商品堆演算法

❶ 重貨和拋貨(輕貨)怎麼界定

一、主要是按重量和體積比例來界定，凡每立方米貨物的重量大於1噸的為重貨。小於1噸的為輕拋貨。

二、詳細解釋：

(1)重貨：從船舶配積載角度考慮,凡貨物積載因數小於船舶載貨容積系數的貨物,貨物積載因數小於1.1328立方米/噸或40立方英尺/噸的貨物,稱為重貨；

(2)輕貨：從計算貨物運費角度考慮,並按照國際航運業務慣例，凡貨物積載因數大於1.1328立方米/噸或40立方英尺/噸的貨物,稱為輕泡貨。重貨和輕貨對於積載、運輸、保管和計費有很大的關系，因此，運輸部門要按一定的標准劃分重貨和輕泡貨。

拓展資料

重貨和輕貨是運費計算的重要依據，在國際航運計費業務中，為使承運人和托運人之間合理地結算運費，貨物的計費噸分重量噸和體積噸或尺碼噸、容積噸。重量噸為貨物的毛重，公制以1T為1重量噸；體積噸為貨物「滿尺丈量」的體積，以1立方米為1體積噸。凡貨物理論各載因數小於1.1328立方米/噸或40立方英尺/噸的貨物，稱為重貨。

重貨和輕貨的確定對於計算運費、船舶積載有著很大的關系。

❷ 集裝箱能裝多少貨物怎麼計算

樓主，貨物是一定要立放，還是還可以躺著放如果不受堆放條件限制方法是1.貨物一 躺著放11個（最里3個乘以2層乘以2排，最外面一排缺一個，要是12就正好了）2.貨物二，側著放15個（挨著貨物一，2個乘以2層乘以4排，最外面一排少一個，要是16個也正好）裝完之後空間還有挺多的哦，呵呵如果只能立正放方法是1. 2個貨物二正放1個貨物一正放，記住是貨物一個貨物一和貨物二貼著櫃子最裡面2. 1個貨物二放在放好的貨物貨物一上面，同時2個貨物一放在最裡面的貨物二上面3. 緊挨著步驟1第一部分的那沒有堆貨物的貨物二可以接著貼著地面擺放4個貨物，是一層。分兩層再放8個貨物二，當然，是挨著第二步驟的前一部分。4. 最後在步驟3的第一部分上面分兩層放8個貨物一完成也還是有空間剩餘，不過比第一種情況少了很多了另附，我 貌似表達能力有問題啊，唉，自己都覺得自己嘮叨，得回去多念點書，慚愧的走了。。。

❸ 演算法 堆是怎樣的一種結構

堆有兩個含義，一個是用於動態分配用的堆區，另外一個是一種很重要的數據結構
以下說明都是關於後面的堆：
存儲結構是順序，邏輯結構是完全二叉樹，按照各數據元素關鍵碼的次序不同分為大根堆（也就大頂堆）和小根堆（也叫小頂堆)，建立好初始堆，就可以在得到單獨的最大值（大根堆）或者最小值（小根堆）後，以最短時間（O(log2n)）再次得到第二大（或者第二小）的關鍵碼值，並且保持結構還是堆，一般用於優先順序隊列的實現，像C++stl的priority_queue，還有一種排序叫做堆排序的同樣也是以其為基礎的

❹ 堆排序演算法的實現

#include<stdio.h>
#include<malloc.h>
#include<time.h>
#define LISTSIZE 100
#define MORESIZE 100
#define overflow -1
typedef struct
{
int data;
int fre;
}Cell;
typedef struct {
Cell *elem;
long int length;
unsigned long int count1;
unsigned long int count2;
long int listsize;
}SqList;
SqList L1;
clock_t start,end;
FILE *p,*w;
int main (void)
{
void assign(Cell *a,Cell *b);
int LT(int a,int b);
void HeapSort (SqList &H);
void HeapAdjust (SqList &H,int s , int m);
void exchange(Cell *a,Cell *b);

//讀入

int time=0;
while(time<4)
{
switch (time)
{
case 0:
p=fopen("data01.txt","r");
w=fopen("sorted01.txt","w");
break;
case 1:
p=fopen("data02.txt","r");
w=fopen("sorted02.txt","w");
break;
case 2:
p=fopen("data03.txt","r");
w=fopen("sorted03.txt","w");
break;
case 3:
p=fopen("data04.txt","r");
w=fopen("sorted04.txt","w");
break;
}

