- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
给定一组酒店房间及其可用期(1 月 1 日至 1 月 6 日):
[
{
roomId: 101,
availability: [
{ roomId: 101, date: '2018-01-01' },
{ roomId: 101, date: '2018-01-02' },
{ roomId: 101, date: '2018-01-03' },
{ roomId: 101, date: '2018-01-05' },
{ roomId: 101, date: '2018-01-06' }
]
},
{
roomId: 102,
availability: [
{ roomId: 102, date: '2018-01-01' },
{ roomId: 102, date: '2018-01-03' },
{ roomId: 102, date: '2018-01-04' },
{ roomId: 102, date: '2018-01-05' }
]
},
{
roomId: 103,
availability: [
{ roomId: 103, date: '2018-01-02' },
{ roomId: 103, date: '2018-01-03' },
{ roomId: 103, date: '2018-01-06' }
]
},
{
roomId: 104,
availability: [
{ roomId: 104, date: '2018-01-04' },
{ roomId: 104, date: '2018-01-05' },
{ roomId: 104, date: '2018-01-06' }
]
},
{
roomId: 105,
availability: [
{ roomId: 105, date: '2018-01-01' },
{ roomId: 105, date: '2018-01-02' },
{ roomId: 105, date: '2018-01-04' },
{ roomId: 105, date: '2018-01-06' }
]
}
]
上面可用性的表格说明:
| | 1 Jan | 2 Jan | 3 Jan | 4 Jan | 5 Jan | 6 Jan |
| 101 | O | O | O | | O | O |
| 102 | O | | O | O | O | |
| 103 | | O | O | | | O |
| 104 | | | | O | O | O |
| 105 | O | O | | O | | O |
基于以上输入的预期结果是具有分组可用性的最终房间:
{
roomId: 101, // determined by the first object in the array
availability: [
{ roomId: 101, date: '2018-01-01' },
{ roomId: 101, date: '2018-01-02' },
{ roomId: 101, date: '2018-01-03' },
{ roomId: 104, date: '2018-01-04' },
{ roomId: 104, date: '2018-01-05' },
{ roomId: 104, date: '2018-01-06' }
]
}
Final grouping selection to be: 101 & 104
| | 1 Jan | 2 Jan | 3 Jan | 4 Jan | 5 Jan | 6 Jan |
| 101 | ✔️ | ✔️ | ✔️ | | O | O |
| 102 | O | | O | O | O | |
| 103 | | O | O | | | O |
| 104 | | | | ✔️ | ✔️ | ✔️ |
| 105 | O | O | | O | | O |
因此最终选择的确定方式是根据整个入住期间最少的房间移动
在 javascript 中执行此操作的最有效的搜索算法是什么(就性能而言) ? (需要高效才能保持处理速度非常快,即使有很长时间的可用性请求或更多房间分组也是如此)
I'll put my algorithm in the answer section, but I don't think it is the most efficient way to do it. Please suggest if there is a better way!
最佳答案
我建议在几天内使用一个循环,并在每次迭代中,确定从当天开始连续开放时间最长的房间;然后,将天数增加该天数。
为了使解析更容易,您可以预处理数据,以便 可用性
信息在由 number 日期索引索引的对象中可用 - 例如,转
availability: [
{ roomId: 105, date: '2018-01-01' },
{ roomId: 105, date: '2018-01-02' },
{ roomId: 105, date: '2018-01-04' },
{ roomId: 105, date: '2018-01-06' }
]
进入
'105': {
1: true,
2: true,
4: true,
6: true
}
这样,要计算出房间 X 从第 N 天起可用多长时间,只需重复 rooms[x][n] === true
的测试并递增 n
直到测试失败。
如果多次执行此操作(从相同的房间数据集开始),您可以提前一次进行所有实际计算,并构建一个包含最佳房间的对象以供选择每一天,例如:
{ // keys represent day index
1: { roomId: 101, availableUntil: 3 },
2: { roomId: 101, availableUntil: 3 }, // just as good as room 103
3: { roomId: 101, availableUntil: 3 }, // just as good as 103 and 102
// room 101 not available on Jan 4, room 104 becomes the best room to choose:
4: { roomId: 104, availableUntil: 6 },
5: { roomId: 104, availableUntil: 6 },
6: { roomId: 104, availableUntil: 6 } // just as good as 105
}
然后,给定一个人希望停留的天数,计算破坏性最小的房间变化是一个简单的属性查找问题,直到到达结束日期。
为了简化以下代码的可读性,我将使用辅助函数
const dateStrToDayIndex = dateStr => Number(dateStr.match(/\d\d$/)[0]);
因此索引从 1 开始到 6,以测试您的输入,但在您的实际代码中,您当然会使用一些可靠的东西来计算 dateStr
和某个日期,例如 1970 年 1 月 1 日,或类似日期。 (或者,随意使用您当前正在使用的 moment(toDate).diff(moment(fromDate), 'days')
如果适合您的话)
现在,代码:首先将数据集转换为如下所示的对象:
/*
{
101: {
1: true,
2: true,
3: true,
5: true,
6: true,
},
102:
// ...
