[M枚举] lc1947. 最大兼容性评分和(暴力dfs+周赛251_3)

本文介绍了一个算法问题——最大兼容性评分和的解决方法。通过预处理学生与导师间的评分,并利用全排列或深度优先搜索(DFS)来寻找最优匹配方案,以达到最高的总评分。

1. 题目来源

链接:1947. 最大兼容性评分和

2. 题目解析

数据范围小,直接暴力枚举学生和老师匹配的所有方案即可。在此就是直接使用全排列函数迅速搞定,当然直接使用暴力dfs 也是完全 OK 的,数据大一点的话考虑记忆化或者状压吧。

可以提前预处理出来学生、老师两两之间的评分值,做到 O ( 1 ) O(1) O(1) 查找。


  • 时间复杂度 O ( n ) O(n) O(n)
  • 空间复杂度 O ( n ) O(n) O(n)

代码:

我的代码。

看了前面的,几乎都是这种思路。

class Solution {
public:
    int maxCompatibilitySum(vector<vector<int>>& students, vector<vector<int>>& mentors) {
        int n = students[0].size(), m = students.size();
        vector<int> a;
        for (int i = 0; i < m; i ++ ) a.push_back(i);
        int res = -1e9;
        do {
            int sum = 0;
            for (int i = 0; i < m; i ++ ) {
                for (int j = 0; j < n; j ++ ) 
                    sum += students[i][j] ^ mentors[a[i]][j] ^ 1;
            }
            res = max(res, sum);
        } while (next_permutation(a.begin(), a.end()));
        
        return res;
    }
};

坑神 dfs 写的:

class Solution {
public:
    int ans = 0;
    int n, m;
    bool used[10];
    int cap[10][10];
    
    void dfs(int x, vector<vector<int>>& S, vector<vector<int>>& T, int score){
        if (x == m){ 				// 匹配m个,完成了,更新答案最大值
        	ans = max(ans, score); 
        	return; 
        }	
        
        // 给每个老师匹配学生
        for (int i = 0; i < m; i++){
            if (used[i]) continue;
            used[i] = true;
            dfs(x + 1, S, T, score + cap[x][i]);
            used[i] = false;
        }
    }
    
    int maxCompatibilitySum(vector<vector<int>>& S, vector<vector<int>>& T) {
        ans = 0;
        n = S[0].size();
        m = S.size();
        memset(used, false, sizeof(used));
        memset(cap, 0, sizeof(cap));
        
        // 预处理老师与学生的评分
        for (int i = 0; i < m; i++){
            for (int j = 0; j < m; j++){
                cap[i][j] = 0;
                for (int k = 0; k < n; k++){
                    if (T[i][k] == S[j][k]) cap[i][j] += 1;
                }
            }
        }
        
        dfs(0, S, T, 0);
        
        return ans;
    }
};

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

Ypuyu

如果帮助到你,可以请作者喝水~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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