问题说明:

假设有一个背包的负重最多可达8公斤,而希望在背包中装入负重范围内可得之总价物
品,假设是水果好了,水果的编号、单价与重量如下所示:
0
李子
4KG
NT$4500
1
苹果
5KG
NT$5700
2
橘子
2KG
NT$2250
3
草莓
1KG
NT$1100
解法背包问题是关于最佳化的问题,要解最佳化问题可以使用「动态规划」 (Dynamicprogramming) ,从空集合开始,每增加一个元素就先求出该阶段的最佳解,直到所有的元素加入至集合中,最后得到的就是最佳解。

下面我们看下代码:

/*
问题:
假设有一个背包的负重最多可达8公斤,而希望在背包中装入负重范围内可得之总价物品
算法说明:
采用动态规划,在当前阶段求解出最好的解,如此反复
日期:2013/8/18
张威
*/ #include <iostream>
#include <time.h>
using namespace std; #define MAXSIZE 8 //定义全局变量
char name[][] = {"李子","苹果","橘子","草莓","甜瓜"};//水果名称
int wight[] = {,,,,};//单个水果所占斤数
int price[] = {,,,,};//单个水果的价值
int perkg_price[];//每斤水果的价钱
int perkg_num[] = {,,,,}; void GetNmae(int num)
{
for (int i = ;i <= ;i++)
{
cout<<name[num][i];
}
} void GetBestAnswer(int currentwigh)
{
//判断递归终止条件
if (currentwigh >= MAXSIZE)
{
cout<<"包裹已经满了,无法再装进东西"<<endl;
}
else
{
//check用来表证到底剩下来的物品里面还有没有能装进去背包里的
bool check = true;
int i = ;
for (;i <= ;i++)
{
//若是没有进入到这个条件内,说明剩下来的物品的重量都超过了背包剩余重量,到此结束.否则i就代表当前所能选中的最优解
if (wight[perkg_num[i]] <= MAXSIZE-currentwigh)
{
check = false;
break;
}
}
if (check == true)
{
cout<<"已经装不进去任何水果了"<<endl;
}
else
{
//得到最优解,并且将当前重量增加,进入下一次递归
currentwigh += wight[perkg_num[i]];
cout<<"购买了";
GetNmae(perkg_num[i]);
cout<<endl;
GetBestAnswer(currentwigh);
}
}
} int main()
{
//计算出每斤水果的价钱,便于动态规划时求出当前最佳解
for (int i = ;i <= ;i++)
{
perkg_price[i] = price[i] / wight[i];
}
//对perkg_num进行排序,同时保证单价和perkg_num之间的一一对应关系.即两个数组要同时变化
//采用的是冒泡排序,在元素进行交换时perkg_num和perkg_price同时变化
for (int i = ;i <= ;i++)
{
for (int j = i;j <= ;j++)
{
if (perkg_price[j] < perkg_price[j+])
{
int temp1 = perkg_price[j];
int temp2 = perkg_num[j];
perkg_price[j] = perkg_price[j+];
perkg_price[j+] = temp1;
perkg_num[j] = perkg_num[j+];
perkg_num[j+] = temp2;
}
}
}
//开始计算求解
GetBestAnswer();
return ;
}

背包问题

在这里,算法的主要思想有两个:1.通过冒泡排序得到一个单价表,并将物品的ID与之配对起来.这样我们在每次的递归中通过ID找到物品的相应属性,筛选出当前步骤的最优解出来

2.通过递归,传递当前的重量,得到还剩余的重量,根据前面的单价表,筛选出可选的最优解,然后将重量变化进入下一次递归.

这是最大空间为8的运行结果:                                              这是最大空间为29的运行结果:

下面附上指导书上面的代码:

#include <stdio.h>
#include <stdlib.h>
#define LIMIT 8
// 重量限制
#define N 5
// 物品种类
#define MIN 1
// 最小重量
struct body {
char name[];
int size;
int price;
};



重 valu
e item 0 背


重 valu
e item 0 typedef struct body object;
int main(void) {
int item[LIMIT+] = {};
int value[LIMIT+] = {};
int newvalue, i, s, p;
object a[] = {{"李子", , },
{"苹果", , },
{"橘子", , },
{"草莓", , },
{"甜瓜", , }};
for(i = ; i < N;i++) {
for(s = a[i].size; s <= LIMIT;s++) {
p = s - a[i].size;
newvalue = value[p] + a[i].price;
if(newvalue > value[s]) {// 找到阶段最佳解
value[s] = newvalue;
item[s] = i;
}
}
}
printf("物品\t价格\n");
for(i = LIMIT;i >= MIN;i = i - a[item[i]].size) {
printf("%s\t%d\n",
a[item[i]].name, a[item[i]].price);
}
printf("合计\t%d\n", value[LIMIT]);
return ;
}
Java
class Fruit {
private String name;
private int size;
private int price;
public Fruit(String name,int size, int price){
this.name = name;
this.size = size;
this.price = price;
}
public String getName(){
return name;
}
public int getPrice(){
return price;
}
public int getSize() {
return size;
}
}
public class Knapsack {
public static void main(String[] args){
final int MAX = ;
final int MIN = ;
int[] item = new int[MAX+];
int[] value = new int[MAX+];
Fruit fruits[] = {
new Fruit("李子", , ),
new Fruit("苹果", , ),
new Fruit("橘子", , ),
new Fruit("草莓", , ),
new Fruit("甜瓜", , )};
for(int i = ; i < fruits.length;i++) {
for(int s = fruits[i].getSize(); s <= MAX;s++){
int p = s - fruits[i].getSize();
int newvalue = value[p] +
fruits[i].getPrice();
if(newvalue > value[s]) {// 找到阶段最佳解
value[s] = newvalue;
item[s] = i;
}
}
}
System.out.println("物品\t价格");
for(int i = MAX;
i >= MIN;
i = i - fruits[item[i]].getSize()) {
System.out.println(fruits[item[i]].getName()+
"\t" + fruits[item[i]].getPrice());
}
System.out.println("合计\t" + value[MAX]);
}
}

