`
SavageGarden
  • 浏览: 224212 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

算法题目--支配值数目

阅读更多
已知f[]与g[]两个整数数组,元素都已经从小到大排列,试编写程序写出f[]中每一个元素比g[]中元素大的个数的总数。换句话说,f[0]比g[]中多少个元素大、f[1]比g[]中多少个元素大等,这些值的总和就是所要求的答案。
例如,如果f[]中有1,3,5,7,9,而g[]中有2,3,4,7,8,比g[0]大的有f[1] ~ f[4],比g[1]大的有f[2] ~ f[4],比g[2]大的有f[2] ~ f[4],比g[3]大的有f[4],比g[4]大的有f[4],因此是4+3+3+1+1=12.
分享到:
评论
2 楼 SavageGarden 2008-08-29  
书中的C版的解法
int dominance_count(int f[],int g[],int m,int n){
	int index_f, index_g;
	int count;
	
	count = index_f = index_g=0;
	while (index_f <m && index_g <n){
		if (f[index_f] <= g[index_g]){
			index_f++;
		}else{
			index_g++;
			count += m-index_f;
		}
	}
	return count;
}

因为m,n分别为f,g的长度,fedora8下gcc编译通过
1 楼 SavageGarden 2008-08-29  
我的方法
public static void Gt_Count(int[] arrayA,int[] arrayB) {
		if(arrayA.length > 0 && arrayB.length > 0) {
			int count = 0;
			for(int i = 0;i < arrayB.length;i++) {
				for(int j = 0;j< arrayA.length;j++) {
					if(arrayA[j] <= arrayB[i]){
						continue;
					}else{
						count += arrayA.length-j-1;
					}
				}
			}
			System.out.println(count);
		}
	}

相关推荐

    PTA-数据结构与算法题目集.zip

    PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 PTA-数据结构与算法题目集 ...

    NSGA-II非支配排序算法

    非支配排序是指根据个体的适应度值(fitness values),将种群中的个体分为多个等级,第一等级的个体没有被其他个体完全支配,第二等级的个体仅被第一等级的个体支配,以此类推。这种排序方式能够保证在进化过程中...

    (2020更新)Matlab非支配排序遗传算法 PESA-II

    基于Pareto的非支配排序遗传算法II (PESA-II)是一种多目标进化优化算法,它利用了遗传算法的机制以及基于Pareto包络的选择。 PESA-II使用外部存档来存储近似的Pareto解决方案。 基于基于档案成员的地理分布创建的...

    excel VBA - 排列组合生成算法 - 可指定和值 - 可输出文本文件.xls

    excel VBA - 排列组合生成算法 - ,可快速生成指定项目的所有排列组合

    MATLAB源码集锦--改进非支配邻域免疫算法目标优化代码

    非支配邻域免疫算法(Dominance-based Neighborhood Immune Algorithm,DNIA)是一种受到生物免疫系统启发的优化算法,主要用于多目标优化问题。MATLAB作为一款强大的数学计算软件,被广泛用于算法开发和仿真。本篇...

    GA&amp;amp;NSGA-II for job shop schedul遗传算法和改进的非支配排序遗传算法(Python版本)

    每个工件在每台机器上的加工顺序不同,程序的最终目标为最小化总的完工时间,资料是以工件的加工作业顺序来展现,每个工件都会经过10个加工作业,本资源分别采用遗传算法(GA)与改进的非支配排序遗传算法NSGA-...

    算法I-IV (C++实现)---带目录.part4.rar

    算法I-IV (C++实现)---带目录.part4.rar

    C语言题目-算法合集.zip

    多个C语言算法题目:该合集包含了多个C语言算法题目,包括排序算法、搜索算法、图算法、动态规划等。每个题目都包含了完整的代码实现和详细的问题说明。 完整的代码实现:每个题目都提供了完整的代码实现,包括算法...

