`

动态规划/贪心算法----0/1背包问题AND普通背包问题

    博客分类:
  • C++
阅读更多

两个背包问题都是比较典型的问题,对这两种算法的理解有很好的帮助.

0/1背包问题--

问题描述:

设U = {u1,u2,u3,......ui}(一共有amount数量的物品)是一组准备放入背包中的物品.设背包的容量为size.

定义每个物品都具有两个属性weight和value.

我们要解决的问题就是计算在所选取的物品总重量不超过背包容量size的前提下使所选的物品总价值最大.

程序的设计:

设V[i, j]用来表示从前i项{u1......ui}中取出来的装入体积为j的背包的最大价值.i的范围是从0到amount,j是从0到size.这样的话要计算的值就是V[amount, size].V[0, j]对于所有的j的值都是0,因为这时候的包中没有物品.同时V[i, 0]的值也是0,因为没有物品可以放到size为0的背包里面.

所以有:

V[i, j] = 0       若i = 0 或 j = 0;

V[i, j] = V[i - 1, j]    若j < ui.weight;(当物品的重量大于背包承重时,就不巴物品放在里面)

V[i, j] = max{V[i - 1, j], V[i - 1, j - ui.weight] + ui.value}      若i > 0并且j >= ui.weight;

现在就可用动态规划的方法运用上面的公式来填表求解了.

#include <stdio.h>
#define W 1000
#define N 1000

typedef struct data
...{
    int vaule;
    int weight;
}goods;

int returnmax(int a, int b)
...{
    return (a > b ? a : b);
}

int KNAPSACK(goods *P, int a, int s)
...{
    int V[N][W];
    int i,j,mv;
    for(i = 0; i < a; i++)
        V[i][0] = 0;
    for(j = 0; j < s; j++)
        V[0][j] = 0;
    for(i = 1; i <= a; i++)
        for(j = 1; j <= s; j++)
        ...{
            V[i][j] = V[i - 1][j];
            if(P[i].weight <= j)
                V[i][j] = returnmax(V[i][j],V[i - 1][j - P[i].weight] + P[i].vaule);
        }
    mv = V[a][s];
    return mv;
}

int main()
...{
    int mostvalue,amount,size,i;
    goods A[N];
    printf("Input how much the goods have: ");
    scanf("%d",&amount);
    printf("Input the size of the bag: ");
    scanf("%d",&size);
    printf("Input the data of the goods: ");
    for(i = 0; i < amount; i++)
        scanf("%d %d",&A[i].vaule,&A[i].weight);
    mostvalue = KNAPSACK(A,amount,size);
    printf("%d",mostvalue);
    return 0;
}

 

优化的问题:

1.由于计算当前行的时候只需要上一行的结果,所以修改一下程序就可以减少使用的空间.

2.如果要输出所选的物品也是可以实现的.

PS:0/1背包问题和普通背包的差别就在于(1)物品是否可以重复选择, (2)物品是否可以只选取部分.

 

 

普通背包问题--

问题描述:

参看上面的PS;

程序的设计:

因为可以重复的选取物品,而且可以部分的选取物品,所以背包应该是完全填满的(0/1背包问题背包不一定是满的).

因此可以先计算每个物品的性价比,然后排序,最后按顺序选取,直到背包填满.

#include <stdio.h>
#include <stdlib.h>
#define MAX 100000

typedef struct data
...{
    long value;
    long weight;
    double average;
}goods;

compare(const void *a, const void *b)
...{
    return -(int)(((goods *)a)->average - ((goods *)b)->average);
}

long KNAPSACK(goods *A, long amount, long size)
...{
    double mv = 0;
    long i = 0;
    long mvresult;

    while(size && amount)
    ...{
        if(size >= (A + i)->weight)
        ...{
            mv += (A + i)->value;
            size -= (A + i)->weight;
        }
        else
        ...{
            mv += ((A + i)->average) * size;
            size = 0;
        }
        i++;
        amount--;
    }
    mvresult = (long)mv;
    return mvresult;
}

int main()
...{
    goods A[MAX];
    long amount, size, i, temp, mostvalue;
    printf("Input the amount of the goods and the size of the bags: ");
    scanf("%ld %ld", &amount, &size);
    printf("Input the weight and value of each goods: ");
    for(i = 0; i < amount; i++)
    ...{
        scanf("%ld %ld",&A[i].weight, &A[i].value);
        A[i].average = A[i].value / A[i].weight;
    }
    qsort(A, amount, sizeof(A[0]), compare);
    mostvalue = KNAPSACK(A, amount, size);
    printf("The most value is %ld ", mostvalue);
    return 0;
}


 

分享到:
评论

相关推荐

    0-1背包问题(贪心算法)C语言源程序

    ### 0-1背包问题(贪心算法)C语言源程序解析 #### 一、问题背景及概述 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应用场景,比如物流分配、资源调度等领域。该问题的核心是:给定一系列物品...

    贪心算法解决0-1背包问题

    然而,贪心算法并不总是能保证找到0-1背包问题的全局最优解。例如,当存在两件物品A和B,A的价值密度高于B,但将A和B一起放入背包可以得到更高的总价值,这时贪心算法会错过这个更好的组合。因此,对于某些特定的...

