《花生采摘》解题报告
By sx349
【摘要】
核心算法思想:贪心
主要数据结构:
其他辅助知识:
时间复杂度:O (N log N )
空间复杂度:O (N 2)
【题目大意】
给定一个非空矩阵,每次都从中选择一个最大值并将其从矩阵中排除,将这些取出的数排序后计算其花费(相邻两数的花费是其在矩阵之间的曼哈顿距离),求在给定最大花费下,能取到的最大值的最大总和。
【算法分析】
文中说道:“你先找出花生最多的植株,去采摘它的花生;然后再找出剩下的植株里花生最多的,去采摘它的花生;依此类推,不过你一定要在我限定的时间内回到路边。” 根据这一句话,我们直接就可以得出,这道题应该采用贪心的算法。
因此,我们先对数据进行从大到小的排序,然后每次都取其中的最大值。因为必须在规定的时间内回到路边,所以在每次取最大值时,首先判断在采摘了这一次之后是否有足够的时间回到路边,即(去采摘目标花生的时间)+(采摘那目标花生所用的1单位时间)+(从目标所在地往第一行的时间)
由于去摘花生必须从路边进入花生田和从花生田出来,所以我们可以先减去2个单位时间,再将剩下的时间进行模拟。
【心得体会】
花生采摘是一道典型的贪心问题,也是一道典型的简单题(因此这道题的算法分析也只能这样简单了„„)。但是这道题有一个区别于其他问题的地方:在解决问题的过程中,主要部分(连续取最大值)的时间复杂度只需要O (N ) ,而排序却花费了O (N log N ) 的时间复杂度。
这一点确实是在许多情况下无法回避的一个问题。我一直记得我们平时上课的计算机书上有一个简单的例子:给你一些电话号码,让你去寻找某一个指定的号码。书上的解释是用二分查找,但是我们来考虑一下,二分查找合适吗?当然,如果是在有序的情况下,二分的复杂度是O (logN ) ,但是,在无序的情况下,二分必须要在排序好后才能解决,那么时间复杂度就上升到了O (N log N log N ) ,因为除了少部分特殊的排序之外,因此不可避免地导致了O (N log N ) 的排序复杂度。如此一来,就超过了顺序查找的O (N ) 复杂度了。难道排
序的合理性就此受到了质疑了吗?当然不是,如果是查找多次的话,二分查找的时间复杂度就是O (N log N ) ,而顺序查找则飙升到了O (N 2) 。由此我们可以得出这样一个结论:预处理操作的效率随着预处理所得到的数据的使用率的提高而提高。
这又引出了这样一个怪异的想法:如果我找到了针对某个问题的一个时间复杂度仅为O (1)的主算法,那么我是不是就一定能解决它呢?显然不是。如果这个问题的输入达到了上千万乃至上亿,单单读入的复杂度就已经使程序罢工了。同样的,我也曾经有过因为输出过多而导致超时的经历。
因此,输入、输出、排序乃至其他一些游离于主算法之外的东西,有时反而成为了一个问题的决定点,这种出人意料的场景也着实是值得我们思考的。
【附录】
【问题描述 】
鲁滨逊先生有一只宠物猴,名叫多多。这天,他们两个正沿着乡间小路散步,突然发现路边的告示牌上贴着一张小小的纸条:“欢迎免费品尝我种的花生!——熊字”。
鲁滨逊先生和多多都很开心,因为花生正是他们的最爱。在告示牌背后,路边真的有一块花生田,花生植株整齐地排列成矩形网络(如图1)。有经验的多多一眼就能看出,每株花生植株下的花生有多少。
为了训练多多的算术,鲁滨逊先生说:“你先找出花生最多的植株,去采摘它的花生;然后再找出剩下的植株里花生最多的,去采摘它的花生;依此类推,不过你一定要在我限定的时间内回到路边。”
路
4 5
图1
图2
我们假定多多在每个单位时间内,可以做下列四件事情中的一件:
1) 从路边跳到最靠近路边(即第一行)的某棵花生植株;
2) 从一棵植株跳到前后左右与之相邻的另一棵植株;
3) 采摘一棵植株下的花生;
4) 从最靠近路边(即第一行)的某棵花生植株跳回到路边。
现在给定一块花生田的大小和花生的分布,请问在限定的时间内,多多最多可以采到多少个花生?注意可能只有部分的植株下面长有花生,假设这些植株下的花生个数各不相同。
例如在图二所示的花生田里,只有位于(2,5),(3,7),(4,2),(5,4)的植株下长有花生,个数分别为13,7,15,9。沿着图示的路线,多多在21个单位时间内,最多可以采到37个花生。
[输入文件]
输入文件peanuts.in 的第一行包括三个整数,M ,N 和K ,用空格隔开;表示花生田的大小为M*N(1
接下来的M 行, 每行包括N 个非负整数, 也用空格隔开;
第i+1行的第j 个整数P ij (0
[输出文件]
输出文件peanuts.out 包括一行.
