性质的最优解,则 x 1 = 1 x_{1} = 1 x1=1, ( x 2 , x 3 , ⋯ , x n ) (x_{2} , x_{3} , \cdots , x_{n}) (x2,x3,⋯,xn)是轮船载重量为 c − w 1 c - w_{1} c−w1、待装船集装箱为 { 2 , 3 , ⋯ , n } \set{2 , 3 , \cdots , n} {2,3,⋯,n}时相应最优装载问题的最优解,也就是说,最优装载问题具有最优子结构性质
时间复杂性
- 算法的主要计算量在于将集装箱依其重量从小到大排序,所以算法所需的计算时间为 O ( n log n ) O(n \log{n}) O(nlogn)
Python
实现
def load_ship(containers, capacity):
# 将集装箱组织成 (索引, 重量) 二元组形式
containers = list(enumerate(containers))
# 按照集装箱的重量进行排序
containers.sort(key=lambda x: x[1])
# 记录已经装载的集装箱索引
loaded_containers = []
# 记录当前已经装载的总重量
current_weight = 0
# 遍历每个集装箱
for index, weight in containers:
# 如果当前集装箱的重量加上已经装载的总重量不超过轮船的载重量, 则将集装箱装上轮船
if current_weight + weight <= capacity:
current_weight += weight
loaded_containers.append(index)
else:
# 如果无法装载当前集装箱, 则退出循环
break
loaded_containers.sort()
return loaded_containers
containers = [3, 5, 2, 7, 4, 1]
capacity = 10
res = load_ship(containers, capacity)
print(f'装载的集装箱索引: {res}')
装载的集装箱索引: [0, 2, 4, 5]