    非支配排序遗传算法(NSGA-II) 的实现,一种Python 中 的多目标优化算法_python_Jupyter _代码_下载

    非支配排序遗传算法(NSGA-II)是一种广泛应用的多目标优化算法,特别是在复杂问题和工程设计中。在Python环境中,这种算法通常与Jupyter Notebook结合使用,方便进行交互式编程和结果可视化。以下是对NSGA-II算法...

    高分项目,基于MATLAB开发实现的NSGA-II非支配排序算法,多目标优化,内含完整源码+讲解视频

    高分项目,基于MATLAB开发实现的NSGA-II非支配排序算法,多目标优化,内含完整源码+讲解视频 THE PRESENCE of multiple objectives in a problem, in principle, gives rise to a set of optimal solutions ...

    NSGA-II非支配遗传算法

    NSGA-II(Non-Dominated Sorting Genetic Algorithm II,非支配排序遗传算法第二代)是一种多目标优化算法,由Deb等人于2002年提出。它在解决具有多个相互冲突的目标函数的问题时表现出色,这些问题在传统的单目标...

    多目标优化算法NSGAII-and-MOEA-D

    这里我们关注的焦点是两种著名的多目标优化算法:非支配排序遗传算法第二代(NSGA-II)和多目标进化算法D(MOEA-D)。这两种算法都是基于演化计算的框架,用于寻找多目标优化问题的帕累托最优解集。 **NSGA-II(非...

    无线传感器网络中d-Hop 2-连通容错支配集的分布式构造算法.pdf

    算法的主要策略是采用簇分割的方式,即首先从每个簇中选择一个d-hop支配集,然后添加一些连接节点来确保最终的子解决方案是2-连通的。所谓2-连通,意味着网络中任意两个节点之间至少存在两条独立的路径,即使移除一...

    多目标优化算法NSGA-II

    **NSGA-II(非支配排序遗传算法第二代)**是一种广泛应用的多目标优化算法,它在处理具有多个相互冲突的目标函数的问题时表现出色。多目标优化问题与传统的单目标优化不同,因为它涉及到寻找一组最优解,称为帕累托...

    迫零算法zoro-force算法

    很好的资源迫零算法zoro-force算法

    改进非支配排序遗传算法NSGA-II (188)代码实现.rar

    非支配排序遗传算法(Non-Dominated Sorting Genetic Algorithm, NSGA-II)是一种多目标优化算法,广泛应用于解决具有多个相互冲突的目标函数的优化问题。在工程、经济、生物等多个领域都有其应用。本压缩包文件...

    C++进阶算法合集--ACM必备

    6. **1005.cpp**、**1003.cpp**、**1004.cpp**、**1001.cpp**:这些都是ACM竞赛中的经典题目,每个题目都可能涉及不同的算法主题,如二分查找、堆排序、贪心策略、模拟等。这些题目提供了实战练习的机会,通过解决...

    数据结构与算法分析--C语言描述_数据结构与算法_

    数据结构与算法是计算机科学的基础,对于理解和设计高效的软件至关重要。C语言因其高效、底层特性,常被用于实现数据结构和算法,使得程序更接近硬件,性能更优。本资源"数据结构与算法分析--C语言描述"是针对数据...

    matlab开发-非支配性排序遗传算法

    非支配性排序遗传算法(Non-Dominated Sorting Genetic Algorithm, 简称NSGA-II)是一种在多目标优化问题中广泛使用的进化算法。该算法源于遗传算法(Genetic Algorithm),但针对多目标优化进行了改良,特别是在...

    Matlab编写多目标优化算法NSGA-Ⅱ的详解.zip

    非支配排序遗传算法第二代(NSGA-II)是一种高效且广泛应用的多目标优化算法,由Deb等人在2002年提出。本篇将详细介绍NSGA-II算法及其在Matlab中的实现。 **1. NSGA-II算法原理** NSGA-II是基于遗传算法(GA)的多...

Global site tag (gtag.js) - Google Analytics