这一行只包含一个整数,即在限定时间内,多多最多可以采到的花生的个数。
[样例输入]
6 7 21
0 0 0 0 0 0 0
0 0 0 0 13 0 0
0 0 0 0 0 0 7
0 15 0 0 0 0 0
0 0 0 9 0 0 0
0 0 0 0 0 0 0
[样例输出1]
37
[样例输入2]
6 7 20
0 0 0 0 0 0 0
0 0 0 0 13 0 0
0 0 0 0 0 0 7
0 15 0 0 0 0 0
0 0 0 9 0 0 0
0 0 0 0 0 0 0
[样例输出2]
28
【源程序清单】
{
PROG: Peanuts
LANG: PASCAL
ID: xyj-flash
}
Program Peanuts;
Var
X,Y ,Value:Array[0.400] of Longint;
Map:Array[1..20,1..20] of Longint;
M,N,K,I,J,Top,T,Sum:Longint;
Procedure Sort(L,R:Longint);
Var
I,J,Mid:Longint;
Begin
I:=L;J:=R;Mid:=Value[(L+R) Div 2]; Repeat
While Value[I]>Mid do Inc(I); While Value[J]
Value[0]:=Value[I];
Value[I]:=Value[J];
Value[J]:=Value[0];
X[0]:=X[I];X[I]:=X[J];X[J]:=X[0]; Y[0]:=Y[I];Y[I]:=Y[J];Y[J]:=Y[0]; Inc(I);Dec(J);
End;
Until I>J;
If I
If L
End;
Procedure Print(K:Longint); Begin
Writeln(K);
Halt;
End;
Begin
Read(M,N,K);
Top:=0;
For I:=1 to M do
For J:=1 to N do Begin Read(Map[I,J]);
If Map[I,J]0 Then Begin Inc(Top);
Value[Top]:=Map[I,J]; X[Top]:=I;Y[Top]:=J; End;
End;
Sort(1,Top);
K:=K-2;
X[0]:=1;Y[0]:=Y[1];
T:=0;I:=1;Sum:=0;
While T
T:=T+X[I]-X[I-1]+Y[I]-Y[I-1]+1; If T+X[I]-1>K Then Print(Sum); Sum:=Sum+Value[I];
T:=T+X[I]-1;
Inc(I);
End;
End.
《花生采摘》解题报告
By sx349
【摘要】
核心算法思想:贪心
主要数据结构:
其他辅助知识:
时间复杂度:O (N log N )
空间复杂度:O (N 2)
【题目大意】
给定一个非空矩阵,每次都从中选择一个最大值并将其从矩阵中排除,将这些取出的数排序后计算其花费(相邻两数的花费是其在矩阵之间的曼哈顿距离),求在给定最大花费下,能取到的最大值的最大总和。
【算法分析】
文中说道:“你先找出花生最多的植株,去采摘它的花生;然后再找出剩下的植株里花生最多的,去采摘它的花生;依此类推,不过你一定要在我限定的时间内回到路边。” 根据这一句话,我们直接就可以得出,这道题应该采用贪心的算法。
因此,我们先对数据进行从大到小的排序,然后每次都取其中的最大值。因为必须在规定的时间内回到路边,所以在每次取最大值时,首先判断在采摘了这一次之后是否有足够的时间回到路边,即(去采摘目标花生的时间)+(采摘那目标花生所用的1单位时间)+(从目标所在地往第一行的时间)
由于去摘花生必须从路边进入花生田和从花生田出来,所以我们可以先减去2个单位时间,再将剩下的时间进行模拟。
【心得体会】
花生采摘是一道典型的贪心问题,也是一道典型的简单题(因此这道题的算法分析也只能这样简单了„„)。但是这道题有一个区别于其他问题的地方:在解决问题的过程中,主要部分(连续取最大值)的时间复杂度只需要O (N ) ,而排序却花费了O (N log N ) 的时间复杂度。
这一点确实是在许多情况下无法回避的一个问题。我一直记得我们平时上课的计算机书上有一个简单的例子:给你一些电话号码,让你去寻找某一个指定的号码。书上的解释是用二分查找,但是我们来考虑一下,二分查找合适吗?当然,如果是在有序的情况下,二分的复杂度是O (logN ) ,但是,在无序的情况下,二分必须要在排序好后才能解决,那么时间复杂度就上升到了O (N log N log N ) ,因为除了少部分特殊的排序之外,因此不可避免地导致了O (N log N ) 的排序复杂度。如此一来,就超过了顺序查找的O (N ) 复杂度了。难道排
序的合理性就此受到了质疑了吗?当然不是,如果是查找多次的话,二分查找的时间复杂度就是O (N log N ) ,而顺序查找则飙升到了O (N 2) 。由此我们可以得出这样一个结论:预处理操作的效率随着预处理所得到的数据的使用率的提高而提高。
