贪心算法Tsp实习报告1

贪心算法实验报告算法实验贪心法实验报告西安邮电大学（计算机学院）课内实验报告实验名称：贪心算法专业名称：班级：学生姓名：学号（8指导教师：实验日期：一. 实验目的及实验环境1.练习掌握最有分解问题的规划设计与实现；2.熟练掌握递归算法的设计及应用，怎样才能使算法的空间复杂度和时间复杂度最低；基于Linux系统下的ubuntu或其他的编辑器二. 实验内容1. 设n是一个正整数，现在要求将n分解为若干互不相同的自然数的和，且使这些自然数的乘积最大三．方案设计1.先将这个数分解成以2开始的连续的若干因子，它们的和加起来是n，将此数在后项优先的方式下均匀地分给前面各项。

保证正整数所分解出的因子之差的绝对值最小，即| a – b |最小，可以保证分解乘积越大。

四．测试数据及运行结果1．正常测试数据（3组）及运行结果；A.2.非正常测试数据（2组）及运行结果A.B.五．总结1．实验过程中遇到的问题及解决办法；在实验过程中错误不断地出现，我认真地查阅书籍，研究课本上例题，并且在同学的帮助下纠正了自己的错误，得出了正确的结果。

2．对设计及调试过程的心得体会。

在程序的运行与调试过程中出现了很多错误，但是通过自己复习课本知识、查询资料等，修改后得出了正确的结果。

而且我觉得自己一定要敢于尝试，即使没有结果但是勇于实践就会有意想不到的收获。

所以在以后的学习中我觉得我们一定要集中精力、端正自己态度，提高自己的成绩。

当然我也认识到了自己的薄弱之处，因此我一定争取做的能让自己满意，做的更好。

六．附录：源代码（电子版）#include#includevoid open_file(int n){FILE *fp;if((fp=fopen(“input.txt”,”wt”))==NULL) {printf(“the file write failed.\n”);exit(1);}fprintf(fp,”%2d\n”,n);fclose(fp);}void save_file(int sum){FILE *fp;if((f p=fopen(“output.txt”,”wt”))==NULL) {printf(“ the file save failed!.\n”);exit(1);}fprintf(fp,”%2d\n”,sum);fclose(fp);if((fp=fopen(“output.txt”,”r”))==NULL) {printf(“save file failed!\n”);exit(1);}fscanf(fp,”%2d”,&sum);printf(“\n鏈€澶х?d\n”,sum);fclose(fp);}int MAX(int n){int i=2,j=0,data[n],sum=0,max=1; int lenth; while(sum+i{sum+=i;data[j]=i;i++;j++;}lenth=j;i=n-sum;while(i>0){if(j{data[j+i]+=1;i--;j--;}else{data[j-1]+=1;i--;j--;}}for(i=0;imax*=data[i];return max;}int main(){int n,max;srand((unsigned)time(NULL)); n=rand()%100; open_file(n);printf(“ 杩欎釜鏁版槸%d:\n”,n); max=MAX(n); save_file(max);return 0; }百度搜索“就爱阅读”,专业资料,生活学习,尽在就爱阅读网,您的在线图书馆。

贪心算法实验报告贪心算法实验报告引言：贪心算法是一种常用的算法设计策略，它通常用于求解最优化问题。

贪心算法的核心思想是在每一步选择中都选择当前最优的解，从而希望最终能够得到全局最优解。

本实验旨在通过实际案例的研究，探索贪心算法的应用和效果。

一、贪心算法的基本原理贪心算法的基本原理是每一步都选择当前最优解，而不考虑整体的最优解。

这种贪婪的选择策略通常是基于局部最优性的假设，即当前的选择对于后续步骤的选择没有影响。

贪心算法的优点是简单高效，但也存在一定的局限性。

二、实验案例：零钱兑换问题在本实验中，我们以零钱兑换问题为例，来说明贪心算法的应用。

问题描述：假设有不同面值的硬币，如1元、5元、10元、50元和100元，现在需要支付给客户x元，如何用最少的硬币数完成支付？解决思路：贪心算法可以通过每次选择当前面值最大的硬币来求解。

