转:http://blogold.chinaunix.net/u2/62281/showart_488401.html
动态规划是用空间换时间的一种方法的抽象。其关键是发现子问题和记录其结果。然后利用这些结果减轻运算量。
比如01背包问题。
/* 一个旅行者有一个最多能用M公斤的背包,现在有N件物品,
它们的重量分别是W1,W2,...,Wn,
它们的价值分别为P1,P2,...,Pn.
若每种物品只有一件求旅行者能获得最大总价值。
输入格式:
M,N
W1,P1
W2,P2
......
输出格式:
X
*/
因为背包最大容量M未知。所以,我们的程序要从1到M一个一个的试。比如,开始任选N件物品的一个。看对应M的背包,能不能放进去,如果能放进去,并且还有多的空间,则,多出来的空间里能放N-1物品中的最大价值。怎么能保证总选择是最大价值呢?看下表。
测试数据:
10,3
3,4
4,5
5,6
c[i][j]数组保存了1,2,3号物品依次选择后的最大价值.
这个最大价值是怎么得来的呢?从背包容量为0开始,1号物品先试,0,1,2,的容量都不能放.所以置0,背包容量为3则里面放4.这样,这一排背包容量为4,5,6,....10的时候,最佳方案都是放4.假如1号物品放入背包.则再看2号物品.当背包容量为3的时候,最佳方案还是上一排的最价方案c为4.而背包容量为5的时候,则最佳方案为自己的重量5.背包容量为7的时候,很显然是5加上一个值了。加谁??很显然是7-4=3的时候.上一排 c3的最佳方案是4.所以。总的最佳方案是5+4为9.这样.一排一排推下去。最右下放的数据就是最大的价值了。(注意第3排的背包容量为7的时候,最佳方案不是本身的6.而是上一排的9.说明这时候3号物品没有被选.选的是1,2号物品.所以得9.)
从以上最大价值的构造过程中可以看出。
当选择物品n时,物品1...n-1中所选择的物品的总价值,在容量m减去物品n的容量时的价值是最大的;
当不选择物品n时,物品1...n-1中所选择的物品的总价值,在容量m时的价值是最大的;
这就是最优子结构。
f(n,m)=max{f(n-1,m), f(n-1,m-w[n])+P(n,m)}这就是书本上写的动态规划方程.这回清楚了吗?
下面是实际程序:
#include<stdio.h>
int c[10][100];/*对应每种情况的最大价值*/
int knapsack(int m,int n)
{
int i,j,w[10],p[10];
for(i=1;i<n+1;i++)
scanf("\n%d,%d",&w[i],&p[i]);
for(i=0;i<10;i++)
for(j=0;j<100;j++)
c[i][j]=0;/*初始化数组*/
for(i=1;i<n+1;i++)
for(j=1;j<m+1;j++)
{
if(w[i]<=j) /*如果当前物品的容量小于背包容量*/
{
if(p[i]+c[i-1][j-w[i]]>c[i-1][j])
/*如果本物品的价值加上背包剩下的空间能放的物品的价值*/
/*大于上一次选择的最佳方案则更新c[i][j]*/
c[i][j]=p[i]+c[i-1][j-w[i]];
else
c[i][j]=c[i-1][j];
}
else c[i][j]=c[i-1][j];
}
return(c[n][m]);
}
int main()
{
int m,n;int i,j;
scanf("%d,%d",&m,&n);
printf("Input each one:\n");
printf("%d",knapsack(m,n));
printf("\n");/*下面是测试这个数组,可删除*/
for(i=0;i<10;i++)
for(j=0;j<15;j++)
{
printf("%d ",c[i][j]);
if(j==14)printf("\n");
}
system("pause");
}
- 大小: 26.1 KB
- 大小: 70.5 KB
- 大小: 106.5 KB
- 大小: 22.8 KB
分享到:
相关推荐
### 0/1背包问题(蛮力、动态规划、回溯、分支限界法) #### 实验背景 0/1背包问题是计算机科学中一个经典的组合优化问题,涉及到资源分配、决策选择等多个方面,在实际生活中也有着广泛的应用场景,如物流管理、...
总的来说,0/1背包问题的动态规划解决方案是通过递归地构建子问题的最优解,避免了重复计算,从而有效地找到了全局最优解。这是一种强大而灵活的工具,不仅适用于0/1背包问题,还可以应用于许多其他类型的优化问题。
算法实验中用动态规划法解0-1背包问题,这里提供了源代码,仅供参考
动态规划不仅在0/1背包问题中应用广泛,还可以应用于其他问题,如最长公共子序列、最短路径问题等。其核心思想是避免重复计算,通过存储中间结果来提高效率。在Java编程中,熟练掌握动态规划可以有效解决复杂度较高...
