活動選択問題のためのCプログラム
アクティビティ選択の問題は、一連のアクティビティとその開始時間と終了時間が与えられる問題です。そして、一度に1つのアクティビティを実行するために人が実行できるすべてのアクティビティを見つける必要があります。
この問題では、実行する次のアクティビティを選択するために欲張りアルゴリズムが指定されています。まず、欲張りアルゴリズムについて理解しましょう。 。
欲張りアルゴリズム は、問題の解決策を段階的に見つけることによって問題の解決策を見つけようとするアルゴリズムです。次のステップを選択するために、アルゴリズムは、最も有望であると思われるステップも選択しました。つまり、残りのステップと比較して、すぐに最適化されたソリューションにつながる可能性があります。欲張りアルゴリズムは、問題全体の最適解につながる次の中間ステップで最も最適化された解を見つけようとするため、最適化問題を解くために使用されます。
欲張りアルゴリズムは良い解決策ですが、適用できない問題がいくつかあります。たとえば、0-1ナップザックは欲張りアルゴリズムを使用して解決することはできません。
アルゴリズム
いくつかの標準的な欲張りアルゴリズムは-
です1) Dijkstrata’s Shortest Path 2) Minimum Spanning Tree (MST) {prim’s and kruskal’s} 3) Huffman coding
非アクティブ選択問題、開始時間と終了時間に関するn個の問題が与えられます。また、ある時点で1つのアクティビティを実行できるという条件で、個人が実行できるアクティビティの最大数を選択する必要があります。
終了時間順に並べ替えられた3つのアクティビティがあります
Start = [1 , 5 , 12 ] End = [10, 13, 23]
ここでは、人は最大2つのアクティビティを実行できます。実行できるアクティビティは[0、2]です。
例
#include<stdio.h> int main(){ int start[] = {1 , 5 , 12}; int finish[] = {10, 13, 23}; int activities = sizeof(start)/sizeof(start[0]); int i, j; printf ("Following activities are selected \t"); i = 0; printf("%d\t", i); for (j = 1; j < activities; j++){ if (start[j] >= finish[i]){ printf ("%d ", j); i = j; } } return 0; }
出力
Following activities are selected 0 2
-
0-1ナップサック問題のためのPythonプログラム
この記事では、以下に示す問題ステートメントの解決策について学習します。 問題の説明 − n個のアイテムの重みと値が与えられているので、これらのアイテムを最大容量wまでの容量Wのバッグに入れる必要があります。最大数のアイテムを運び、その価値を返す必要があります。 次に、以下の実装のソリューションを見てみましょう- #ブルートフォースアプローチ 例 #Returns the maximum value that can be stored by the bag def knapSack(W, wt, val, n): # initial conditions &n
-
選択ソート用のPythonプログラム
この記事では、Python3.xでの選択ソートとその実装について学習します。またはそれ以前。 選択ソート アルゴリズムでは、配列は、ソートされていない部分から最小要素を再帰的に見つけて、それを先頭に挿入することによってソートされます。特定の配列での選択ソートの実行中に、2つのサブ配列が形成されます。 すでにソートされているサブアレイ ソートされていないサブアレイ。 選択ソートを繰り返すたびに、ソートされていないサブアレイの最小要素がポップされ、ソートされたサブアレイに挿入されます。 アルゴリズムの視覚的表現を見てみましょう- それでは、アルゴリズムの実装を見てみましょう- 例