L1.count1=0;
L1.count2=0;

time++;
L1.elem=(Cell *)malloc((LISTSIZE+1)*sizeof(Cell));
L1.listsize=LISTSIZE;
L1.length=1;
Cell *newbase;
while(!feof(p))
{

if (L1.length>L1.listsize){
newbase=(Cell *)realloc(L1.elem,(L1.listsize+MORESIZE+1)*sizeof(Cell));
if (!newbase)
return overflow;
L1.elem=newbase;
L1.listsize+=MORESIZE;}
fscanf (p,"%d (%d)\n",&((L1.elem+L1.length)->data),&((L1.elem+L1.length)->fre));
L1.length++;
}
L1.length--;
printf ("listsize=%d length=%d\n",L1.listsize,L1.length);

//排序
start=clock();//開始計時
HeapSort(L1); //堆排序
end=clock(); //結束計時
printf ("Time: %lf\n",(double)(end-start)/CLOCKS_PER_SEC);//輸出時間
for (int i=1;i<L1.length+1;++i)
fprintf (w,"%d (%d)\n",(L1.elem+i)->data,(L1.elem+i)->fre);
fprintf (w,"比較次數%u,移動次數%u\n",L1.count1,L1.count2);
printf ("比較次數%u,移動次數%u\n",L1.count1,L1.count2);
fprintf (w,"Copyright Reserved,Cheng Xuntao,NWPU");
fclose(p);
fclose(w);
}

return 0;

}
int LT(int a,int b)//比較函數
{L1.count1++;<br/> if (a<b){<br/> <br/> return 1;}
else return 0;
}
void assign(Cell *a,Cell *b)//賦值函數
{
a->data=b->data;
a->fre=b->fre;
L1.count2++;
}
void exchange(Cell *a,Cell *b)//交換記錄
{
int temp;
temp=a->data;
a->data=b->data;
b->data=temp;
temp=a->fre;
a->fre=b->fre;
b->fre=temp;
L1.count2+=3; //+=3
}
void HeapAdjust (SqList &H,int s , int m)//調節其成為堆
{
Cell *rc;
rc=(Cell *)malloc(sizeof(Cell));
int j;
assign(rc,H.elem+s); //暫存
for (j=2*s;j<=m;j*=2){ //沿值較大的孩子節點向下篩選
if (j<m && LT((H.elem+j)->data,(H.elem+j+1)->data ))
j++; //j為值較大的記錄的下標
if (!LT(rc->data,(H.elem+j)->data))
break; //rc應插入在位置s上
assign((H.elem+s),(H.elem+j));
s=j;
}
assign((H.elem+s),rc); //插入
}//HeapAdjust
void HeapSort (SqList &H) //堆排序
{
int i;
for (i=H.length/2;i>0;--i) //把L.elem[1...H.length]建成堆
HeapAdjust(H,i,H.length);
for (i=H.length;i>1;--i)
{
exchange(H.elem+1,H.elem+i); //將堆頂記錄和當前未經排序的子序列L.elem[i...i]中最後一個記錄相互交換
HeapAdjust(H,1,i-1); //重新調整其為堆
}
}//HeapSort

❺ 動態規劃

這是個背包問題，因為有每種問題都有數量要求，所以屬於 多重背包 范疇。

網路一下 背包9講，仔細看就懂了。。。

❻ c語言問題：求助一堆建立的演算法沒看懂什麼意思如圖畫框地方

MinHeap是小根堆，是個別的地方定義好的數據結構。
其實就是個二叉樹結構，里邊存兩個東西，一個數組data，一個CSize堆大小。
data是緊湊表示的滿二叉樹結構，比如0號元素的孩子是1和2，1號元素的孩子是3，4，2號是5，6，3號是7，8，4號是9，10，這樣的。
這一步只是把數據和CSize給復制進來，後面FilterDown才是難點，是下濾，把堆建立好這個偏序結構過程，你不懂可以再問。

❼ 什麼是堆演算法結構裡面的。

堆結構，又叫「堆棧結構」。是電腦里經常用到一個名詞。舉例：在我們日常生活中，當你往一個很小的容器里放東西，先放進去的東西，再倒出來時，一定落再後面，而後放進去的一定先倒出來，這就是堆棧結構的基本原理。早期的計算機對數據的處理就是基本是這個原理。就做串型原理。這種結構有個好處，要處理的數據能有條不紊地處理，減少計算機誤操作的幾率。但這種結構一個最大的缺點就是處理速度慢。在當今的科學技術如此發達處理數據如此多的狀態下，難以完成任務。如是就發明了並行結構，用一個處理器根據條件來對數據進行處理，而不是要一個一個地去選擇執行，這樣大大提高了數據處理的效率。後來人們在此基礎上再增加處理器，這樣處理數據的速度更快了。

❽ 急！ 內部堆排序演算法的實現！！！包括大根堆的實現和小根堆的實現！！！要完整的！！！

1、 堆排序定義
n個關鍵字序列Kl，K2，…，Kn稱為堆，當且僅當該序列滿足如下性質(簡稱為堆性質)：
(1) ki≤K2i且ki≤K2i+1 或(2)Ki≥K2i且ki≥K2i+1(1≤i≤ )

