- 博客(8)
- 收藏
- 关注
RSS订阅原创 【无标题】
total_cost += merge_cost - 1 # 减1是因为我们关注的是比较次数，而合并后的新节点不计入比较。return total_cost # 这里返回的是所有合并操作所需的总比较次数（包括最后一次“虚拟”的合并操作，但它是正确的）# 累计总比较次数（注意：这里merge_cost本身就是比较次数，因为每次合并都减少了一个序列）sequences = [[3], [2, 4], [ 6, 7]] # 示例序列（已排序）# 计算合并后的长度（比较次数）# 将合并后的长度加入堆中。
2024-11-26 09:27:25
427
原创 n皇后分支限界算法实现
board[row] = -1 # 标记为未放置皇后，也可以使用其他方式来表示。print(f"共有 {num_solutions} 个解决方案。# 放置皇后并递归地在下一行继续放置。# 所有皇后都已成功放置，保存解决方案。# 回溯：移除当前行的皇后。print(f"解决方案 {i + 1}：")# 检查当前列和两个对角线是否有皇后冲突。# 尝试在当前行的每一列放置皇后。# 初始化棋盘，-1表示未放置皇后。# 示例：解决8皇后问题。
2024-11-11 22:22:20
175
原创 n皇后回溯法实现
board = [[0 for _ in range(n)] for _ in range(n)] # 初始化棋盘。solution = [row[:] for row in board] # 复制棋盘以保存解决方案。board[i][col] = 1 # 放置皇后。board[i][col] = 0 # 移除皇后。# 如果在当前列放置皇后导致无解，则回溯。solutions = [] # 存储所有解决方案。# 检查左上对角线是否有皇后。# 检查当前列是否有皇后。# 尝试在当前列放置皇后。
2024-11-11 22:20:34
657
原创 解决旅行商问题的回溯算法实现
10, NoEdge, NoEdge, NoEdge, NoEdge, 0] # 起点城市1到各城市的距离（这里假设回到起点的距离已知）[0, 10, NoEdge, NoEdge, NoEdge, 10], # 城市0到各城市的距离，最后一个元素到城市1（起点）的距离。bestl = cl + a[x[n-1]][x[n]] + a[x[n]][1] # 更新最优路径长度。x = list(range(1, n+2)) # 城市访问顺序的数组，从城市1开始到城市n，最后回到城市1。
2024-11-06 22:40:09
653
原创 python深度优先算法0-1背包
print("背包能够容纳的最大价值是（DFS）：", max_value)# 如果已经考虑了所有物品或当前重量超过了容量，返回当前价值。# 选择当前物品（如果它不超重），继续递归。# 不选择当前物品，继续递归。# 返回两者中的较大值。
2024-11-04 22:49:29
194
原创 python 回溯法0-1背包问题
在Python中，基本数据类型（如int）是不可变的，所以我们使用列表来包装它。# best_value是一个列表，因为我们想要修改它的第一个元素（即最佳价值）# 如果已经考虑了所有物品，更新最佳价值（如果需要的话）weights = [2, 3, 4, 5] # 物品的重量。values = [3, 4, 5, 6] # 物品的价值。n = len(weights) # 物品的数量。# 不选择当前物品，继续考虑下一个物品。# 选择当前物品（如果它不超重）
2024-11-04 22:46:21
299
原创 python 0-1背包
j_copy = W # 使用一个临时变量j_copy来避免修改外部变量j（虽然在这个特定情况下修改j是可以的，但为了避免混淆，最好使用一个副本）print("选中的物品索引:", selected_items) # 注意这里的索引是从0开始的，对应输入列表w和v的索引。# 初始化二维数组c，c[i][j]表示前i个物品在总重量不超过j的情况下可以达到的最大价值。# 移除x列表中的第一个元素（它是多余的，因为对应的是没有物品的情况）v = [3, 4, 5] # 物品价值列表。
2024-10-23 23:07:52
248
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人