一类搜索优化思想.pptVIP

一类搜索的优化思想 ——数据有序化 数据有序化 为什么要进行数据有序化 数据有序化的实现 两种实现方法的比较 数据有序化的思想，就是将杂乱的数据，通过简单的分类和排序，变成有序的数据，从而加快搜索的速度。 为什么要进行数据有序化 杂乱的数据 有序的数据 例1 装箱问题 题目大意： 现有一个体积为V的集装箱和N种货物，每一种货物都有固定的体积，数量无限。你的任务是：写一个程序，求出最少用多少个货物，就能放满集装箱。 数据规模：V货≤V≤109 运行时间的对比 N 不排序，直接搜索 先按体积从大到小排序，再搜索 10 160秒 9.8545秒 30 200秒 0.1356秒 60 200秒 0.1595秒 100 200秒 0.2285秒 测试方法：随机生成20个数据，测试运行时间并求平均值。 程序效率不同的原因 不理想的初始解 最理想的初始解 最优解 比较理想的初始解 数据有序化的益处 对于大多数的数据，都有良好的优化效果； 简便易行； 和其他类型的优化方法一般都不冲突。 数据有序化的实现 预处理阶段的数据有序化 实时处理阶段的数据有序化 预处理阶段的数据有序化 加工 常规方法 杂乱的数据 有序的数据 例2 积木搭建 题目大意：给定12种积木和一个体积小于50的构型，求最少使用多少个积木可以将这个构型搭建起来 目标构型示例 积木示例 第1步数据有序化 y x z 1 2 3 4 5 6 7 8 9 10 集合[1,10] 第2步数据有序化 1 2 3 4 5 6 7 9 10 8 3 6 7 9 积木{3,6,7,9} 积木能放进构型 1 2 3 4 5 6 7 9 10 8 [1,10] {1,2,4,5,8,10} [1,10]-{3,6,7,9} = {1,2,4,5,8,10} 从构型中挖去一个积木 试图再放一块积木 1 2 3 4 5 6 7 9 10 8 4 5 7 8 {4,5,7,8} {1,2,4,5,8,10} 积木不能放入构型 积木的冲突 1 2 3 4 5 6 7 10 8 4 5 7 8 3 6 7 9 4 5 7 8 9 3 6 7 9 3 6 7 9 4 5 8 {3,6,7,9} U {4,5,7,8} = {7} ≠φ U 数据有序化前后数学模型的对比 数据有序化前 数据有序化后 目标构型（3维） 目标集合（1维） 积木（3维） 小集合（1维） 积木拼接成为目标构型 小集合的合并成为目标集合 积木在3维空间里没有冲突 小集合的交集为空集 数据有序化后，数学模型得到了精简 实时处理阶段的数据有序化 加工 常规方法 杂乱的数据 有序的数据 保存 舍弃 传统表示方法 S S1 S2 Sn …… 保存 舍弃 如果S或S的同构状态 中有一个已经保存 否则 最小表示法 S Smin 保存 舍弃 已保存？ Y N 例3 N皇后问题-2 题目大意：假定通过翻转、旋转得到的状态与原状态属于同构状态，求所有不同构的n皇后状态总数。 状态表示方法 由于一行中只能有一个皇后，所以用一个n元组(a1,a2,a3,…,an)表示当前的状态，其中ai表示第i列的皇后所在的行。 Q Q Q Q Q (3,1,4,2,5) 翻转、旋转的具体过程(1) 以铅垂线为轴的翻转： Q1 Q2 Q3 Q4 Q5 Q1 Q2 Q3 Q4 Q5 （a1,a2,a3,a4,a5） （a5,a4,a3,a2,a1） → 90度、180度、270度的旋转 （a1,a2,a3,a4,a5） →（6-b1,6-b2,6-b3,6-b4,6-b5） →（6-a5,6-a4,6-a3,6-a2,6-a1） →（6-b5,6-b4,6-b3,6-b2,6-b1） 以水平线为轴的翻转： （a1,a2,a3,a4,a5）→（6-a1,6-a2,6-a3,6-a4,6-a5） 以对角线为轴的翻转： （a1,a2,a3,a4,a5） →（b1,b2,b3,b4,b5） →（b5,b4,b3,b2,b1） 翻转、旋转的具体过程(2) 应用数据有序化 S Smin 枚举 已保存？ 保存 Y N 舍弃 当前状态可能是最小表示吗？ Y N 回溯 新的剪枝条件 a1≤a5 a1≤6-a1 a1≤b1 a1≤b5 a1≤6-b1 a1≤6-a5 a1≤6-b5 空间复杂度的降低 S Smin 枚举 已保存？ 保存 Y N 舍弃 当前状态可能是最小表示吗？ Y N 回溯 应用最小表示法的算法与常规算法的比较 状态的生成 判断同构的费用（或判断最小表示的费用） 时间复杂度 空间复杂度 常规算法 O(a*N!)(a1) O(N