    动态规划法、贪心算法、回溯法、分支限界法解决0-1背包

    贪心算法在背包问题中可以找到应用,但不适用于0-1背包问题。因为贪心策略通常是选择当前最优的物品,即价值密度最高的物品,然而这种策略无法保证在0-1背包问题中得到全局最优解。0-1背包问题要求物品要么全选要么...

    算法设计-贪心算法-背包问题

    背包问题.本算法比较清晰,易读。运行后自动出结果。 背包问题是比较经典的算法。很具有代表性。在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的仅是在某种意义上的...

    贪心算法背包问题(非0-1)

    ### 贪心算法在非0-1背包问题中的应用 #### 核心知识点解析: **1. 背包问题概述:** 背包问题是一种经典的组合优化问题,通常出现在计算机科学和数学中,特别是在算法设计与分析领域。它主要探讨的是如何在给定...

    动态规划法解决0-1背包问题

    基于MATLAB平台,用动态规划法解决0-1背包问题,较为简单。参数分别为[物品重量,物品价值,背包容量,背包价值]

    贪心算法 背包问题 c语言

    ### 贪心算法在背包问题中的应用及C语言实现 #### 一、贪心算法简介 贪心算法是一种在每个步骤中都选择局部最优解的策略,希望通过一系列的局部最优选择来达到全局最优解的目的。它适用于某些特定的问题类型,在...

    0-1背包问题的贪心、动态规划、回溯算法

    "0-1背包问题的贪心、动态规划、回溯算法" "0-1"背包问题是运筹学和计算机科学中一个经典的问题,旨在解决如何从多个物品中..."0-1"背包问题可以使用贪心算法、动态规划算法或回溯算法来解决,每种方法都有其优缺点。

    贪心算法-背包装载问题

    贪心算法-背包装载问题 贪心算法是指在解决问题时,总是做出在当前看来是最好的选择,而不考虑长远的结果。贪心算法可以应用于解决许多问题,例如背包装载问题、活动选择问题、Huffman编码等。 背包装载问题是指:...

    贪心算法解部分背包问题

    常见的背包问题有0-1背包问题(每个物品只能选择放或不放)、完全背包问题(每个物品可以无限数量放入背包)以及部分背包问题(每个物品可以放一定数量)。这里我们关注的是部分背包问题,即每个物品可以放入背包的...

    动态规划和贪心算法的区别 贪心算法和动态规划.pdf

    动态规划和贪心算法的区别 动态规划和贪心算法是两种常用的算法思想,它们之间存在一定的关联和区别。在本文中,我们将详细介绍动态规划和贪心算法的定义、特点、区别和应用场景。 动态规划是一种算法思想,它通过...

    基于C语言实现贪心算法背包问题动态规划源码.zip

    基于C语言实现贪心算法背包问题动态规划源码.zip基于C语言实现贪心算法背包问题动态规划源码.zip基于C语言实现贪心算法背包问题动态规划源码.zip基于C语言实现贪心算法背包问题动态规划源码.zip基于C语言实现贪心...

    贪心算法 背包问题 C语言

    贪心算法是一种优化策略,它在每...在背包问题中,贪心算法对于某些特定类型的问题(如完全背包、非递减价值密度的物品)能得到最优解,但对于一般部分背包问题,可能需要结合动态规划等更强大的工具来确保全局最优。

    贪心算法解0-1背包问题

    贪心算法解决0-1背包问题的基本思路是每次选取单位重量价值(价值除以重量)最大的物品放入背包,直到背包无法再装下任何物品为止。这种方法被称为“价值密度优先”策略。然而,这个策略并不总是能保证得到全局最优...

    用贪心算法解非0-1背包问题

    贪心算法解背包问题,供读者参考,我想看看有没有动态规划算法的解决办法

    0-1背包问题贪心算法(C++实现)

    给定的C++代码实现了一个0-1背包问题的解决方案,但它实际上采用的是动态规划的方法而非纯粹的贪心算法,尽管标题和描述提及了“贪心”。下面将对代码进行详细分析: 1. **函数定义与初始化**: - `min` 和 `max` ...

    0-1背包问题贪心算法

    算法课程的0-1背包问题贪心算法代码,含截图,经测试可用

    java算法 0-1 背包问题贪心算法解决 netbeans

    用贪心算法解决背包问题,用netbeans做的。百分百下载就可以直接运行。JAVA 源文件。

    分别使用贪心算法、蛮力法、动态规划法解决分数背包问题和0-1背包问题python源码(带注释).zip

    【资源说明】分别使用贪心算法、蛮力法、动态规划法解决分数背包问题和0-1背包问题python源码(带注释).zip分别使用贪心算法、蛮力法、动态规划法解决分数背包问题和0-1背包问题python源码(带注释).zip分别使用贪心...

    用贪心算法实现背包问题

    但对于某些特殊类型的背包问题,如完全背包和0-1背包,贪心算法可以得到正确的结果。 在实际开发中,我们可能会遇到更复杂的情况,例如在SSH(Spring、Struts、Hibernate)框架下开发Web应用,或者涉及Android平台...

Global site tag (gtag.js) - Google Analytics