动态规划之租船问题

动态规划之租船问题


【问题】 长江游艇俱乐部在长江上设置了n个游艇出租站1,2,…,n。游客可在这些游艇出租站租用游艇,并在下游的任何一个游艇出租站归还游艇。游艇出租站i到游艇出租站j之间的租金为r(i,j),1<=i < j<=n。试设计一个算法,计算出从游艇出租站1 到游艇出租站n所需的最少租金。

【分析】 假设p[i][j]为从i点开始租船,到j点还船的最小费用(最优值),那么p[i][j+1] = min { p[i][j] + m[j][j+1], m[i][j+1]},其中m[i][j]为输入的数据,表示从第i个租船点到第j个还船点的直接费用。很明显,在这个式子中,我们通过比较两个值的大小便可得出当前还船点与第i个租船点之间的最小费用。因此,最终的结果为p[0][n-1](从下标0开始记录)。

【程序执行模拟】

假设输入数据为:
                  4
            5 14 23
               5 12
                  8     
以下为输入的数据分布(即m[i][j])          
    租船点\还船点
                0   1   2   3
            0   0   5   14  23
            1   0   0   5   12
            2   0   0   0   8
            3   0   0   0   0
p[i][j]:
    租船点\还船点 
                0   1   2   3
            0   0   5   10  17
            1   0   0   5   12
            2   0   0   0   8
            3   0   0   0   0

【程序】

    #include<iostream>
    using namespace std;

    int min(int a, int b) {
        return a < b ? a : b;
    }

    int main() {
        int n;
        cin>>n;
        //m[i][j]为初始数据 
        int **m = new int*[n];
        for (int i = 0; i < n; i++) {
            m[i] = new int[n];
        }
        for (int i = 0; i < n; i++) {
            for (int j = 0; j <= i; j++) {
                m[i][j] = 0;
            }
        }
        for (int i = 0; i < n; i++) {
            for (int j = i + 1; j < n; j++) {
                cin>>m[i][j];
            }
        }
        //p[i][j]为起点i到终点j的最小金额 
        int **p = new int*[n];
        for (int i = 0; i < n; i++) {
            p[i] = new int[n];
        } 
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                p[i][j] = 0;
            }
        }

        for (int i = 0; i < n; i++) {
            int minNum = m[0][i];
            for (int j = 0; j < i; j++) {
                minNum = min(minNum, p[0][j] + m[j][i]);

            }
            p[0][i] = minNum;
        }

        cout<<p[0][n - 1];
    } 
### 动态规划解决游艇出租问题的测试用例 对于动态规划求解游艇出租问题,设计合理的测试用例至关重要。这些案例不仅验证算法逻辑正确性,还确保其性能满足实际需求。 #### 测试用例一:基本功能验证 创建一个简单的场景来检验基础实现是否能正常工作。假设有三艘不同类型的船只可供租赁,每种船具有不同的租金价格和可容纳人数。输入数据如下: | 船只编号 | 租金费用 (元/天) | 容量(人) | | --- | --- | --- | | 0 | 100 | 2 | | 1 | 200 | 4 | | 2 | 300 | 8 | 目标是在不超过预算的情况下最大化乘客数量。设定总预算是700元,预期输出应给出最优方案以及对应的最大载客数[^1]。 ```python test_case_1 = { "boats": [(100, 2), (200, 4), (300, 8)], "budget": 700, } ``` #### 测试用例二:边界条件处理 考虑极端情况下的表现,比如当没有任何一艘船能够被租借时(即所有船只的价格都超过了给定的预算),程序应该返回无法完成任务的信息而不是抛出异常或陷入死循环。同样地,如果存在多组相同价值的选择,则任选一组作为解决方案即可[^2]。 ```python test_case_2 = { "boats": [(900, 5)], # 所有选项均超出预算范围 "budget": 800, } test_case_3 = { "boats": [ (100, 2), (100, 2), (100, 2) ], # 多个同价选择 "budget": 300, } ``` #### 测试用例三:大规模数据集效率评估 为了考察算法面对较大规模的数据集合时的表现,在此构建了一个包含更多种类船只的大列表,并适当增加预算限额以便于找到合适的组合方式。这有助于了解随着输入尺寸增长,计算所需时间和资源消耗的变化趋势[^3]。 ```python import random def generate_large_testcase(num_boats=1000, max_price=1000, min_capacity=1, max_capacity=10): boats = [] for _ in range(num_boats): price = round(random.uniform(1, max_price)) capacity = random.randint(min_capacity, max_capacity) boats.append((price, capacity)) budget = sum([b[0] for b in boats]) * .6 # 设置大约为总价六成左右的预算 return {"boats": boats, "budget": int(budget)} large_test_case = generate_large_testcase() ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值