2018-05-08

关于 算法图解 ,贪婪算法,广播台覆盖问题,
代码参考
http://makaidong.com/lilong117194/1/1015033_11095410.html
感谢上面的兄弟。
打印输出很多,主要是看看程序走到哪里,
想到了一个优化,多了一行,,灵感主要来自,吴军 老师讲解的“少做事”。吴军,吴军。

# coding=utf-8

# 要覆盖的州
states_needed = set(["mt", "wa", "or", "id", "nv", "ut", "ca", "az"])

# 广播台清单
stations = {}
stations["kone"] = set(["id", "nv", "ut"])
stations["ktwo"] = set(["wa", "id", "mt"])
stations["kthree"] = set(["or", "nv", "ca"])
stations["kfour"] = set(["nv", "ut"])
stations["kfive"] = set(["ca", "az"])

final_stations = set() # 存储最终选择的广播台
print('start1234')

while states_needed:  # 只要没有全部覆盖完
  best_station = None 
  states_covered = set()  # 存储已经覆盖的州
  for station, states in stations.items(): # items()存储键值(广播台和相应的覆盖州)
    print(station)
    print(states)
    print('balabala')
    covered = states_needed & states  # 集合的交集,判断还未覆盖的州与此广播台的交集个数 
    if len(covered) > len(states_covered): # 如果当前广播台州交集的个数大于当前要覆盖的州
        print(len(covered))
        print('jinruneibu88888888888888888888888888888888888')
        best_station = station  # 就替换为最优的广播台
        states_covered = covered  # 替换已经覆盖的州

  states_needed -= states_covered # 从要覆盖的州中减去已经覆盖过的(集合相减)
  print 'states_needed:',states_needed
  final_stations.add(best_station) # 添加最优的广播台
  print(best_station)
 #--------------------------------------------每次将字典的规模变小
  del stations[best_station] #想到的一点,改进,既然已经晋级,就不要再参加PK   ,
print final_stations

result

$python main.py
start1234
kfive
set(['ca', 'az'])
balabala
2
jinruneibu88888888888888888888888888888888888
ktwo
set(['mt', 'id', 'wa'])
balabala
3
jinruneibu88888888888888888888888888888888888
kthree
set(['ca', 'or', 'nv'])
balabala
kone
set(['ut', 'id', 'nv'])
balabala
kfour
set(['ut', 'nv'])
balabala
states_needed: set(['ut', 'ca', 'az', 'or', 'nv'])
ktwo
kfive
set(['ca', 'az'])
balabala
2
jinruneibu88888888888888888888888888888888888
kthree
set(['ca', 'or', 'nv'])
balabala
3
jinruneibu88888888888888888888888888888888888
kone
set(['ut', 'id', 'nv'])
balabala
kfour
set(['ut', 'nv'])
balabala
states_needed: set(['ut', 'az'])
kthree
kfive
set(['ca', 'az'])
balabala
1
jinruneibu88888888888888888888888888888888888
kone
set(['ut', 'id', 'nv'])
balabala
kfour
set(['ut', 'nv'])
balabala
states_needed: set(['ut'])
kfive
kone
set(['ut', 'id', 'nv'])
balabala
1
jinruneibu88888888888888888888888888888888888
kfour
set(['ut', 'nv'])
balabala
states_needed: set([])
kone
set(['ktwo', 'kthree', 'kone', 'kfive'])

请高手帮忙解答一下,优化后,和优化前,算法的复杂度,有无变化? 各位大神,求指教。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,752评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,100评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,244评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,099评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,210评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,307评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,346评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,133评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,546评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,849评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,019评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,702评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,331评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,030评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,260评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,871评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,898评论 2 351