Add kotlin codes for the chapter of greedy (#1103)

* feat(kotlin): add kotlin code for dynamic programming.

* Update knapsack.kt

* feat(kotlin): add kotlin codes for graph.

* style(kotlin): reformatted the codes.

* feat(kotlin): add kotlin codes for the chapter of greedy.

* Update max_product_cutting.kt
This commit is contained in:
curtishd 2024-03-04 00:10:34 +08:00 committed by GitHub
parent a032d68c7c
commit 89679a4a13
No known key found for this signature in database
GPG key ID: B5690EEEBB952194
4 changed files with 190 additions and 0 deletions

View file

@ -0,0 +1,53 @@
/**
* File: coin_change_greedy.kt
* Created Time: 2024-01-25
* Author: curtishd (1023632660@qq.com)
*/
package chapter_greedy
/* 零钱兑换:贪心 */
fun coinChangeGreedy(coins: IntArray, amt: Int): Int {
// 假设 coins 列表有序
var am = amt
var i = coins.size - 1
var count = 0
// 循环进行贪心选择,直到无剩余金额
while (am > 0) {
// 找到小于且最接近剩余金额的硬币
while (i > 0 && coins[i] > am) {
i--
}
// 选择 coins[i]
am -= coins[i]
count++
}
// 若未找到可行方案,则返回 -1
return if (am == 0) count else -1
}
/* Driver Code */
fun main() {
// 贪心:能够保证找到全局最优解
var coins = intArrayOf(1, 5, 10, 20, 50, 100)
var amt = 186
var res = coinChangeGreedy(coins, amt)
println("\ncoins = ${coins.contentToString()}, amt = $amt")
println("凑到 $amt 所需的最少硬币数量为 $res")
// 贪心:无法保证找到全局最优解
coins = intArrayOf(1, 20, 50)
amt = 60
res = coinChangeGreedy(coins, amt)
println("\ncoins = ${coins.contentToString()}, amt = $amt")
println("凑到 $amt 所需的最少硬币数量为 $res")
println("实际上需要的最少数量为 3 ,即 20 + 20 + 20")
// 贪心:无法保证找到全局最优解
coins = intArrayOf(1, 49, 50)
amt = 98
res = coinChangeGreedy(coins, amt)
println("\ncoins = ${coins.contentToString()}, amt = $amt")
println("凑到 $amt 所需的最少硬币数量为 $res")
println("实际上需要的最少数量为 2 ,即 49 + 49")
}

View file

@ -0,0 +1,57 @@
/**
* File: fractional_knapsack.kt
* Created Time: 2024-01-25
* Author: curtishd (1023632660@qq.com)
*/
package chapter_greedy
import java.util.*
/* 物品 */
class Item(
val w: Int, // 物品
val v: Int // 物品价值
)
/* 分数背包:贪心 */
fun fractionalKnapsack(
wgt: IntArray,
value: IntArray,
c: Int
): Double {
// 创建物品列表,包含两个属性:重量、价值
var cap = c
val items = arrayOfNulls<Item>(wgt.size)
for (i in wgt.indices) {
items[i] = Item(wgt[i], value[i])
}
// 按照单位价值 item.v / item.w 从高到低进行排序
Arrays.sort(items, Comparator.comparingDouble { item: Item -> -(item.v.toDouble() / item.w) })
// 循环贪心选择
var res = 0.0
for (item in items) {
if (item!!.w <= cap) {
// 若剩余容量充足,则将当前物品整个装进背包
res += item.v.toDouble()
cap -= item.w
} else {
// 若剩余容量不足,则将当前物品的一部分装进背包
res += item.v.toDouble() / item.w * cap
// 已无剩余容量,因此跳出循环
break
}
}
return res
}
/* Driver Code */
fun main() {
val wgt = intArrayOf(10, 20, 30, 40, 50)
val values = intArrayOf(50, 120, 150, 210, 240)
val cap = 50
// 贪心算法
val res = fractionalKnapsack(wgt, values, cap)
println("不超过背包容量的最大物品价值为 $res")
}

View file

@ -0,0 +1,41 @@
/**
* File: max_capacity.kt
* Created Time: 2024-01-25
* Author: curtishd (1023632660@qq.com)
*/
package chapter_greedy
import kotlin.math.max
import kotlin.math.min
/* 最大容量:贪心 */
fun maxCapacity(ht: IntArray): Int {
// 初始化 i, j使其分列数组两端
var i = 0
var j = ht.size - 1
// 初始最大容量为 0
var res = 0
// 循环贪心选择,直至两板相遇
while (i < j) {
// 更新最大容量
val cap = (min(ht[i].toDouble(), ht[j].toDouble()) * (j - i)).toInt()
res = max(res.toDouble(), cap.toDouble()).toInt()
// 向内移动短板
if (ht[i] < ht[j]) {
i++
} else {
j--
}
}
return res
}
/* Driver Code */
fun main() {
val ht = intArrayOf(3, 8, 5, 2, 7, 7, 3, 4)
// 贪心算法
val res = maxCapacity(ht)
println("最大容量为 $res")
}

View file

@ -0,0 +1,39 @@
/**
* File: max_product_cutting.kt
* Created Time: 2024-01-25
* Author: curtishd (1023632660@qq.com)
*/
package chapter_greedy
import kotlin.math.pow
/* 最大切分乘积:贪心 */
fun maxProductCutting(n: Int): Int {
// 当 n <= 3 时,必须切分出一个 1
if (n <= 3) {
return 1 * (n - 1)
}
// 贪心地切分出 3 a 为 3 的个数b 为余数
val a = n / 3
val b = n % 3
if (b == 1) {
// 当余数为 1 时,将一对 1 * 3 转化为 2 * 2
return 3.0.pow((a - 1).toDouble()).toInt() * 2 * 2
}
if (b == 2) {
// 当余数为 2 时,不做处理
return 3.0.pow(a.toDouble()).toInt() * 2 * 2
}
// 当余数为 0 时,不做处理
return 3.0.pow(a.toDouble()).toInt()
}
/* Driver Code */
fun main() {
val n = 58
// 贪心算法
val res = maxProductCutting(n)
println("最大切分乘积为 $res")
}