具体步骤如下：1. 初始化一个空的硬币集合，用于存放选出的硬币。

2. 从面值最大的硬币开始，如果当前硬币的面值小于等于待支付金额，则将该硬币放入集合中，并将待支付金额减去该硬币的面值。

3. 重复步骤2，直到待支付金额为0。

实验过程：以支付金额为36元为例，我们可以通过贪心算法求解最少硬币数。

首先，面值最大的硬币为100元，但36元不足以支付100元硬币，因此我们选择50元硬币。

此时，剩余待支付金额为36-50=-14元。

接下来，面值最大的硬币为50元，但待支付金额为负数，因此我们选择下一个面值最大的硬币，即10元硬币。

此时，剩余待支付金额为-14-10=-24元。

继续选择10元硬币，剩余待支付金额为-24-10=-34元。

再次选择10元硬币，剩余待支付金额为-34-10=-44元。

最后，选择5元硬币，剩余待支付金额为-44-5=-49元。

由于待支付金额已经为负数，我们无法继续选择硬币。

此时，集合中的硬币数为1个50元和3个10元，总共4个硬币。

实验结果：通过贪心算法，我们得到了36元支付所需的最少硬币数为4个。

贪心算法实验报告心得前言贪心算法是一种常见且重要的算法设计思想，通过每一步都选择当下最优的解决方案，以期望最终得到全局最优解。

在学习与实践贪心算法的过程中，我有了许多心得与体会。

什么是贪心算法？贪心算法是一种求解问题的算法思想，它的特点是每一步都选择当前最优的解决方案，而不考虑该选择对以后步骤的影响。

贪心算法通常适用于可以将问题分解为若干个子问题，并且通过每次选择当前最优解来得到整体最优解的情况。

贪心算法的基本步骤贪心算法的基本步骤可以总结为以下几个方面：1.确定问题的解空间，并找到问题的最优解。

贪心算法通常通过穷举法或者利用问题的特殊性质来确定解空间。

2.制定贪心策略。

贪心算法的核心是确定每一步选择的贪心策略，即选择当前最优解。

3.确定贪心策略的正确性。

贪心算法的一个关键问题是如何证明贪心策略的正确性。

可以通过数学证明、反证法或者举反例等方式来进行证明。

4.实现贪心算法。

将贪心策略转化为实际可执行的算法步骤，编写代码来求解问题。

贪心算法实验结果分析在本次实验中，我使用贪心算法解决了一个经典问题：找零钱问题（Change-Making Problem）。

给定一定面额的硬币和需找的金额，我们的目标是使用最少的硬币来完成找零钱。

贪心算法的思路是每次选择面额最大的硬币进行找零。

实验设计1.实验输入：我设计了多组输入来测试贪心算法的性能。

每组输入包括一个需找的金额和一个硬币集合。

2.实验输出：对于每组输入，贪心算法输出一个最优的硬币找零方案，以及使用的硬币数量。

3.实验评价：我使用了实际需找金额与贪心算法计算得到的找零金额的差值来评估算法的准确性，并统计了算法的时间复杂度。

实验结果从多组实验结果中可以观察到，贪心算法在大部分情况下给出了正确的找零金额，并且算法的时间复杂度较低。

结果分析贪心算法在找零钱问题中的应用是合理的。

每次选择面额最大的硬币进行找零，可以快速接近最优解，并且相对其他算法具有较低的时间复杂度。

《算法设计与分析》课程实验报告实验序号：07实验项目名称：实验8 贪心算法（一）一、实验题目1.删数问题问题描述：键盘输入一个高精度的正整数N（不超过250 位），去掉其中任意k个数字后剩下的数字按原左右次序将组成一个新的非负整数。