指导书上面的代码

我居然没想到使用结构体,失策失策,都没用什么高级点的数据结构,看起来貌似很复杂的样子.明天再看

背包问题(Knapsack problem)采用动态规划求解的更多相关文章

  1. 对背包问题(Knapsack Problem)的算法探究

    对背包问题(Knapsack Problem)的算法探究 至繁归于至简,这次自己仍然用尽可能易理解和阅读的解决方式. 1.问题说明: 假设有一个背包的负重最多可达8公斤,而希望在背包中装入负重范围内可 ...

  2. 【优化算法】变邻域搜索算法解决0-1背包问题(Knapsack Problem)代码实例 已

    01 前言 经过小编这几天冒着挂科的风险,日日修炼,终于赶在考试周中又给大家更新了一篇干货文章.关于用变邻域搜索解决0-1背包问题的代码.怎样,大家有没有很感动? 02 什么是0-1背包问题? 0-1 ...

  3. 动态规划-背包问题 Knapsack

    2018-03-15 13:11:12 背包问题(Knapsack problem)是一种组合优化的NP完全问题.问题可以描述为:给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何 ...

  4. knapsack problem 背包问题 贪婪算法GA

    knapsack problem 背包问题贪婪算法GA 给点n个物品,第j个物品的重量,价值,背包的容量为.应选哪些物品放入包内使物品总价值最大? 规划模型 max s.t. 贪婪算法(GA) 1.按 ...

  5. 动态规划法(四)0-1背包问题(0-1 Knapsack Problem)

      继续讲故事~~   转眼我们的主人公丁丁就要离开自己的家乡,去大城市见世面了.这天晚上,妈妈正在耐心地帮丁丁收拾行李.家里有个最大能承受20kg的袋子,可是妈妈却有很多东西想装袋子里,已知行李的编 ...

  6. 0-1背包问题——动态规划求解【Python】

    动态规划求解0-1背包问题: 问题:背包大小 w,物品个数 n,每个物品的重量与价值分别对应 w[i] 与 v[i],求放入背包中物品的总价值最大. 动态规划核心:计算并存储小问题的最优解,并将这些最 ...

  7. 0-1背包问题(0-1 knapsack problem)

    0-1背包问题描述:一个正在抢劫商店的小偷发现了n个商品,第i个商品价值 vi 美元,重 wi 磅,vi 和 wi 都是整数.这个小偷希望拿走价值尽量高的商品,但他的背包最多能容纳 S 磅重的商品,S ...

  8. FZU 2214 Knapsack problem 01背包变形

    题目链接:Knapsack problem 大意:给出T组测试数据,每组给出n个物品和最大容量w.然后依次给出n个物品的价值和体积. 问,最多能盛的物品价值和是多少? 思路:01背包变形,因为w太大, ...

  9. [DP] The 0-1 knapsack problem

    Give a dynamic-programming solution to the 0-1 knapsack problem that runs in O(nW) time, where n is ...

随机推荐

  1. std::map的clear()没有用?

    昨天晚上,我徒弟跑过来讲,他的程序的内存占用居高不下,愿意是std::map的clear()没有效果.于是我让他用erase(begin,end); 试试也不行. 代码如下: void release ...

  2. 百度SEO建议

    SEO(Search Engine Optimization)汉译为搜索引擎优化.seo优化是专门利用搜索引擎的搜索规则来提高目前网站在有关搜索引擎内的自然排名的方式.SEO的目的理解是为网站提供生态 ...

  3. Android 关于ListView中adapter调用notifyDataSetChanged无效的原因

    话说这个问题已经困扰我很久了,一直找不到原因,我以为只要数据变了,调用adapter的notifyDataSetChanged就会更新列表,最近在做微博帐号管理这一块,想着动态更新列表,数据是变了,但 ...

  4. rpyc 回调模式工作不正常

    rpyc 回调模式工作不正常 最近使用了 rpyc 来处理一个多节点间的文件同步的任务,目标是使用 rpyc 来实现简单的 p2p 文件传输机制,以减少单点负载和单点失败对传输的影响. 和 p2p 的 ...

  5. 视差效果原理 background-attachment:fixed

    <html> <head> <style type="text/css"> body { background-image:url('http: ...

  6. Glossary of view transformations

    Glossary of view transformations The following terms are used to define view orientation, i.e. trans ...

  7. PHP框架Yii2.0安装(基础版、高级版)

    最近农成也是切入了yiiframework 2.0,就是安装yii2.0就花费了不少的时间,为此做了很多的弯路,特此写一篇博文来给后面学习的同学少走一点的弯路.写的不好的地方欢迎各位学习的同学们能够指 ...

  8. gradient color

    http://www.cnblogs.com/YouXianMing/p/3793913.html layer 不能自动autolay, 只能在viewDidLayout里面设置宽度 - (void) ...

  9. javascript 函数返回值(return)、定时器(setTimeout、setInterval)

    一.函数的返回值:return 1.函数名+括号=return后面的值 <script> function fn1(){ return 100; } alert(fn1()); // 10 ...

  10. chrome 下载插件包及离线安装

    最近需要测试http rest服务,由于chrome插件的轻便,首先想到了用chrome插件,在google商店找到Advanced Rest Client,用了一阵感觉不错. 于是项目组其他同事也要 ...