这又引出了这样一个怪异的想法:如果我找到了针对某个问题的一个时间复杂度仅为O (1)的主算法,那么我是不是就一定能解决它呢?显然不是。如果这个问题的输入达到了上千万乃至上亿,单单读入的复杂度就已经使程序罢工了。同样的,我也曾经有过因为输出过多而导致超时的经历。
因此,输入、输出、排序乃至其他一些游离于主算法之外的东西,有时反而成为了一个问题的决定点,这种出人意料的场景也着实是值得我们思考的。
【附录】
【问题描述 】
鲁滨逊先生有一只宠物猴,名叫多多。这天,他们两个正沿着乡间小路散步,突然发现路边的告示牌上贴着一张小小的纸条:“欢迎免费品尝我种的花生!——熊字”。
鲁滨逊先生和多多都很开心,因为花生正是他们的最爱。在告示牌背后,路边真的有一块花生田,花生植株整齐地排列成矩形网络(如图1)。有经验的多多一眼就能看出,每株花生植株下的花生有多少。
为了训练多多的算术,鲁滨逊先生说:“你先找出花生最多的植株,去采摘它的花生;然后再找出剩下的植株里花生最多的,去采摘它的花生;依此类推,不过你一定要在我限定的时间内回到路边。”
路
4 5
图1
图2
我们假定多多在每个单位时间内,可以做下列四件事情中的一件:
1) 从路边跳到最靠近路边(即第一行)的某棵花生植株;
2) 从一棵植株跳到前后左右与之相邻的另一棵植株;
3) 采摘一棵植株下的花生;
4) 从最靠近路边(即第一行)的某棵花生植株跳回到路边。
现在给定一块花生田的大小和花生的分布,请问在限定的时间内,多多最多可以采到多少个花生?注意可能只有部分的植株下面长有花生,假设这些植株下的花生个数各不相同。
例如在图二所示的花生田里,只有位于(2,5),(3,7),(4,2),(5,4)的植株下长有花生,个数分别为13,7,15,9。沿着图示的路线,多多在21个单位时间内,最多可以采到37个花生。
[输入文件]
输入文件peanuts.in 的第一行包括三个整数,M ,N 和K ,用空格隔开;表示花生田的大小为M*N(1
接下来的M 行, 每行包括N 个非负整数, 也用空格隔开;
第i+1行的第j 个整数P ij (0
[输出文件]
输出文件peanuts.out 包括一行.
这一行只包含一个整数,即在限定时间内,多多最多可以采到的花生的个数。
[样例输入]
6 7 21
0 0 0 0 0 0 0
0 0 0 0 13 0 0
0 0 0 0 0 0 7
0 15 0 0 0 0 0
0 0 0 9 0 0 0
0 0 0 0 0 0 0
[样例输出1]
37
[样例输入2]
6 7 20
0 0 0 0 0 0 0
0 0 0 0 13 0 0
0 0 0 0 0 0 7
0 15 0 0 0 0 0
0 0 0 9 0 0 0
0 0 0 0 0 0 0
[样例输出2]
28
【源程序清单】
{
PROG: Peanuts
LANG: PASCAL
ID: xyj-flash
}
Program Peanuts;
Var
X,Y ,Value:Array[0.400] of Longint;
Map:Array[1..20,1..20] of Longint;
M,N,K,I,J,Top,T,Sum:Longint;
Procedure Sort(L,R:Longint);
Var
I,J,Mid:Longint;
Begin
I:=L;J:=R;Mid:=Value[(L+R) Div 2]; Repeat
While Value[I]>Mid do Inc(I); While Value[J]
Value[0]:=Value[I];
Value[I]:=Value[J];
Value[J]:=Value[0];
X[0]:=X[I];X[I]:=X[J];X[J]:=X[0]; Y[0]:=Y[I];Y[I]:=Y[J];Y[J]:=Y[0]; Inc(I);Dec(J);
End;
Until I>J;
If I
If L
End;
Procedure Print(K:Longint); Begin
Writeln(K);
Halt;
End;
Begin
Read(M,N,K);
Top:=0;
For I:=1 to M do
For J:=1 to N do Begin Read(Map[I,J]);
If Map[I,J]0 Then Begin Inc(Top);
Value[Top]:=Map[I,J]; X[Top]:=I;Y[Top]:=J; End;
End;
Sort(1,Top);
K:=K-2;
X[0]:=1;Y[0]:=Y[1];
T:=0;I:=1;Sum:=0;
While T
T:=T+X[I]-X[I-1]+Y[I]-Y[I-1]+1; If T+X[I]-1>K Then Print(Sum); Sum:=Sum+Value[I];
T:=T+X[I]-1;
Inc(I);
End;
End.