编程对给定的N 和k，寻找一种方案使得剩下的数字组成的新数最小。

若输出前有0则舍去2.区间覆盖问题问题描述：设x1,x2,...xn是实轴上的n个点。

用固定长度为k的闭区间覆盖n个点，至少需要多少个这样的固定长度的闭区间？请你设计一个有效的算法解决此问题。

3.会场安排问题问题描述：假设要在足够多的会场里安排一批活动，并希望使用尽可能少的会场。

设计一个有效的贪心算法进行安排。

（这个问题实际上是著名的图着色问题。

若将每一个活动作为图的一个顶点，不相容活动间用边相连。

使相邻顶点着有不同颜色的最小着色数，相应于要找的最小会场数。

）4.导弹拦截问题问题描述：某国为了防御敌国的导弹袭击，发展出一种导弹拦截系统。

但是这种导弹拦截系统有一个缺陷：虽然它的第一发炮弹能够到达任意的高度，但是以后每一发炮弹都不能高于前一发的高度。

某天，雷达捕捉到敌国的导弹来袭。

由于该系统还在试用阶段，所以只有一套系统，因此有可能不能拦截所有的导弹。

给定导弹依次飞来的高度（雷达给出的高度数据是≤50000的正整数），计算这套系统最多能拦截多少导弹，如果要拦截所有导弹最少要配备多少套这种导弹拦截系统。

二、实验目的（1）通过实现算法，进一步体会具体问题中的贪心选择性质，从而加强对贪心算法找最优解步骤的理解。

（2）掌握通过迭代求最优的程序实现技巧。

（3）体会将具体问题的原始数据预处理后（特别是以某种次序排序后），常能用贪心求最优解的解决问题方法。

三、实验要求（1）写出题1的最优子结构性质、贪心选择性质及相应的子问题。

（2）给出题1的贪心选择性质的证明。

（3）（选做题）：写出你的算法的贪心选择性质及相应的子问题，并描述算法思想。

一、实验背景贪心算法是一种在每一步选择中都采取当前状态下最好或最优的选择，从而希望导致结果是全局最好或最优的算法策略。

贪心算法并不保证能获得最优解，但往往能获得较好的近似解。

在许多实际应用中，贪心算法因其简单、高效的特点而被广泛应用。

本实验旨在通过编写贪心算法程序，解决经典的最小生成树问题，并分析贪心算法的优缺点。

二、实验目的1. 理解贪心算法的基本原理和应用场景；2. 掌握贪心算法的编程实现方法；3. 分析贪心算法的优缺点，并尝试改进；4. 比较贪心算法与其他算法在解决最小生成树问题上的性能。

三、实验内容1. 最小生成树问题最小生成树问题是指：给定一个加权无向图，找到一棵树，使得这棵树包含所有顶点，且树的总权值最小。

2. 贪心算法求解最小生成树贪心算法求解最小生成树的方法是：从任意一个顶点开始，每次选择与当前已选顶点距离最近的顶点，将其加入生成树中，直到所有顶点都被包含在生成树中。

3. 算法实现（1）数据结构- 图的表示：邻接矩阵- 顶点集合：V- 边集合：E- 已选顶点集合：selected- 最小生成树集合：mst（2）贪心算法实现```def greedy_mst(graph):V = set(graph.keys()) # 顶点集合selected = set() # 已选顶点集合mst = set() # 最小生成树集合for i in V:selected.add(i)mst.add((i, graph[i]))while len(selected) < len(V):min_edge = Nonefor edge in mst:u, v = edgeif v not in selected and (min_edge is None or graph[u][v] < graph[min_edge[0]][min_edge[1]]):min_edge = edgeselected.add(min_edge[1])mst.add(min_edge)return mst```4. 性能分析为了比较贪心算法与其他算法在解决最小生成树问题上的性能，我们可以采用以下两种算法：（1）Prim算法：从任意一个顶点开始，逐步添加边，直到所有顶点都被包含在生成树中。

