算法与数据结构高手养成:朴素的贪心法(下)二分答案


✨✨ 欢迎大家来访Srlua的博文(づ ̄3 ̄)づ╭
~✨✨

🌟🌟 欢迎各位亲爱的读者,感谢你们抽出宝贵的时间来阅读我的文章。

我是Srlua小谢,在这里我会分享我的知识和经验。🎥

希望在这里,我们能一起探索IT世界的奥妙,提升我们的技能。🔮

记得先点赞👍后阅读哦~ 👏👏

📘📚 所属专栏:算法与数据结构高手养成

欢迎访问我的主页:Srlua小谢 获取更多信息和资源。✨✨🌙🌙

​​​

​​

目录

算法与数据结构高手养成:朴素的贪心法(下)二分答案

例:数列分段

思路1:最优化策略

思路2:构造法

思路3:逆向思考

思路3的局限性

用二分法降低验证次数

用二分法降低验证次数:例

代码:数列分段

二分答案法的一般步骒

适用二分答案法的问题特性

不符合单调性的例子


算法与数据结构高手养成:朴素的贪心法(下)二分答案

二分答案——通过答 案反推,验证合法性从而确定最优解

例:数列分段

给出一个长度为 N 的正整数数列,现在要把它分成段,且每一段里所有数字的和都不超过T,问T的最小值是多少?

例:2354332,分成3段

T最小的分段:[23] [54] [332],T=9(5+4)

思路1:最优化策略

阶段:当前分割到第几段

决策:在哪个位置分割

怎么确定最优子结构?

  • 最优 =最大/最小?

如果一直选取最优,每段尽可能小,会导致分到最后剩下的太多~!

  • 最优=最接近某个值(比如“数字和:段数”)?

这样也不是最优~

所以最优化策略还是不行

思路2:构造法

此题看起来很接近划分问题?

构造法的条件:可以通过计算或者总结得出规律

但这道题没什么规律..

思路3:逆向思考

已知 T,很容易验证数列是否能被分为M段,且每段和都不超过 T

  • 设置一个足够小的 作为起始值,可以是理想情况的下界
  • 验证对于当前的T是否可以满足条件(分成M段,每段和小于等于 T)
  • 若不满足则T=T+1,直到找到最小的满足条件的 T

思路3的局限性

如果数列中有个很大的数,则我们的初始T就需要一直加,需要做很多重复工作~

此时我们可以使用二分法

用二分法降低验证次数

给答案规定一个上下界,作为二分起始区间。本题中,T的下界是(数列和÷段数),上界是所有数字的和

对当前区间求中值mid,并用贪心法进行验证

如果每段和都不超过mid时,可以划分为不多于M段,则答案在左半区间;如果划分的段数大于M,或者有数字大于mid导致不能完成划分,则答案在右半区间

用二分法降低验证次数:例

 

发现18取大了,所以往左半区间继续求mid值

 此时,说明最优解在9-13之间

此时发现它最少只能分四段了,说明最优解是11

代码:数列分段

#include<bits/stdc++.h>
using namespace std;

int n, m;
int a[100001];

int segmentation(int ub) {
    int count = 0, res = 0;
    for (int i = 0; i < n; i++) {
        if (a[i] > ub)
            return INT_MAX;
        if (count + a[i] <= ub)
            count += a[i];
        else {
            count = a[i];
            res += 1;
            if (res > m)
                break;
        }
    }
    return res + 1;
}

int main() {
    ios::sync_with_stdio(false);
    cin.tie(NULL);
    cout.tie(NULL);

    cin >> n >> m;
    long long sum = 0;
    for (int i = 0; i < n; i++) {
        cin >> a[i];
        sum += a[i];
    }
    
    int l = sum / n, r = 1000000000;
    if (sum < r)
        r = sum;
    while (l < r) {
        int t = (l + r) / 2;
        if (segmentation(t) <= m)
            r = t;
        else
            l = t + 1;
    }

    cout << l << endl;
    return 0;
}

二分答案法的一般步骒

1.确定解的范围,也就是进行二分的上下边界

2.对这个解的范围进行二分查找,每一轮二分,对于当前的中值利用贪心进行验证,如果验证通过则说明解的范围需要缩小,否则需要扩大

3.当二分结束,确定了最小/最大的通过验证的解,就是最终答案

适用二分答案法的问题特性

题目所求的最优解,往往是某种上下界,比如数列划分为M段后每段的和的最大值T,就是一种上界

如果给定了一个值,可以很容易地用贪心法验证这个值是不是一个可行解

这个值和某个用来验证合法性的条件,一定存在某种单调性关系

不符合单调性的例子

将题目修改为:每段都至少包含一个数字 T,求 T的最大值

如果此时M=2,二分会先验证T=2再验证T=1,最后得到T最大是1,但实际上T最大是4

 ​​​

希望对你有帮助!加油!