若將此序列所存儲的向量R[1..n]看做是一棵完全二叉樹的存儲結構，則堆實質上是滿足如下性質的完全二叉樹：樹中任一非葉結點的關鍵字均不大於(或不小於)其左右孩子(若存在)結點的關鍵字。
關鍵字序列(10，15，56，25，30，70)和(70，56，30，25，15，10)分別滿足堆性質(1)和(2)，故它們均是堆，其對應的完全二叉樹分別如小根堆示例和大根堆示例所示。

2、大根堆和小根堆
根結點(亦稱為堆頂)的關鍵字是堆里所有結點關鍵字中最小者的堆稱為小根堆。
根結點(亦稱為堆頂)的關鍵字是堆里所有結點關鍵字中最大者，稱為大根堆。
注意：
①堆中任一子樹亦是堆。
②以上討論的堆實際上是二叉堆(Binary Heap)，類似地可定義k叉堆。

3、堆排序特點
堆排序(HeapSort)是一樹形選擇排序。
堆排序的特點是：在排序過程中，將R[l..n]看成是一棵完全二叉樹的順序存儲結構，利用完全二叉樹中雙親結點和孩子結點之間的內在關系，在當前無序區中選擇關鍵字最大(或最小)的記錄。

4、堆排序與直接插入排序的區別
直接選擇排序中，為了從R[1..n]中選出關鍵字最小的記錄，必須進行n-1次比較，然後在R[2..n]中選出關鍵字最小的記錄，又需要做n-2次比較。事實上，後面的n-2次比較中，有許多比較可能在前面的n-1次比較中已經做過，但由於前一趟排序時未保留這些比較結果，所以後一趟排序時又重復執行了這些比較操作。
堆排序可通過樹形結構保存部分比較結果，可減少比較次數。

5、堆排序
堆排序利用了大根堆(或小根堆)堆頂記錄的關鍵字最大(或最小)這一特徵，使得在當前無序區中選取最大(或最小)關鍵字的記錄變得簡單。

（1）用大根堆排序的基本思想
① 先將初始文件R[1..n]建成一個大根堆，此堆為初始的無序區
② 再將關鍵字最大的記錄R[1](即堆頂)和無序區的最後一個記錄R[n]交換，由此得到新的無序區R[1..n-1]和有序區R[n]，且滿足R[1..n-1].keys≤R[n].key
③ 由於交換後新的根R[1]可能違反堆性質，故應將當前無序區R[1..n-1]調整為堆。然後再次將R[1..n-1]中關鍵字最大的記錄R[1]和該區間的最後一個記錄R[n-1]交換，由此得到新的無序區R[1..n-2]和有序區R[n-1..n]，且仍滿足關系R[1..n-2].keys≤R[n-1..n].keys，同樣要將R[1..n-2]調整為堆。
……
直到無序區只有一個元素為止。

（2）大根堆排序演算法的基本操作：
① 初始化操作：將R[1..n]構造為初始堆；
② 每一趟排序的基本操作：將當前無序區的堆頂記錄R[1]和該區間的最後一個記錄交換，然後將新的無序區調整為堆(亦稱重建堆)。
注意：
①只需做n-1趟排序，選出較大的n-1個關鍵字即可以使得文件遞增有序。
②用小根堆排序與利用大根堆類似，只不過其排序結果是遞減有序的。堆排序和直接選擇排序相反：在任何時刻，堆排序中無序區總是在有序區之前，且有序區是在原向量的尾部由後往前逐步擴大至整個向量為止。

（3）堆排序的演算法：
void HeapSort(SeqIAst R)
{ //對R[1..n]進行堆排序，不妨用R[0]做暫存單元
int i；
BuildHeap(R)； //將R[1-n]建成初始堆
for(i=n;i>1；i--){ //對當前無序區R[1..i]進行堆排序，共做n-1趟。
R[0]=R[1]；R[1]=R[i];R[i]=R[0]； //將堆頂和堆中最後一個記錄交換
Heapify(R，1，i-1)； //將R[1..i-1]重新調整為堆，僅有R[1]可能違反堆性質
} //endfor
} //HeapSort