实习报告：算法设计策略一、实习背景与目的随着计算机技术的快速发展，算法在各种领域中的应用越来越广泛，算法设计能力成为计算机专业学生必备的技能。

为了提高自己的算法设计能力，了解并掌握不同的算法设计策略，我参加了本次算法设计策略实习。

实习目的是通过实践锻炼自己的算法思维，培养解决实际问题的能力，并加深对算法设计策略的理解。

二、实习内容与过程实习的主要内容包括贪心算法、动态规划和分治策略等算法设计策略。

在实习过程中，我完成了以下几个部分：1. 贪心算法：以 P118 习题 2 和 P118 习题 5 为例，分别解决邻接链表表示的有向无环图的最短路径问题和最小权匹配问题。

通过编写程序代码，验证了贪心算法的有效性和可行性。

2. 动态规划：以斐波那契数列和最长公共子序列为例，学习动态规划的基本思想和方法。

通过实现动态规划算法，了解了动态规划在解决最优化问题中的应用。

3. 分治策略：以快速排序和归并排序为例，学习分治策略的基本思想和实现方法。

通过编写程序代码，验证了分治策略在解决排序问题中的应用和效率。

4. 算法分析：对上述算法进行时间复杂度和空间复杂度分析，了解不同算法设计策略的优缺点。

三、实习收获与反思通过本次实习，我对算法设计策略有了更深入的了解，收获如下：1. 掌握了贪心算法、动态规划和分治策略等基本的算法设计策略，并能够运用这些策略解决实际问题。

2. 提高了编程能力，学会了如何将算法设计转化为程序代码，并能够调试和优化代码。

3. 加深了对算法分析的理解，能够从时间复杂度和空间复杂度两个方面评估算法的性能。

4. 培养了自己的团队协作能力和问题解决能力，在实习过程中学会了如何与他人合作，共同解决问题。

在实习过程中，我也意识到自己在算法设计方面还存在一些不足，如对一些复杂问题的解决能力有待提高，需要进一步加强学习和实践。

四、实习总结本次算法设计策略实习使我受益匪浅，不仅提高了自己的算法设计能力，而且加深了对算法设计策略的理解。

贪心算法_实验报告一、设计分析●问题描述：键盘输入一个高精度的正整数N（N不超过240位），去掉其中任意S个数字后剩下的数字按原左右次序将组成一个新的正整数。

编程对给定的N和S，寻找一种方案使得剩下的数字组成的新数最小。

●设计思路：在位数固定的前提下，让高位的数字尽量小其值就较小，依据此贪心策略解决此问题。

删除高位较大的数字。

具体：相邻两位比较若高位比低位大则删除高位。

删除字符的方法：1）物理删除，用后面的字符覆盖已删除的字符。

有比较多字符移动操作，算法效率不高。

2）用数组记录字符的状态，“1”表示对应数字存在，“0”表示对应数字已删除。

3）利用数组，记录未删除字符的下标：n=“1 2 4 3 5 8 3 3”0 0 0 0 0 04比3大删除“1 2 3 5 8 3 3” 1 2 4 5 0 08比3大删除“1 2 3 5 3 3” 1 2 4 5 05比3大删除“1 2 3 3 3” 1 2 4 7 8二、程序代码c语言实现#include<stdio.h>#include<string.h>#define N 10000int main(void){char a[N];int i,j,k,n;printf("输入要处理的数据：\n");gets(a);printf("输入要删除的数字个数：\n");scanf("%d",&n);三、测试用例四、实验总结加深了对贪心算法的理解与运用。

所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。

这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法的主要区别。

动态规划算法通常以自底向上的方式解各子问题，而贪心算法则通常以自顶向下的方式进行，以迭代的方式作出相继的贪心选择，每作一次贪心选择就将所求问题简化为规模更小的子问题。