若您认为本文内容有益,请不吝赐予赞同并订阅,以便持续接收有价值的信息。衷心感谢您的关注和支持!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/683532.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Grafana 还可以这样学,有示例一看就懂

Grafana 是一款流行的开源数据可视化工具&#xff0c;用于监控和分析系统、应用程序和服务的性能和运行状况。它提供了丰富的图表和面板选项&#xff0c;用户可以通过 Grafana 创建各种可视化图表&#xff0c;如折线图、柱状图、饼图等&#xff0c;以便更直观地展示数据。 Gra…

斯坦福AI团队抄袭事件,清华回应:也算国际认可

近日&#xff0c;斯坦福大学人工智能&#xff08;AI&#xff09;团队的一项备受瞩目的研究——Llama3-V大模型&#xff0c;陷入了抄袭风波。该团队原本以其创新的模型和低廉的训练成本为亮点&#xff0c;声称能够在低成本下训练出性能卓越的SOTA多模态大模型。然而&#xff0c;…

【面试八股总结】锁:互斥锁、自旋锁、读写锁、乐观锁、悲观锁

使用加锁操作和解锁操作可以解决并发线程/进程的互斥问题。任何想进入临界区的线程&#xff0c;必须先执行加锁操作。若加锁操作顺利通过&#xff0c;则线程可进入临界区&#xff1b;在完成对临界资源的访问后再执行解锁操作&#xff0c;以释放该临界资源。 一、互斥锁与自旋锁…

为什么北京二手房的热度传导不到新房?

尽管北京还没有跟进出台新政细则&#xff0c;但二手房市场已经“火”了一把。 根据北京市住建委官网数据统计&#xff0c;5月北京二手房住宅网签达到了13383套&#xff0c;相比4月的13354套微涨0.2%&#xff0c;同比2023年同期也上涨了3.1%。 在一系列楼市松绑政策的影响下&a…

前端列表可滚动,可轮播

前端列表可滚动&#xff0c;可轮播 <ulclass"scroll-list"ref"scroll_List"mouseenter"cancelScroll()"mouseleave"autoScroll()"><liclass"list-item"v-for"(item,index) in tableData3":class"[…

存储器粗解

只读存储器&#xff08;ROM&#xff09; &#xff08;Read Only Memory&#xff09; 可编程程序只读存储器&#xff08;PROM&#xff09;&#xff08;Programmable ROM&#xff09; 仅能写录一次。 PROM在出厂时&#xff0c;存储的内容全为1&#xff0c;用户可以根据需要将其…

SpringSecurity6从入门到实战之默认用户的生成流程

SpringSecurity6从入门到实战之默认用户的生成流程 这次还是如标题所示,上一章我们的登录页面已经知道是如何生成了.那么,我们通过表单登录的user用户以及密码SpringSecurity是如何进行生成的呢? 默认用户生成 让我们把登录流程重新拉回到读取/META-INF/spring/ .imports文件 …

动物收容所

题目链接 动物收容所 题目描述 注意点 若没有可以收养的动物&#xff0c;则返回[-1,-1]收纳所的最大容量为20000编号随着收养动物的增加自增 解答思路 利用队列先进先出的特点将猫和狗分别存进两个队列中&#xff0c;关键是dequeueAny这个方法中如果此时猫和狗的队列中都有…

安装Ubuntu桌面系统(虚拟机)

VirtualBox创建虚拟机&#xff08;为安装Ubuntu桌面系统&#xff09;-CSDN博客 虚拟机的创建方法如上链接。当虚拟机开始引导之后&#xff0c;便正式开始Ubuntu桌面版的安装过程。Ubuntu桌面版界面做得很漂亮&#xff0c;操作起来也方便&#xff0c;很适合作为入门Linux的操作…

文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于麻雀搜寻优化算法的代理购电用户用电量多维度协同校核》

