数据结构 的案例3.docVIP

案例研究：移动电话系统 1问题 现在你是JEJ移动通信公司负责规划的副经理。你刚刚得到频率执照允许在Flat Sport 市及其郊区，Burbville和Mosquito Lakes地区基本没有自己的工业，每天从这两个地区到Flat Spot市都有大量的人员流动。白天，Flat Spot市区的工作人员主要在市内活动；到了晚上，大量人群离开Flat Spot前往Burbville和Mosquito Lakes地区；而在深夜和周末，3个地区内及彼此间的人员流量一般，与人们日间工作时相仿。 你所在的移动通讯公司计划用微波发射器传送通话信号，为了以最优信号建立一个蜂窝通信网络需要考虑诸多因素：如地形，通信模式，无线电噪音源等。由于计划服务的3个地区主要为平原，基本没有干扰源，所以考虑的重点是通信模式。投资方为你提供的资源可以建造10个发射器用于通信，每个发射器可以同时处理200个呼叫信号并能可靠地覆盖一平方英里的范围。你还有关于3个地区每5*5英里的市场统计数据可以利用，这些数据预示了3个重要时段的通信需求： 工作日的上午8：30，此时进入Flat Spot市的人流达到高峰。 工作日的上午11：00，此时业务通话达到高峰。 星期六的中午，郊区通信达到高峰。 由于只有10个发射器无法覆盖整个地区，所以你需要编写程序对呼叫需求数据进行分析，以便发射器的配置能够为最大数量的潜在客户提供服务。 为了找到一个“折衷方案”，程序必须根据各数据项对于问题最终求解的重要性对现有数据进行评估。比如，若通勤者的通话模式每天仅有15分钟对顾客的满意程度有多重要？在我们的解决方案中，应该对3类数据加权计算，从而反映出各个数据集合的相对重要性。之后我们要探讨一下解决方案随权值的不同如何改变。 我们将图8.5所示的数据输入到三个5*5矩阵中，每个对应于一个数据集合。数据输入文件将为三个矩阵的每一个单元赋以3个值之一——0，1或2——以标识在各单元所对应的地点，在该矩阵所表示的时间观测到的通信密度的级别。扫描数据文件后，我们允许用户输入各数据集的相对权重，然后根据加权后的数据将10个发射器放置到10个通信最繁忙的单元。 数据要求 问题中的常量 GRID＿SIZE 5/* 所讨论地区的长和宽英里数 */ NUM＿TRANSMITTERS 10/* 放置的发射器的数量 */ SELECTED -1/* 以负值标识选中单元 */ 问题输入 int commuters [GRID＿SIZE] [GRID＿SIZE]/*8：30 A.M.通信数据预测*/ int salesofrce [GIRD＿SIZE] [GRID＿SIZE]/*11 A.M. 通信数据预测*/ int weekend [GIRD＿SIZE] [GRID＿SIZE]/*周末通信数据预测*/ int commuter＿weight /*通勤人员的权重因子*/ int salesforce＿weight /*营销人员的权重因子*/ int weekend＿weight /*周末数据的权重因子*/ 问题输出 int summed＿data [GRID＿SIZE] [GRID＿SIZE]/*加权后数据的输出*/ int location＿i，location＿j /*每个发射器的坐标*/ 程序中的变量 int current＿max /*到当前为止找到的最繁忙的通信点*/ 设计 程序首先从数据文件中读取通勤人员，销售人员和周末的有关数据填入三个矩阵，接着用户必须提供以衡量数据权重的整数。把每个矩阵中的数据乘以相应的权值，再将三个带权的矩阵对应元素相加，显示计算后的和矩阵。最后，和矩阵中NUM＿TRANSMITTERS个最高值坐标将作为发射器的安放位置显示出来。 初始算法 从数据文件中读取3个时段的交通数据。 读入用户输入的权。 各矩阵中的数据项与各自的权值相乘，把对应各数据项之和存入summed＿data。 找出矩阵summed＿data中前NUM＿TRANSMITTERS个最大量元素，将其下标逐一存储到location＿