一、实验目的通过本次实验，使学生对贪心算法的概念、基本要素、设计步骤和策略有更深入的理解，掌握贪心算法的原理和应用，并能够运用贪心算法解决实际问题。

二、实验内容本次实验主要涉及以下两个问题：1. 使用贪心算法解决单起点最短路径问题；2. 使用贪心算法解决小船过河问题。

三、实验原理1. 贪心算法贪心算法（又称贪婪算法）是一种在每一步选择中都采取当前最优的选择，从而希望导致结果是全局最优的算法。

贪心算法在每一步只考虑当前的最优解，不保证最终结果是最优的，但很多情况下可以得到最优解。

2. 单起点最短路径问题单起点最短路径问题是指在一个有向无环图中，从某个顶点出发，找到到达其他所有顶点的最短路径。

3. 小船过河问题小船过河问题是指一群人需要划船过河，船只能容纳两个人，过河后需要一人将船开回，问最少需要多久让所有人过河。

四、实验步骤及说明1. 创建图结构，包括顶点数组和边信息。

2. 使用Dijkstra算法求解单起点最短路径问题，得到最短路径和前驱顶点。

3. 使用贪心算法找到两点之间的最短距离，并更新距离和前驱顶点信息。

4. 遍历所有顶点，找到未纳入已找到点集合的距离最小的顶点，并更新其距离和前驱顶点。

5. 最终输出从源顶点到达其余所有点的最短路径。

6. 使用贪心算法解决小船过河问题，按照以下步骤进行：（1）计算所有人过河所需的总时间；（2）计算每次划船往返所需时间；（3）计算剩余人数；（4）重复（2）和（3）步骤，直到所有人过河。

五、实验结果与分析1. 单起点最短路径问题实验中，我们选取了有向无环图G，其中包含6个顶点和8条边。

使用贪心算法和Dijkstra算法求解单起点最短路径问题，得到的实验结果如下：- 贪心算法求解单起点最短路径问题的时间复杂度为O(V^2)，其中V为顶点数；- Dijkstra算法求解单起点最短路径问题的时间复杂度为O(V^2)，其中V为顶点数。

2. 小船过河问题实验中，我们选取了一群人数为10的人过河，船每次只能容纳2人。

贪心算法实验小结
最近，我和我的同学们在实验室里进行了一次关于贪心算法的实验，探究贪心算法在旅行商问题中的应用。

实验的准备工作非常简单，我们只需要准备好实验所需的数据，并将其输入到计算机中即可。

之后，我们使用贪心算法来解决这个旅行商问题，运用贪心思想，在遍历所有城市时，选择当前停留时间最短的城市作为下一站，以期最终获得最短的旅行路线。

实验的过程中，我们发现，贪心算法可以有效地解决旅行商问题，即使在城市数量较多的情况下，它仍然能够在较短的时间内得到最优解。

除了旅行商问题之外，贪心算法还可以应用于其他许多其他问题，比如背包问题，最大化问题等。

在这次实验中，我们研究到了贪心算法的原理和应用，对于贪心算法在求解复杂问题中的重要性有了更深的认识。

此外，我们也体会到了贪心算法的局限性，它只能获得局部最优解，而不能保证全局最优解。

总之，本次实验对我们的研究有很大的帮助，不仅加深了对贪心算法的认识，而且还能够更好地理解其在实际问题中的应用，让我们更加清楚如何有效地利用贪心算法来解决复杂问题。

实验2、《贪心算法实验》一、实验目的1. 了解贪心算法思想2. 掌握贪心法典型问题，如背包问题、作业调度问题等。

二、实验内容1. 编写一个简单的程序，实现单源最短路径问题。

2. 编写一段程序，实现找零。

【问题描述】当前有面值分别为2角5分，1角，5分，1分的硬币，请给出找n分钱的最佳方案（要求找出的硬币数目最少）。

3. 编写程序实现多机调度问题【问题描述】要求给出一种作业调度方案，使所给的n个作业在尽可能短的时间内由m 台机器加工处理完成。

约定，每个作业均可在任何一台机器上加工处理，但未完工前不允许中断处理。

作业不能拆分成更小的子作业。

三、算法思想分析1.初始化将源点设计为红点集，其余点设计为蓝点，重复选择蓝点集中与源点路径最短的点加入红点集，更新剩余的蓝点集路径，直至蓝点集为空或者只剩下没有连通的点，那么源点到其余所有点的最短路径就出来了。

