Young氏矩阵

一个m x n的Young氏矩阵(Young tableau)是一个m x n的矩阵,其中每一行的数据都从左到右排序,每一列的数据都从上到下排序。Young氏矩阵中可能会有一些∞数据项,表示不存在的元素。所以,Young氏矩阵可以用来存放r≦mn个有限的数。
    a)画一个包含元素{9,6,3,2,4,8,5,14,12}的4 x 4的Young氏矩阵。
    b)讨论一个m x n的Young氏矩阵,如果Y[1,1]=∞,则Y为空;如果Y[m,n]<∞,则Y是满的(包含m x n个元素)。
    c)给出一个在非空m x n的Young氏矩阵上实现EXTRACT-MIN的算法,使其运行时间为O(m+n)。你的算法应该使用一个递归子过程,它通过递归地解决(m-1) x n或m x (n-1)子问题来解决m x n的问题。(提示:考虑一个MAX-HEPIFY。)定义T(p)为EXTRACT-MIN在任何m x n Young氏矩阵上的最大运行时间,其中p=m+n。给出表达T(p)的、界为O(m+n)的递归式,并解该递归式。
    d)说明如何在O(m+n)时间内,将一个新元素插入到一个未满的m x n Young氏矩阵中。
    e)在不用其他排序算法帮助的情况下,说明如何利用n x n Young氏矩阵对n^2个数排序的运行时间为O(n^3)。
    f)给出一个运行时间为O(m+n)的算法,来决定一个给定的数是否在于一个给定的的m x n Young氏矩阵内。

这是算法导论第六章的课后题,这里主要编码实现了f 问题,其他问题详细解答见博文:http://blog.youkuaiyun.com/zhanglei8893/article/details/6234564

 

每次与最右上角的元素X相比:如果等于X,则找到了;如果小于X,则去掉最上面一行;如果大于X,则去掉最右边一行。每次比较去掉一行或一列,则该算法的运行时间为O(m+n)

#include <iostream>
using namespace std;

void findelement(int **matric,int val,int row,int col)
{
	int i=0,j=col-1;
	while (i>-1 && i<row && j>-1 && j<col)
	{
		if (matric[i][j]==val)
		{
			cout<<"in row :"<<i+1<<" in col :"<<j+1<<" find "<<val<<endl;
			return;
		}
		else
		{
			if (matric[i][j]>val)
			{
				j--;
			}
			else
				i++;
		}
	}
	cout<<"this element is not exist \n";
}

int main()
{
	int **matric=NULL;
	int row,col,key;
	cin>>row>>col>>key;
	matric=new int*[row];
	int i,j;
	for (i=0;i<row;i++)
	{
		matric[i]=new int [col];
	}
	for (i=0;i<row;i++)
	{
		for (j=0;j<col;j++)
		{
			cin>>matric[i][j];
		}
	}
	findelement(matric,key,row,col);
	for (i=0;i<row;i++)
	{
		delete[] matric[i];
		matric[i]=NULL;
	}
	delete[]matric;
	matric=NULL;
	return 0;
}


这个面试经常被问到,但是我觉得这里有个问题就是其实这个矩阵中可能出现重复的元素,我不知道这种情况如何去对待。

后面觉得可能是在建立Young氏矩阵时进行元素插入,这时重复元素是不会出现!!如果靠自己数组输入则会出现元素重复的问题。

 

### 关于迅销矩阵的概念及其应用 #### 迅销矩阵的定义 迅销矩阵并非是一个标准数学或经济学中的通用术语,但在某些特定领域可能被用来描述一种优化模型或者策略工具。如果将其与商业场景结合,则可以理解为一种用于分析产品销售效率、库存周转率以及市场响应速度的矩阵模型[^3]。 在实际操作中,“迅销”通常指快速销售的能力,而矩阵则是一种多维度的数据结构形式。因此,迅销矩阵可能是企业为了提升运营效率所设计的一种框架,它通过量化指标来评估产品的生命周期管理、供应链协调能力以及市场需求预测等方面的表现。 #### 技术实现方式 以下是构建迅销矩阵的一个简单示例: ```python import numpy as np def create_sales_matrix(sales_data, inventory_levels): """ 构建一个基于销售额和库存水平的迅销矩阵 参数: sales_data (list): 销售数据列表 inventory_levels (list): 库存水平列表 返回: matrix (numpy.ndarray): 结果矩阵 """ # 将输入转换成 NumPy 数组以便计算 sales_array = np.array(sales_data).reshape(-1, 1) inv_array = np.array(inventory_levels).reshape(1, -1) # 创建矩阵并返回 matrix = np.dot(sales_array, inv_array.T) return matrix # 示例数据 sales_example = [100, 200, 300] inventory_example = [50, 75, 100] result_matrix = create_sales_matrix(sales_example, inventory_example) print(result_matrix) ``` 上述代码展示了如何利用 Python 和 NumPy 来创建一个简单的二维矩阵,该矩阵可用于表示不同时间段内的销售量与对应时间点上的库存状态之间的关系。 #### 实际应用场景 迅销矩阵的应用范围广泛,在零售业尤为突出。例如,一家服装品牌可以通过分析其门店每日的商品销量变化趋势,并结合当前存货数量调整补货计划;同时也可以借助这一工具发现哪些商品更受欢迎从而制定营销推广方案[^4]。 另外值得注意的是,尽管宏观经济环境可能存在不确定性甚至下滑风险[^2],但对于那些能够精准把握消费者需求的企业来说,依然有机会保持增长态势。这说明即使面临挑战,只要方法得当,仍然可以获得成功的机会。 ---
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