在本例中,我们将通过C++语言和VC++6.0环境来探讨如何运用动态规划策略求解0/1背包问题。 0/1背包问题的基本描述是这样的:我们有一组物品,每件物品都有一个重量和一个价值,我们需要决定哪些物品放入一个容量有限...
动态规划是一种常用的方法,用于解决0/1背包问题。动态规划的核心思想是将大问题分解为若干个子问题,并存储这些子问题的答案,以便后续可以直接利用这些答案求解原问题。对于0/1背包问题,我们可以定义一个二维数组...
### 0/1背包问题的动态规划 #### 实验目的及要求 本次实验的主要目的是让学生通过实际编程操作来深入理解并掌握动态规划方法在解决背包问题中的应用。具体要求包括: 1. **理论掌握**:了解动态规划的基本原理...
问题描述:给定一个容量为C的背包及n个重量为wi,价值 为p1的物品,要求把物品装入背包,是背包的价值最大, ...解决方法:0/1背包问题有多种解决方法,本实验用动态规 划,回溯,分支界限三种方法进行解题
动态规划是解决0/1背包问题的常用方法,因为它保证找到最优解且效率相对较高。然而,对于特殊结构或约束的背包问题,其他算法可能会更有效。实际应用中,常常需要根据问题的具体特点和规模选择合适的求解策略。
动态规划算法:0-1背包问题.ppt
优先队列式分枝限界法在解决0/1背包问题时,相比于其他算法如动态规划,特别适用于求解大规模问题,因为它的搜索过程是按需的,即只探索可能达到最优解的部分。这种方法不需要预先生成所有可能的解空间,因此能够...
总结来说,0/1背包问题是计算机科学中的一个经典问题,动态规划是解决这类问题的有效工具。通过分析和理解C#源码,你可以深入理解动态规划的工作原理,并能将其应用到其他类似的问题中。这不仅有助于提升编程技能,...
动态规划求解0-1背包问题的改进算法完整解释 在计算机算法设计与分析中,动态规划法是解决背包问题的常用方法之一。所谓背包问题,是指在有限的背包容量下,如何选择物品来达到最大价值的问题。在本文中,我们将对...
动态规划是解决0/1背包问题的常见方法。我们可以创建一个二维数组`dp`,其中`dp[i][w]`表示在前`i`件物品中选取总重量不超过`w`时能获得的最大价值。状态转移方程为: ```markdown dp[i][w] = max(dp[i-1][w], dp[i...
动态规划是一种有效的算法设计策略,尤其适用于解决具有重叠子问题和最优子结构的问题,而0-1背包问题就是这种策略的一个典型应用。0-1背包问题是一个经典的组合优化问题,它源自实际生活中的资源分配问题,比如在...
在C#实现的0/1背包问题中,通常会采用动态规划的方法来解决。动态规划是一种将大问题分解为小问题并逐个解决的策略,它通过构建一个二维数组(通常是dp数组)来存储子问题的解,从而避免了重复计算。对于0/1背包问题...
### 动态规划法与回溯法解决0-1背包问题 #### 一、实验目的与背景 0-1背包问题是一种经典的组合优化问题,在实际应用中有着广泛的用途,例如资源分配、投资组合等问题都可以抽象成背包问题的形式。本实验旨在通过...
0-1背包问题是一个经典的优化问题,主要涉及动态规划算法的运用。在这个实验报告中,学生使用Java语言解决了一个0-1背包问题的实例。以下是关于这个问题和解决方案的详细解释。 一、问题描述: 0-1背包问题的核心是...