牛客-How to sort(思维)

本文介绍了一种排序算法的优化方法,通过闭环交换的方式减少排序过程中的元素交换次数,并且尽可能地降低排序过程中的总开销。文章还提供了一个具体的实现案例,展示了如何选择闭环中的最小元素作为中间值进行交换,从而达到最小化排序成本的目的。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

How to sort

 

思路:

排序的花销最小,可以先让排序的中交换的次数最小,就是闭环交换。

考虑如何交换使排序得到的序列最小,按照闭环交换元素序列最后肯定可以将元素放到相应的位置上

(闭环交换:num -> pos[num] -> pos[pos[num]] ->……)但是要求交换过程中的元素和(num+pos[num])最小,

可以选取闭环交换过程中的最小元素作为中间值,然后交换相应的节点。

eg:

n = 5

4 3 1 2 5

第一个闭环4 -> 1 -> 3 -> 2 -> 4

以1位媒介交换 (1,3),(1,2),(1,4)得到 1,2,3,4,5序列。

但是这样并不是最终答案,因为闭环中的最小元素不意味着整个序列的最小元素,这样的交换花销为(sum-tp)+tp*(tm-1)

(其中,sum表示闭环内不同元素的和,tp表示闭环中最小的元素,tm表示闭环中的元素出现的次数)。

 

如果是 2 220 340  789 这个序列,当然是用1作为媒介的花销最小了,这样的最小花销为sum+tp+mi*(tm+1)

(其中,mi表示整个序列最小的元素)。

 

参考文章

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int maxn = 100100;
int a[maxn]={0},nxt[maxn]={0},vis[maxn]={0};
struct Node{
	int data,id;
}cur[maxn];
bool cmp(Node a,Node b){
	return a.data<b.data;
}
int MIN(int x,int y){
	return x<y?x:y;
}
int main(void)
{
	int n,i,j,mi=maxn;
	scanf("%d",&n);
	for(i=0;i<n;i++){
		scanf("%d",&cur[i].data);
		cur[i].id = i;
		mi = MIN(mi,cur[i].data);
	}
	sort(cur,cur+n,cmp);
	for(i=0;i<n;i++) nxt[i] = cur[i].id;
	int ans = 0;
	for(i=0;i<n;i++)
	if(vis[i]==0){
		int sum = 0,tp = maxn,tim = 0,x = i;
		while(vis[x]==0){
			vis[x] = 1;
			sum += cur[x].data;
			tp = MIN(tp,cur[x].data);
			tim++; 
			x = nxt[x];
		}
		tim--;sum-=tp;
		ans += MIN(sum+tp*tim,sum+(tim+2)*mi+tp*2); 
	}
	printf("%d\n",ans);
	return 0;
}

 

内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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