（4） BuildHeap和Heapify函數的實現
因為構造初始堆必須使用到調整堆的操作，先討論Heapify的實現。
① Heapify函數思想方法
每趟排序開始前R[l..i]是以R[1]為根的堆，在R[1]與R[i]交換後，新的無序區R[1..i-1]中只有R[1]的值發生了變化，故除R[1]可能違反堆性質外，其餘任何結點為根的子樹均是堆。因此，當被調整區間是R[low..high]時，只須調整以R[low]為根的樹即可。
"篩選法"調整堆
R[low]的左、右子樹(若存在)均已是堆，這兩棵子樹的根R[2low]和R[2low+1]分別是各自子樹中關鍵字最大的結點。若R[low].key不小於這兩個孩子結點的關鍵字，則R[low]未違反堆性質，以R[low]為根的樹已是堆，無須調整；否則必須將R[low]和它的兩個孩子結點中關鍵字較大者進行交換，即R[low]與R[large](R[large].key=max(R[2low].key，R[2low+1].key))交換。交換後又可能使結點R[large]違反堆性質，同樣由於該結點的兩棵子樹(若存在)仍然是堆，故可重復上述的調整過程，對以R[large]為根的樹進行調整。此過程直至當前被調整的結點已滿足堆性質，或者該結點已是葉子為止。上述過程就象過篩子一樣，把較小的關鍵字逐層篩下去，而將較大的關鍵字逐層選上來。因此，有人將此方法稱為"篩選法"。
具體的演算法

②BuildHeap的實現
要將初始文件R[l..n]調整為一個大根堆，就必須將它所對應的完全二叉樹中以每一結點為根的子樹都調整為堆。
顯然只有一個結點的樹是堆，而在完全二叉樹中，所有序號 的結點都是葉子，因此以這些結點為根的子樹均已是堆。這樣，我們只需依次將以序號為 ， -1，…，1的結點作為根的子樹都調整為堆即可。
具體演算法。

5、大根堆排序實例
對於關鍵字序列(42，13，24，91，23，16，05，88)，在建堆過程中完全二叉樹及其存儲結構的變化情況參見。

6、 演算法分析
堆排序的時間，主要由建立初始堆和反復重建堆這兩部分的時間開銷構成，它們均是通過調用Heapify實現的。
堆排序的最壞時間復雜度為O(nlgn)。堆排序的平均性能較接近於最壞性能。
由於建初始堆所需的比較次數較多，所以堆排序不適宜於記錄數較少的文件。
堆排序是就地排序，輔助空間為O(1)，
它是不穩定的排序方法。

❾ 淘寶搜索排序演算法

默認的排序，目前的參考原則很明確：相關性、作弊降權、櫥窗推薦、下架時間、消保。用一段描述來說就是：如果你的寶貝沒有作弊，相關性好，是在櫥窗推薦里的，參加過消保，那麼就會按照下架時間來排序。 相關性：技術上對相關性有比較復雜的計算。但簡單理解就是你的寶貝和搜索的關鍵詞是否相關。相關和不相關也不是絕對的。例如：搜索」籃球」, 最相關的應該就是」籃球」的商品，其次才會是籃球鞋、籃球服等商品。因為現在算的相關性主要是關鍵詞和標題的相關性，所以大家一定要重視標題。標題如何描述一方面會影響相關性，另一方面也會影響用戶體驗。有些店長為了讓寶貝被找到，標題堆砌一堆關鍵詞，其實這是會被降權的。這就叫過猶不及。 作弊降權：如果你發現你的商品在默認寶貝排序上無論怎麼搜索，都排序排在最後幾個，那麼肯定是有一些作弊行為被處罰了。接下來「搜索降權」部分會做詳細解釋。 櫥窗推薦：店長要珍惜你的櫥窗推薦位。在搜索結果中，店長櫥窗寶貝是會被優先排序的。 下架時間：這一直是排序中比較重要的因素，用來保證每個商品都有機會展現。因此你的商品上架時間也很重要，如何讓你的商品在一天不同時間段都有展現，這個有很多技巧。最好在寶貝展現的時候，店長能在線服務，否則買家想買也聯系不到店長。淘寶的交易高峰時間，或者是說購買人群最多的時段在一天之內有三個：早上10:00-12:00, 下午3:00-5:00, 晚上8:00-10:00. 正常情況下，周一到周五的人群比周末要多。所以如何安排你的寶貝下架時間，也成了一個有用的工具。 消保：消費者保護的簡稱，在淘寶上有很多消保的認證。現在默認排序，大部分類目對是否參加消保，是很依賴的。如果沒有參加消保，這些商品肯定會排在參加消保商品的後面。淘寶搜索最直接的用戶是消費者，為了保證消費者的利益，淘寶鼓勵店長參加消保。這不是對淘寶的承諾，是對消費者的承諾。 有些店長說我的商品怎麼在搜索結果中看不見?搜索結果目前每頁只展現40條，總共可以查看100頁，也就是說，通過點擊可以查看的搜索結果數是40*100=4000個。如果搜索一個商品，結果數大於4000，肯定有些商品是看不見的。但搜索結果實時在變化，只要你的寶貝符合上述因素，就有機會排在第一頁。</SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN>