商品堆算法

❶ 重货和抛货(轻货)怎么界定

一、主要是按重量和体积比例来界定，凡每立方米货物的重量大于1吨的为重货。小于1吨的为轻抛货。

二、详细解释：

(1)重货：从船舶配积载角度考虑,凡货物积载因数小于船舶载货容积系数的货物,货物积载因数小于1.1328立方米/吨或40立方英尺/吨的货物,称为重货；

(2)轻货：从计算货物运费角度考虑,并按照国际航运业务惯例，凡货物积载因数大于1.1328立方米/吨或40立方英尺/吨的货物,称为轻泡货。重货和轻货对于积载、运输、保管和计费有很大的关系，因此，运输部门要按一定的标准划分重货和轻泡货。

拓展资料

重货和轻货是运费计算的重要依据，在国际航运计费业务中，为使承运人和托运人之间合理地结算运费，货物的计费吨分重量吨和体积吨或尺码吨、容积吨。重量吨为货物的毛重，公制以1T为1重量吨；体积吨为货物“满尺丈量”的体积，以1立方米为1体积吨。凡货物理论各载因数小于1.1328立方米/吨或40立方英尺/吨的货物，称为重货。

重货和轻货的确定对于计算运费、船舶积载有着很大的关系。

❷ 集装箱能装多少货物怎么计算

楼主，货物是一定要立放，还是还可以躺着放如果不受堆放条件限制方法是1.货物一 躺着放11个（最里3个乘以2层乘以2排，最外面一排缺一个，要是12就正好了）2.货物二，侧着放15个（挨着货物一，2个乘以2层乘以4排，最外面一排少一个，要是16个也正好）装完之后空间还有挺多的哦，呵呵如果只能立正放方法是1. 2个货物二正放1个货物一正放，记住是货物一个货物一和货物二贴着柜子最里面2. 1个货物二放在放好的货物货物一上面，同时2个货物一放在最里面的货物二上面3. 紧挨着步骤1第一部分的那没有堆货物的货物二可以接着贴着地面摆放4个货物，是一层。分两层再放8个货物二，当然，是挨着第二步骤的前一部分。4. 最后在步骤3的第一部分上面分两层放8个货物一完成也还是有空间剩余，不过比第一种情况少了很多了另附，我 貌似表达能力有问题啊，唉，自己都觉得自己唠叨，得回去多念点书，惭愧的走了。。。

❸ 算法 堆是怎样的一种结构

堆有两个含义，一个是用于动态分配用的堆区，另外一个是一种很重要的数据结构
以下说明都是关于后面的堆：
存储结构是顺序，逻辑结构是完全二叉树，按照各数据元素关键码的次序不同分为大根堆（也就大顶堆）和小根堆（也叫小顶堆)，建立好初始堆，就可以在得到单独的最大值（大根堆）或者最小值（小根堆）后，以最短时间（O(log2n)）再次得到第二大（或者第二小）的关键码值，并且保持结构还是堆，一般用于优先级队列的实现，像C++stl的priority_queue，还有一种排序叫做堆排序的同样也是以其为基础的

❹ 堆排序算法的实现

#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);

//读入

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();//开始计时
HeapSort(L1); //堆排序
end=clock(); //结束计时
printf ("Time: %lf\n",(double)(end-start)/CLOCKS_PER_SEC);//输出时间
for (int i=1;i<L1.length+1;++i)
fprintf (w,"%d (%d)\n",(L1.elem+i)->data,(L1.elem+i)->fre);
fprintf (w,"比较次数%u,移动次数%u\n",L1.count1,L1.count2);
printf ("比较次数%u,移动次数%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)//比较函数
{L1.count1++;<br/> if (a<b){<br/> <br/> return 1;}
else return 0;
}
void assign(Cell *a,Cell *b)//赋值函数
{
a->data=b->data;
a->fre=b->fre;
L1.count2++;
}
void exchange(Cell *a,Cell *b)//交换记录
{
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)//调节其成为堆
{
Cell *rc;
rc=(Cell *)malloc(sizeof(Cell));
int j;
assign(rc,H.elem+s); //暂存
for (j=2*s;j<=m;j*=2){ //沿值较大的孩子节点向下筛选
if (j<m && LT((H.elem+j)->data,(H.elem+j+1)->data ))
j++; //j为值较大的记录的下标
if (!LT(rc->data,(H.elem+j)->data))
break; //rc应插入在位置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); //将堆顶记录和当前未经排序的子序列L.elem[i...i]中最后一个记录相互交换
HeapAdjust(H,1,i-1); //重新调整其为堆
}
}//HeapSort

❺ 动态规划

这是个背包问题，因为有每种问题都有数量要求，所以属于 多重背包 范畴。

网络一下 背包9讲，仔细看就懂了。。。

❻ c语言问题：求助一堆建立的算法没看懂什么意思如图画框地方

MinHeap是小根堆，是个别的地方定义好的数据结构。
其实就是个二叉树结构，里边存两个东西，一个数组data，一个CSize堆大小。
data是紧凑表示的满二叉树结构，比如0号元素的孩子是1和2，1号元素的孩子是3，4，2号是5，6，3号是7，8，4号是9，10，这样的。
这一步只是把数据和CSize给复制进来，后面FilterDown才是难点，是下滤，把堆建立好这个偏序结构过程，你不懂可以再问。

❼ 什么是堆算法结构里面的。

堆结构，又叫“堆栈结构”。是电脑里经常用到一个名词。举例：在我们日常生活中，当你往一个很小的容器里放东西，先放进去的东西，再倒出来时，一定落再后面，而后放进去的一定先倒出来，这就是堆栈结构的基本原理。早期的计算机对数据的处理就是基本是这个原理。就做串型原理。这种结构有个好处，要处理的数据能有条不紊地处理，减少计算机误操作的几率。但这种结构一个最大的缺点就是处理速度慢。在当今的科学技术如此发达处理数据如此多的状态下，难以完成任务。如是就发明了并行结构，用一个处理器根据条件来对数据进行处理，而不是要一个一个地去选择执行，这样大大提高了数据处理的效率。后来人们在此基础上再增加处理器，这样处理数据的速度更快了。

❽ 急！ 内部堆排序算法的实现！！！包括大根堆的实现和小根堆的实现！！！要完整的！！！

1、 堆排序定义
n个关键字序列Kl，K2，…，Kn称为堆，当且仅当该序列满足如下性质(简称为堆性质)：
(1) ki≤K2i且ki≤K2i+1 或(2)Ki≥K2i且ki≥K2i+1(1≤i≤ )

若将此序列所存储的向量R[1..n]看做是一棵完全二叉树的存储结构，则堆实质上是满足如下性质的完全二叉树：树中任一非叶结点的关键字均不大于(或不小于)其左右孩子(若存在)结点的关键字。
关键字序列(10，15，56，25，30，70)和(70，56，30，25，15，10)分别满足堆性质(1)和(2)，故它们均是堆，其对应的完全二叉树分别如小根堆示例和大根堆示例所示。

2、大根堆和小根堆
根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最小者的堆称为小根堆。
根结点(亦称为堆顶)的关键字是堆里所有结点关键字中最大者，称为大根堆。
注意：
①堆中任一子树亦是堆。
②以上讨论的堆实际上是二叉堆(Binary Heap)，类似地可定义k叉堆。

3、堆排序特点
堆排序(HeapSort)是一树形选择排序。
堆排序的特点是：在排序过程中，将R[l..n]看成是一棵完全二叉树的顺序存储结构，利用完全二叉树中双亲结点和孩子结点之间的内在关系，在当前无序区中选择关键字最大(或最小)的记录。

4、堆排序与直接插入排序的区别
直接选择排序中，为了从R[1..n]中选出关键字最小的记录，必须进行n-1次比较，然后在R[2..n]中选出关键字最小的记录，又需要做n-2次比较。事实上，后面的n-2次比较中，有许多比较可能在前面的n-1次比较中已经做过，但由于前一趟排序时未保留这些比较结果，所以后一趟排序时又重复执行了这些比较操作。
堆排序可通过树形结构保存部分比较结果，可减少比较次数。

5、堆排序
堆排序利用了大根堆(或小根堆)堆顶记录的关键字最大(或最小)这一特征，使得在当前无序区中选取最大(或最小)关键字的记录变得简单。

（1）用大根堆排序的基本思想
① 先将初始文件R[1..n]建成一个大根堆，此堆为初始的无序区
② 再将关键字最大的记录R[1](即堆顶)和无序区的最后一个记录R[n]交换，由此得到新的无序区R[1..n-1]和有序区R[n]，且满足R[1..n-1].keys≤R[n].key
③ 由于交换后新的根R[1]可能违反堆性质，故应将当前无序区R[1..n-1]调整为堆。然后再次将R[1..n-1]中关键字最大的记录R[1]和该区间的最后一个记录R[n-1]交换，由此得到新的无序区R[1..n-2]和有序区R[n-1..n]，且仍满足关系R[1..n-2].keys≤R[n-1..n].keys，同样要将R[1..n-2]调整为堆。
……
直到无序区只有一个元素为止。

（2）大根堆排序算法的基本操作：
① 初始化操作：将R[1..n]构造为初始堆；
② 每一趟排序的基本操作：将当前无序区的堆顶记录R[1]和该区间的最后一个记录交换，然后将新的无序区调整为堆(亦称重建堆)。
注意：
①只需做n-1趟排序，选出较大的n-1个关键字即可以使得文件递增有序。
②用小根堆排序与利用大根堆类似，只不过其排序结果是递减有序的。堆排序和直接选择排序相反：在任何时刻，堆排序中无序区总是在有序区之前，且有序区是在原向量的尾部由后往前逐步扩大至整个向量为止。

（3）堆排序的算法：
void HeapSort(SeqIAst R)
{ //对R[1..n]进行堆排序，不妨用R[0]做暂存单元
int i；
BuildHeap(R)； //将R[1-n]建成初始堆
for(i=n;i>1；i--){ //对当前无序区R[1..i]进行堆排序，共做n-1趟。
R[0]=R[1]；R[1]=R[i];R[i]=R[0]； //将堆顶和堆中最后一个记录交换
Heapify(R，1，i-1)； //将R[1..i-1]重新调整为堆，仅有R[1]可能违反堆性质
} //endfor
} //HeapSort

（4） BuildHeap和Heapify函数的实现
因为构造初始堆必须使用到调整堆的操作，先讨论Heapify的实现。
① Heapify函数思想方法
每趟排序开始前R[l..i]是以R[1]为根的堆，在R[1]与R[i]交换后，新的无序区R[1..i-1]中只有R[1]的值发生了变化，故除R[1]可能违反堆性质外，其余任何结点为根的子树均是堆。因此，当被调整区间是R[low..high]时，只须调整以R[low]为根的树即可。
"筛选法"调整堆
R[low]的左、右子树(若存在)均已是堆，这两棵子树的根R[2low]和R[2low+1]分别是各自子树中关键字最大的结点。若R[low].key不小于这两个孩子结点的关键字，则R[low]未违反堆性质，以R[low]为根的树已是堆，无须调整；否则必须将R[low]和它的两个孩子结点中关键字较大者进行交换，即R[low]与R[large](R[large].key=max(R[2low].key，R[2low+1].key))交换。交换后又可能使结点R[large]违反堆性质，同样由于该结点的两棵子树(若存在)仍然是堆，故可重复上述的调整过程，对以R[large]为根的树进行调整。此过程直至当前被调整的结点已满足堆性质，或者该结点已是叶子为止。上述过程就象过筛子一样，把较小的关键字逐层筛下去，而将较大的关键字逐层选上来。因此，有人将此方法称为"筛选法"。
具体的算法

