在算法分析中,我们经常会遇到需要对所有可能的输入序列进行统计分析的场景。一个经典的例子是“招聘助理问题”:假设我们面试n位助理候选人,他们的能力值(或排名)以某种随机顺序出现。我们总是雇佣第一个面试者,之后每当遇到比当前已雇佣助理更优秀的候选人时,就解雇现有助理并雇佣这位更优秀的。我们的目标是计算在所有可能的面试顺序(即所有排列)中,恰好雇佣了特定次数助理的概率。
核心算法hireAssistant1用于模拟这一过程并计算雇佣次数:
public static int hireAssistant1(int[] arr, int n) { ArrayList<Integer> hired = new ArrayList<>(); // 记录雇佣的助理能力值 int best = arr[0]; // 初始雇佣第一个 hired.add(best); for (int i = 1; i < n; i++) { if (arr[i] < best) { // 如果遇到更优秀的 best = arr[i]; // 更新最佳人选 hired.add(best); // 记录新的雇佣 } } return hired.size(); // 返回雇佣的总次数 }
此方法接收一个整数数组arr(代表候选人的排名序列)和总人数n,返回在此特定序列下雇佣助理的次数。
为了计算在所有可能的面试顺序中恰好雇佣两次的概率,我们需要生成n个候选人排名的所有n!种排列。这可以通过递归回溯法实现。
import java.util.ArrayList; import java.util.List; import java.util.stream.Collectors; // 稍后可能用到,先导入 // 假设这些方法在一个名为 Assignment8 的类中 public static int[] makeArray(int n) { int[] arr = new int[n]; for (int i = 0; i < arr.length; i++) { arr[i] = i + 1; // 生成1到n的排名数组 } return arr; } public List<List<Integer>> permute(int[] arr) { List<List<Integer>> list = new ArrayList<>(); permuteHelper(list, new ArrayList<>(), arr); return list; // 返回所有排列的列表,每个排列是一个List<Integer> } private void permuteHelper(List<List<Integer>> list, List<Integer> resultList, int[] arr) { if (resultList.size() == arr.length) { list.add(new ArrayList<>(resultList)); // 找到一个完整的排列,添加到结果列表 } else { for (int i = 0; i < arr.length; i++) { if (resultList.contains(arr[i])) { continue; // 如果当前元素已在结果列表中,跳过 } resultList.add(arr[i]); // 选择当前元素 permuteHelper(list, resultList, arr); // 递归生成后续排列 resultList.remove(resultList.size() - 1); // 回溯:移除当前元素,尝试其他选择 } } }
permute方法是入口,它调用permuteHelper来递归地构建所有排列。最终,permute方法返回一个List<List<Integer>>,其中外层列表包含所有排列,每个内层List<Integer>代表一个独立的排列序列。
立即学习“Java免费学习笔记(深入)”;
原始代码中存在一个常见误区:在获得所有排列List<List<Integer>>后,错误地使用了listToList方法将其扁平化为一个巨大的List<Integer>。
// 原始代码中的错误方法:将所有排列扁平化 static List<Integer> listToList(List<List<Integer>> list) { List<Integer> flat = list.stream() .flatMap(List::stream) .collect(Collectors.toList()); return flat; }
这个listToList方法会将例如[[1,2,3], [1,3,2]]这样的排列列表,错误地转换为[1,2,3,1,3,2]这样的单一列表。如果将这个扁平化的列表传递给hireAssistant1,它将不再是对单个排列的独立评估,而是对一个拼接起来的超长序列进行评估,这显然不符合计算每个排列概率的初衷。
正确的做法是遍历permute方法返回的List<List<Integer>>,对其中的每一个List<Integer>(即每一个独立的排列)调用hireAssistant1方法。
下面是修正后的methodThreePerm方法,用于正确计算恰好雇佣两次的概率:
public static void methodThreePerm(List<List<Integer>> allPermutations, int n) { // 总排列数 n! 可以通过阶乘函数计算,也可以直接使用 allPermutations.size() // int size = factorial(n); // 阶乘函数,也可以直接用 allPermutations.size() double totalPermutations = allPermutations.size(); // 确保是所有排列的总数 double countHiresEqualToTwo = 0; // 记录雇佣次数恰好为2的排列数量 // 遍历每一个独立的排列 for (List<Integer> permutation : allPermutations) { // 将 List<Integer> 转换为 int[],因为 hireAssistant1 接收 int[] int[] arr = toIntArray(permutation); int hires = hireAssistant1(arr, n); // 对当前排列计算雇佣次数 if (hires == 2) { countHiresEqualToTwo++; // 如果雇佣次数为2,则计数 } } // 计算并输出概率 System.out.println("Method 3: s/n! = " + countHiresEqualToTwo / totalPermutations); } // 辅助方法:将 List<Integer> 转换为 int[] static int[] toIntArray(List<Integer> list) { int[] ret = new int[list.size()]; for (int i = 0; i < ret.length; i++) { ret[i] = list.get(i); } return ret; } // 阶乘函数 (如果需要独立计算总排列数) public static int factorial(int n) { if (n == 0 || n == 1) return 1; return n * factorial(n - 1); }
结合所有部分,main方法将如下所示:
public class Assignment8 { // ... (makeArray, hireAssistant1, permute, permuteHelper, toIntArray, factorial 方法放在这里) ... public static void methodThreePerm(List<List<Integer>> allPermutations, int n) { // ... (同上文修正后的 methodThreePerm) ... } public static void main(String[] args) { Assignment8 pa = new Assignment8(); // 创建实例以调用非静态的 permute 方法 int n = 6; // 设定候选人数量 // 生成所有排列 List<List<Integer>> allPermutations = pa.permute(makeArray(n)); System.out.println("N = " + n); // 调用修正后的方法来计算概率 methodThreePerm(allPermutations, n); // 作为参考,可以打印理论值(如果已知) // methodOneSum1(n); // 原始答案中提供的理论方法 } // 原始答案中提供的理论计算方法 (仅供参考,其推导不在本文范畴) static void methodOneSum1(int n) { double sum = 0; for (double i = 2; i <= n; i++) sum += 1 / ((double) (i - 1)); System.out.println("Method 1: n = " + (sum / n)); } }
当n = 6时,运行此代码,methodThreePerm将遍历6! = 720个排列,对每个排列独立调用hireAssistant1,然后统计其中雇佣次数为2的排列数量,最终计算出概率。这个结果应该与理论计算值(如methodOneSum1所示)相符。
通过遵循上述步骤和注意事项,我们可以有效地在Java中生成和处理所有排列组合,并对每种排列进行独立的算法分析,从而准确计算特定事件的发生概率。
以上就是Java中排列组合的生成与概率计算:以“招聘助理”问题为例的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 //m.sbmmt.com/ All Rights Reserved | php.cn | 湘ICP备2023035733号