}
*/
const dateStrToDayIndex = dateStr => Number(dateStr.match(/\d\d$/)[0]);
const datasetByRoom = dataset.reduce((datasetA, { roomId, availability }) => {
datasetA[roomId] = availability.reduce((a, { date }) => {
a[dateStrToDayIndex(date)] = true;
return a;
}, {});
return datasetA;
}, {});
然后,主要的 getBestRoomFromDay
函数,需要一天索引并搜索 datasetByRoom
中的每个房间对象,从当前开始连续打开最多的房间日:
function getBestRoomFromDay(dayIndex) {
let bestRoomSoFar;
let bestCumulativeDaysSoFar = 0;
Object.entries(datasetByRoom).forEach(([room, availObj]) => {
let thisRoomDays = 0;
let dayIndexCheck = dayIndex;
while (availObj[dayIndexCheck]) {
dayIndexCheck++;
thisRoomDays++;
}
if (thisRoomDays > bestCumulativeDaysSoFar) {
bestRoomSoFar = room;
bestCumulativeDaysSoFar = thisRoomDays - 1;
}
});
return {
room: bestRoomSoFar,
until: dayIndex + bestCumulativeDaysSoFar
};
}
在实际操作中,为输入 (1-6) 中的每个 dayIndex
调用 getBestRoomFromDay
的示例:
const dataset=[{roomId:101,availability:[{roomId:101,date:'2018-01-01'},{roomId:101,date:'2018-01-02'},{roomId:101,date:'2018-01-03'},{roomId:101,date:'2018-01-05'},{roomId:101,date:'2018-01-06'}]},{roomId:102,availability:[{roomId:102,date:'2018-01-01'},{roomId:102,date:'2018-01-03'},{roomId:102,date:'2018-01-04'},{roomId:102,date:'2018-01-05'}]},{roomId:103,availability:[{roomId:103,date:'2018-01-02'},{roomId:103,date:'2018-01-03'},{roomId:103,date:'2018-01-06'}]},{roomId:104,availability:[{roomId:104,date:'2018-01-04'},{roomId:104,date:'2018-01-05'},{roomId:104,date:'2018-01-06'}]},{roomId:105,availability:[{roomId:105,date:'2018-01-01'},{roomId:105,date:'2018-01-02'},{roomId:105,date:'2018-01-04'},{roomId:105,date:'2018-01-06'}]}];const dateStrToDayIndex=dateStr=>Number(dateStr.match(/\d\d$/)[0]);const datasetByRoom=dataset.reduce((datasetA,{roomId,availability})=>{datasetA[roomId]=availability.reduce((a,{date})=>{a[dateStrToDayIndex(date)]=!0;return a},{});return datasetA},{});function getBestRoomFromDay(dayIndex){let bestRoomSoFar;let bestCumulativeDaysSoFar=0;Object.entries(datasetByRoom).forEach(([room,availObj])=>{let thisRoomDays=0;let dayIndexCheck=dayIndex;while(availObj[dayIndexCheck]){dayIndexCheck++;thisRoomDays++}
if(thisRoomDays>bestCumulativeDaysSoFar){bestRoomSoFar=room;bestCumulativeDaysSoFar=thisRoomDays-1}});return{room:bestRoomSoFar,until:dayIndex+bestCumulativeDaysSoFar}}
console.log('Example of testing getBestRoomFromDay function on all days:');
for (let i = 1; i < 7; i++) {
console.log('Day ' + i + ': ' + JSON.stringify(getBestRoomFromDay(i)));
}
然后,从 from
和 to
日期字符串构造一个时间表,例如 '2018-01-01'
到 '2018-01-06'
,只需用适当的日期重复调用 getBestRoomFromDay
,在每次迭代中将日期索引增加所需的数量:
const dataset=[{roomId:101,availability:[{roomId:101,date:'2018-01-01'},{roomId:101,date:'2018-01-02'},{roomId:101,date:'2018-01-03'},{roomId:101,date:'2018-01-05'},{roomId:101,date:'2018-01-06'}]},{roomId:102,availability:[{roomId:102,date:'2018-01-01'},{roomId:102,date:'2018-01-03'},{roomId:102,date:'2018-01-04'},{roomId:102,date:'2018-01-05'}]},{roomId:103,availability:[{roomId:103,date:'2018-01-02'},{roomId:103,date:'2018-01-03'},{roomId:103,date:'2018-01-06'}]},{roomId:104,availability:[{roomId:104,date:'2018-01-04'},{roomId:104,date:'2018-01-05'},{roomId:104,date:'2018-01-06'}]},{roomId:105,availability:[{roomId:105,date:'2018-01-01'},{roomId:105,date:'2018-01-02'},{roomId:105,date:'2018-01-04'},{roomId:105,date:'2018-01-06'}]}];const dateStrToDayIndex=dateStr=>Number(dateStr.match(/\d\d$/)[0]);const datasetByRoom=dataset.reduce((datasetA,{roomId,availability})=>{datasetA[roomId]=availability.reduce((a,{date})=>{a[dateStrToDayIndex(date)]=!0;return a},{});return datasetA},{});function getBestRoomFromDay(dayIndex){let bestRoomSoFar;let bestCumulativeDaysSoFar=0;Object.entries(datasetByRoom).forEach(([room,availObj])=>{let thisRoomDays=0;let dayIndexCheck=dayIndex;while(availObj[dayIndexCheck]){dayIndexCheck++;thisRoomDays++}