2.找零问题是典型的贪心问题，但是并不代表所有的找零都能用贪心算法找到最优解。

只有满足贪心选择性质的找零才能找到最优解，本题满足贪心选择性质，直接先一直选面值最大的硬币，再一次减小即可。

3.先对作业按时长进行重排序，再依次找目前用时最短的机器安排工作并加上对应时长，最后总时长为机器中用时最长的那个时长。

四、实验过程分析1.单源最短路径的算法思想并不难，但是在实际编码过程中还是有很多小问题需要注意，首先，一定要新建数组存储路径变化，因为后面计算路径时会用到原数组，如果直接在原数组上更改后面就找不到原数据了，那么就会出现偏差。

其次就是建议先写个伪代码，判断的if-else语句比较多，容易搞混，在代码中一定要及时备注，某些代码的功能是什么，不然再次看代码时需要思考很久甚至忘记。

2.找零问题直接用while循环或者不断取余取模即可解决。

3.作业调度问题大致分为三步，一是排序，二是不断找最短时长的机器安排作业，三是找最长时间为作业完成时间。

五、算法源代码及用户屏幕1.（1）算法源码/**********************单源最短路径问题。

贪心算法实验报告实验报告题目实验四贪心算法开课实验室:数学实验室指导老师:韩逢庆时间:2011.12 学院:理学院专业:信息与计算科学班级:2009级2班姓名:古月学号:09180230一、实验目的1(加深学生对贪心算法设计方法的基本思想、基本步骤、基本方法的理解与掌握;2(提高学生利用课堂所学知识解决实际问题的能力;3(提高学生综合应用所学知识解决实际问题的能力。

二、实验内容题目见P143:4-16,4-23.三、实验要求(1)用分治法求解最少加油次数和最少硬币个数问题;(2 )再选择自己熟悉的其它方法求解本问题;(3)上机实现所设计的所有算法;四、实验过程设计(算法设计过程)(1) 最少加油次数实验题目一辆汽车加满油以后可以行使n公里，旅途中有若干个加油站，设计一个有效算法，指出应在哪些加油站停靠加油，使沿路加油次数最少。

并证明算法能产生一个最优解。

过程设计贪心算法总是作出在当前看来最好的选择。

也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在某种意义上的局部最优选择。

当然，希望贪心算法得到的最终结果也是整体最优的。

虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。

比如说最少加油次数的问题。

在这个算法中，我采用的贪心算法的策略。

首先人机互动的设定加满油以后最长能够行使的距离，然后输入了各个站点之间的距离，在程序的设计中，首先检查了程序的可行性。

要是遇到当某两个站点之间的距离大于汽车一次加油以后所能够行使的最大距离时，我们认为此问题是不可行的。

这个在实际情况中也是很容易理解的。

然后在满足可行性条件下，依次采用贪心算法对问题得以实现。

采用s这个来保存现在车里面留下的油，当此时留下的有能够行驶完这一站点到下一站点之间的距离是，在这一站点的时候就不加油。

但是若不能行使完这一段路程的时候，就加满油。

核心算法如下:for(i=0,s=0;i<n;i++){s=s+a[i];if(s>n){sum++;s=a[i];}}(2) 最少硬币个数问题实验题目考虑下面的用最少硬币个数找出n分钱的问题:当使用2角5分，1角，5分和1分四种硬币面值时，设计一个找n分钱的贪心算法，并证明算法能产生最优解。

第四章贪⼼算法实验报告《贪⼼算法实验报告》计科2001 陈梓聪 20201003024贪⼼算法的思想：通过第四章学习了贪⼼算法，我们知道，贪⼼算法总是做出在当下看来最好的选择，通过每个最优的选择来得出原问题的最优解。

贪⼼算法的使⽤条件：贪⼼算法有的时候并不能得出最优解，只有在满⾜⼀下两个条件的时候才能使⽤：1.贪⼼性质：整体的最优解可通过⼀系列局部最优解达到，并且每次的选择可以依赖以前做出的选择，但不能依赖于以后的选择。