本专栏栏目提供文章与程序复现思路&#xff0c;具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》 论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html 电网论文源程序-CSDN博客电网论文源…

实践记录-docker-step6-7/10-参考docker官网步骤操作记录-绑定挂载-多容器

参考来源&#xff1a; &#xff08;应用的容器化实践&#xff09;docker官方入门指南 https://docs.docker.com/get-started/ 本指南包含有关如何开始使用 Docker 的分步说明。本指南介绍如何&#xff1a; 将映像作为容器生成并运行。 使用 Docker Hub 共享映像。 使用带有数据…

Python3 迭代器和生成器

前言 本文主要介绍Python中的迭代器和生成器&#xff0c;主要内容包括 迭代器概述、生成器简介。 文章目录 前言一、迭代器简介二、生成器简介 一、迭代器简介 在 Python 中&#xff0c;迭代器(iterator)是一个实现了迭代器协议&#xff08;Iterator Protocol&#xff09;的…

笔记 | 软件工程03:软件过程和软件开发方法

软件过程 1 何为软件过程模型 1.1 软件开发的特点 1.2 软件过程 1.3 软件过程模型 1.3.1 软件过程模型产生的背景 软件工程产生之前的软件开发——作坊式的个人创作&#xff1a;聚焦于编写代码&#xff1b;依靠个体技能&#xff0c;缺乏合作&#xff1b;关注时空利用&#x…

LabVIEW的大气环境实时监测

LabVIEW的大气环境实时监测 设计并实现了一个基于LabVIEW的大气环境实时监测系统。通过使用高精度环境传感器采集温度、湿度、PM2.5、CO2等环境数据&#xff0c;利用LabVIEW进行数据处理、显示和存储。该系统能够实时监控环境参数&#xff0c;并通过阈值报警功能提示异常&…

3年前端期望18K,云账户社招一面

一二面会有手写代码测试&#xff0c;一面或者二面当中&#xff0c;有一面必须到现场来的&#xff0c;对工作环境有一个直观的感受&#xff0c;前端二面取消了 一面&#xff08;通过&#xff09; 1、自我介绍、项目经历 2、怎么跟 xx模板的开发同学去沟通的呢&#xff1f;此处…

【优选算法】BFS解决边权为1的最短路径问题 {单源最短路径;多源最短路径}

一、经验总结 最短路径算法是一种用于找到图或网络中两个节点之间最短路径的算法。它被广泛应用于网络路由、GPS导航、交通规划和其他领域。 单源最短路径 用BFS解决边权为1的单源最短路径问题&#xff1a; 利用队列辅助完成BFS定义visited数组或是哈希表标记已访问&#xf…

用 Axios 封装一个双 token 无感刷新

为什么要用双Token无感刷新&#xff0c;它解决了什么问题&#xff1f; 为了保证安全性&#xff0c;后端设置的Token不可能长期有效&#xff0c;过了一段时间Token就会失效。而发送网络请求的过程又是需要携带Token的&#xff0c;一旦Token失效&#xff0c;用户就要重新登陆&…

JMH307【亲测】 怀旧端游【WD】1.73单机版带GM后台视频安装教程虚拟机端

资源介绍&#xff1a; 是否需要虚拟机&#xff1a;是 文件大小&#xff1a;压缩包约8G 支持系统&#xff1a;win7、win10、win11 硬件需求&#xff1a;运行内8G 4核及以上CPU 资源截图&#xff1a; 下载地址

微软不再允许Windows 11通过1@1.com绕过登录 但还有其他办法可以继续用

微软不再允许 Windows 11 通过 11.com 和 nothankyou.com 绕过登录&#xff0c;但断网的情况下使用 OOBE\BYPASSNRO 命令仍然是有效的。如果你在安装或重置系统时仍然需要创建本地账户&#xff0c;请直接使用 OOBE 命令。 在 Windows 11 家庭版和专业版中用户必须保持设备联网…

基于小波域优化Savitzky–Golay滤波器的脑电图信号的运动伪影去除方法(MATLAB R2018A)

在获取或采集数据的过程中&#xff0c;不可避免地将噪声引入到数据中&#xff0c;噪声的存在使得原始数据发生变异&#xff0c;对数据的处理及分析产生严重地影响。常用的去噪模型有平滑去噪、均值去噪。其中&#xff0c;平滑去噪又包括移动平均平滑法和Savitzky-Golay卷积平滑…