if(thisRoomDays>bestCumulativeDaysSoFar){bestRoomSoFar=room;bestCumulativeDaysSoFar=thisRoomDays-1}});return{room:bestRoomSoFar,until:dayIndex+bestCumulativeDaysSoFar}};
function getSchedule(dateStrFrom, dateStrTo) {
const [from, to] = [dateStrFrom, dateStrTo].map(dateStrToDayIndex);
let day = from;
const schedule = [];
while (day < to) {
const schedObj = getBestRoomFromDay(day);
schedule.push({ from: day, ...schedObj });
// increment day, so as to find the next longest consecutive room:
day = schedObj.until + 1;
}
schedule[schedule.length - 1].until = to;
return schedule;
}
console.log(getSchedule('2018-01-01', '2018-01-06'));
完整的,未缩小的:
const dataset = [
{
roomId: 101,
availability: [
{ roomId: 101, date: '2018-01-01' },
{ roomId: 101, date: '2018-01-02' },
{ roomId: 101, date: '2018-01-03' },
{ roomId: 101, date: '2018-01-05' },
{ roomId: 101, date: '2018-01-06' }
]
},
{
roomId: 102,
availability: [
{ roomId: 102, date: '2018-01-01' },
{ roomId: 102, date: '2018-01-03' },
{ roomId: 102, date: '2018-01-04' },
{ roomId: 102, date: '2018-01-05' }
]
},
{
roomId: 103,
availability: [
{ roomId: 103, date: '2018-01-02' },
{ roomId: 103, date: '2018-01-03' },
{ roomId: 103, date: '2018-01-06' }
]
},
{
roomId: 104,
availability: [
{ roomId: 104, date: '2018-01-04' },
{ roomId: 104, date: '2018-01-05' },
{ roomId: 104, date: '2018-01-06' }
]
},
{
roomId: 105,
availability: [
{ roomId: 105, date: '2018-01-01' },
{ roomId: 105, date: '2018-01-02' },
{ roomId: 105, date: '2018-01-04' },
{ roomId: 105, date: '2018-01-06' }
]
}
];
const dateStrToDayIndex = dateStr => Number(dateStr.match(/\d\d$/)[0]);
const datasetByRoom = dataset.reduce((datasetA, { roomId, availability }) => {
datasetA[roomId] = availability.reduce((a, { date }) => {
a[dateStrToDayIndex(date)] = true;
return a;
}, {});
return datasetA;
}, {});
function getBestRoomFromDay(dayIndex) {
let bestRoomSoFar;
let bestCumulativeDaysSoFar = 0;
Object.entries(datasetByRoom).forEach(([room, availObj]) => {
let thisRoomDays = 0;
let dayIndexCheck = dayIndex;
while (availObj[dayIndexCheck]) {
dayIndexCheck++;
thisRoomDays++;
}
if (thisRoomDays > bestCumulativeDaysSoFar) {
bestRoomSoFar = room;
bestCumulativeDaysSoFar = thisRoomDays - 1;
}
});
return {
room: bestRoomSoFar,
until: dayIndex + bestCumulativeDaysSoFar
};
}
function getSchedule(dateStrFrom, dateStrTo) {
const [from, to] = [dateStrFrom, dateStrTo].map(dateStrToDayIndex);
let day = from;
const schedule = [];
while (day < to) {
const schedObj = getBestRoomFromDay(day);
schedule.push({ from: day, ...schedObj });
// increment day, so as to find the next longest consecutive room:
day = schedObj.until + 1;
}
schedule[schedule.length - 1].until = to;
return schedule;
}
console.log(getSchedule('2018-01-01', '2018-01-06'));
如前所述,如果您必须从相同数据集计算多个getBestRoomFromDay
(即,不插入新预订),您可以构造一个对象预先包含 getBestRoomFromDay
的每个可能的值,它可以被调用,从而确保每天的计算只会一次。
关于javascript - 最长夜晚的最佳搜索算法 - Javascript,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53294405/
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!