②BuildHeap的实现
要将初始文件R[l..n]调整为一个大根堆，就必须将它所对应的完全二叉树中以每一结点为根的子树都调整为堆。
显然只有一个结点的树是堆，而在完全二叉树中，所有序号 的结点都是叶子，因此以这些结点为根的子树均已是堆。这样，我们只需依次将以序号为 ， -1，…，1的结点作为根的子树都调整为堆即可。
具体算法。

5、大根堆排序实例
对于关键字序列(42，13，24，91，23，16，05，88)，在建堆过程中完全二叉树及其存储结构的变化情况参见。

6、 算法分析
堆排序的时间，主要由建立初始堆和反复重建堆这两部分的时间开销构成，它们均是通过调用Heapify实现的。
堆排序的最坏时间复杂度为O(nlgn)。堆排序的平均性能较接近于最坏性能。
由于建初始堆所需的比较次数较多，所以堆排序不适宜于记录数较少的文件。
堆排序是就地排序，辅助空间为O(1)，
它是不稳定的排序方法。

❾ 淘宝搜索排序算法

默认的排序，目前的参考原则很明确：相关性、作弊降权、橱窗推荐、下架时间、消保。用一段描述来说就是：如果你的宝贝没有作弊，相关性好，是在橱窗推荐里的，参加过消保，那么就会按照下架时间来排序。 相关性：技术上对相关性有比较复杂的计算。但简单理解就是你的宝贝和搜索的关键词是否相关。相关和不相关也不是绝对的。例如：搜索”篮球”, 最相关的应该就是”篮球”的商品，其次才会是篮球鞋、篮球服等商品。因为现在算的相关性主要是关键词和标题的相关性，所以大家一定要重视标题。标题如何描述一方面会影响相关性，另一方面也会影响用户体验。有些店长为了让宝贝被找到，标题堆砌一堆关键词，其实这是会被降权的。这就叫过犹不及。 作弊降权：如果你发现你的商品在默认宝贝排序上无论怎么搜索，都排序排在最后几个，那么肯定是有一些作弊行为被处罚了。接下来“搜索降权”部分会做详细解释。 橱窗推荐：店长要珍惜你的橱窗推荐位。在搜索结果中，店长橱窗宝贝是会被优先排序的。 下架时间：这一直是排序中比较重要的因素，用来保证每个商品都有机会展现。因此你的商品上架时间也很重要，如何让你的商品在一天不同时间段都有展现，这个有很多技巧。最好在宝贝展现的时候，店长能在线服务，否则买家想买也联系不到店长。淘宝的交易高峰时间，或者是说购买人群最多的时段在一天之内有三个：早上10:00-12:00, 下午3:00-5:00, 晚上8:00-10:00. 正常情况下，周一到周五的人群比周末要多。所以如何安排你的宝贝下架时间，也成了一个有用的工具。 消保：消费者保护的简称，在淘宝上有很多消保的认证。现在默认排序，大部分类目对是否参加消保，是很依赖的。如果没有参加消保，这些商品肯定会排在参加消保商品的后面。淘宝搜索最直接的用户是消费者，为了保证消费者的利益，淘宝鼓励店长参加消保。这不是对淘宝的承诺，是对消费者的承诺。 有些店长说我的商品怎么在搜索结果中看不见?搜索结果目前每页只展现40条，总共可以查看100页，也就是说，通过点击可以查看的搜索结果数是40*100=4000个。如果搜索一个商品，结果数大于4000，肯定有些商品是看不见的。但搜索结果实时在变化，只要你的宝贝符合上述因素，就有机会排在第一页。</SPAN></SPAN></SPAN></SPAN></SPAN></SPAN></SPAN>