2.最优⼦结构：问题整体的最优解包括⼦问题的最优解。

贪⼼算法的局限性：贪⼼算法有他的局限性，有的时候我们选择局部的最优解，但是它对与全局并⾮最优解，就⽐如硬币找零问题。

但是我们依然可以⽤我们上⼀章所学的动态规划思想来解决。

贪⼼算法的分析过程：⾸先，我们需要确定我们的贪⼼策略，只有正确的贪⼼策略才能得出我们的结论。

下⾯是我们的实验题。

4-1程序储存问题：设有n 个程序{1,2,…, n }要存放在长度为L的磁带上。

程序i存放在磁带上的长度是 li，1≤i≤n。

程序存储问题要求确定这n 个程序在磁带上的⼀个存储⽅案，使得能够在磁带上存储尽可能多的程序。

对于给定的n个程序存放在磁带上的长度，计算磁带上最多可以存储的程序数。

输⼊格式：第⼀⾏是2 个正整数，分别表⽰⽂件个数n和磁带的长度L。

接下来的1⾏中，有n个正整数，表⽰程序存放在磁带上的长度。

输出格式：输出最多可以存储的程序数。

输⼊：6 50 输出： 52 3 13 8 80 20#include <iostream>#include <algorithm>using namespace std;int main() {int n, l, res;cin >> n >> l;int *a = new int [n];for(int i = 0; i < n; i ++) {cin >> a[i];}sort(a, a + n);for(int i = 0; i < n; i ++) {l -= a[i];if(l < 0) {res = i;break;}}cout << res;return0;}贪⼼策略：我的贪⼼策略是将还未存⼊磁带中最⼩的程序放⼊磁带，直到放⼊⼀个程序后，再放⼊下⼀个程序时程序的总长度>L，此时能存下最多程序数。

tsp实验报告TSP实验报告一、引言旅行推销员问题（Traveling Salesman Problem，TSP）是一类经典的组合优化问题，它在现实生活中有着广泛的应用。

TSP的目标是寻找一条最短路径，使得旅行推销员能够经过所有城市并回到出发点。

本实验旨在通过使用不同的算法和策略，探索解决TSP问题的方法，并比较它们的效果。

二、实验方法1. 数据集选择本实验选取了某个地区的城市坐标作为数据集，其中包含了20个城市的经纬度信息。

这些城市的位置分布较为均匀，有助于测试算法在不同城市分布情况下的表现。

2. 算法实现本实验采用了两种常见的算法来解决TSP问题：贪心算法和遗传算法。

贪心算法：该算法的基本思想是每次选择距离当前位置最近的未访问城市作为下一个目的地，直到所有城市都被访问过。

贪心算法简单直观，但不能保证获得最优解。

遗传算法：该算法通过模拟生物进化过程来解决问题。

它通过随机生成初始种群，然后通过选择、交叉和变异等操作，逐步优化种群中的个体，直到找到最优解。

遗传算法适用于求解复杂问题，但计算量较大。

3. 实验步骤首先，使用贪心算法计算出一条初始路径。

然后，利用遗传算法对该路径进行优化，得到更短的路径。

实验中，设置了合适的参数，如种群大小、交叉概率和变异概率，以获得较好的结果。

三、实验结果与分析经过多次实验，得到了贪心算法和遗传算法的结果，并与最优解进行了比较。

1. 贪心算法结果使用贪心算法，得到了一条初始路径，总长度为X。

该路径并不是最优解，但它提供了一个起点，可以作为遗传算法的输入。

2. 遗传算法结果经过遗传算法的优化，得到了一条更短的路径，总长度为Y。

与贪心算法相比，遗传算法能够通过不断迭代优化路径，找到更接近最优解的结果。

3. 与最优解的比较通过与最优解进行比较，可以评估算法的性能。

实验结果显示，贪心算法得到的路径长度为Z，遗传算法得到的路径长度为W，分别与最优解相差了A%和B%。

可以看出，遗传算法在寻找最优解方面表现更好，但仍存在一定的误差。