标签：遍历 扩展 节点 划分 搜索 版本 序列 POJ3700 最优

原文链接：http://www.cnblogs.com/walker01/archive/2010/01/20/1652781.html

     最近沉迷于算法研究中，被POJ上ID为3700的这道题折磨了两天后，终于顺利通过了。深深震撼于程序性能因搜索方法的不同而产生的天壤之别。

     该题描述如下：给出一组互不相同的整数，求可将其划分为递变（递增或递减）序列的最少个数。例如：给出5个数3，5，2，4，1，最少可将其划分为2个序列。第一个序列为3，4，第二个序列为5，2，1。

     我首先想到用多叉树逐层计算。每个节点存放一个数组a, a中保存还未划分的原始数据，扩展该节点时，遍历a,找出所有以a[0]为首的递变序列，每找到一个递变序列，就为该节点增加一个子节点，并将a中剩余的数据存放到该子节点中。这样每个节点可能会有多个子节点。逐层扩展，当某个节点无法扩展时，所有的数据就划分完毕，这个节点的层数就是这种划分方式的序列个数。

     我尝试用广度优先扩展构造树。因为仅需要得到一个无法扩展的节点，就可以退出计算。提交了第一个版本，结果MLE(memory limit exceed)。稍微修改下，将节点中静态分配的内存改为动态的按需分配，第二个版本TLE(time limit exceeded)。我估计在数据量很大时，每个节点的子节点都很多，造成同一层上需要计算的节点数量太大而导致超时。 于是我改为深度优先扩展，再加些判别条件用于剪枝。第三个版本，依然TLE。

    难道是算法本身的问题？我从POJ的讨论组中找到一个通过的版本，用贪心法加DFS,大致思想如下：

• 　　每个数要么跟随一个上升序列，要么跟随一个下降序列。（DFS）
• 　　如果要跟随上升（下降）序列，则跟末尾数最大（小）的那个。（贪心思想）
• 　　在无法跟随已有的上升（或下降）序列时，则新开一个上升（或下降）序列。

     依据此思想我写了第四个版本，终于顺利通过了。欣喜之余，我比较了一下此方法和前面超时的第三个版本在性能上的差异。我用了20个输入数据，比较结果如下：

 

     版本三用了1797ms,而版本四用了0ms(小于1ms)。 速度差异至少千倍。然后我用30个数据测试，结果如下：  

     这个结果让我非常震惊：版本三用了132235ms （难怪TLE）,而版本四仍然用了0ms。速度差异达到数十万倍。同样是dfs, 其实这两个版本的主要差别是搜索方法的不同。思考了良久，粗浅的发现了以下2个原因：

• 　　版本四考虑将每个数据或置于上升序列，或置于下降序列，实际上构成一颗满二叉树。而版本三是子节点数目不定的多叉树。从遍历效率上看，二叉树优于多叉树。
• 　　版本三在构造树节点时效率太低。每次将一个节点中的所有数据遍历一遍之能生成一个子节点，这样同样一组数据要反复遍历多次才能生成所有子节点。 而版本四在构成新节点时，只需和所有已划分序列的最大（最小）值比较一遍即可。

     为解决大量的数据处理问题，我们学了很多算法，往往都是为了找到一个最优的搜索方法。这种搜索方法因具体问题而异。需要我们在做题中积累经验并且善于归纳、联想、对比来确定最优方案。这个最优方案往往会使程序性能有超乎想象的提高。

转载于:https://www.cnblogs.com/walker01/archive/2010/01/20/1652781.html

标签：遍历,扩展,节点,划分,搜索,版本,序列,POJ3700,最优
来源： https://blog.csdn.net/weixin_38171030/article/details/99971072

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。