`
Getwaysun
  • 浏览: 32090 次
  • 性别: Icon_minigender_2
  • 来自: 上海
社区版块
存档分类
最新评论

背包算法

 
阅读更多

import java.util.Vector;

public class PackageTest {

	/**
	 * 背包算法:最优化问题,为一个给定空间或负重的背包和许多大小不一的物体分配适合的空间
	 * 哪些物体放入背包才能使得浪费的背包空间或负重最小?
	 * 在背包很小和物体数目较少时,这个问题还比较容易解决,但当背包很大且有很多个物体时,
	 * 问题的求解就十分困难,通常这个问题会有一个或多个解,也有可能根本没有解。。。。
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		
		int a[]={11,8,7,6,5};
		int b[]={13,8,7,6,5};
		int total=20;
		int leftbound=total;
		int max=0;
		int i=0;
		int j=0;
		Vector v1=new Vector();
		Vector v2=new Vector();
		while(j<5){
			i=j;
			while(i<5){
				if(a[i]<=leftbound){
					v1.addElement(new Integer(a[i]));
					v2.addElement(new Integer(i));
				}
				if(i>=4 && !v1.isEmpty()){
					int value=0;
					for(int k=0;k<v1.size();k++){
						System.out.print(((Integer)v1.elementAt(k)).intValue());
						System.out.print(",");
						value=value+b[((Integer)v2.elementAt(k)).intValue()];
					}
					System.out.println("value="+value);
					if(max<value){
						max=value;
					}
					leftbound=leftbound+((Integer)v1.remove(v1.size()-1)).intValue();
					i=((Integer)v2.remove(v2.size()-1)).intValue()+1;
					continue;
				}
				i++;
			}
			j++;
			leftbound=total;
			int value=0;
			for(int k=0;k<v1.size();k++){
				System.out.println((Integer)v1.elementAt(k));
				System.out.println(",");
				value=value+b[((Integer)v2.elementAt(k)).intValue()];
			}
			System.out.println("value="+value);
			if(max<value){
				max=value;
			}
			while(!v1.isEmpty()){
				v1.remove(v1.size()-1);
				v2.remove(v2.size()-1);
			}
		}
		System.out.println("max="+max);
	}

}

分享到:
评论

相关推荐

    java背包算法例子

    原先在网上找到某位大虾写的一个简单的背包算法,于是在其基础上改成适合我们目前项目中要求的背包算法。此算法要求传入一组对象集合(其中的对象中只包含主键和值)和某个条件值,然后能打印sum(对象.值)条件的1个...

    基于0-1背包算法的社交网络行为隐写术.docx

    基于0-1背包算法的社交网络行为隐写术 本文提出了一种基于0-1背包算法的社交网络行为隐写术,以解决传统隐写术的安全性问题。该方法通过引入0-1背包人员分配协议,降低了发送者和接收者有较多的共同好友这一限制...

    各种背包算法详解

    **背包算法详解** 在计算机科学和算法设计中,背包问题是一种经典的优化问题,它源于组合优化和图论领域。背包问题通常与资源分配、决策分析和最优化策略相关,广泛应用于项目管理、库存控制、软件工程等多个领域。...

    背包算法JAVA实现

    背包算法 背包算法JAVA实现 背包算法JAVA实现

    Java背包算法规划求解

    Java背包算法规划求解是一种经典的优化问题,常用于解决资源有限条件下的最大化效益问题。在给定的场景中,我们有n种商品,每种商品只有一个,并且有200块钱去购物,目标是使购买的商品总价值最大。这个问题可以抽象...

    pack.rar_背包_背包算法_背包算法 matlab_背包算法MATLAB

    【标题】"pack.rar_背包_背包算法_背包算法 MATLAB_背包算法MATLAB" 提供了一个关于使用MATLAB实现背包问题算法的详细资料。背包问题是一个经典的优化问题,广泛应用于资源分配、决策制定等领域。在这里,我们将深入...

    背包问题.rar_matlab算法实现背包问题_价值背包算法_背包最大价值_背包问题_遗传算法 背包

    三、价值背包算法 在本项目中,我们特别关注价值背包问题,即每个物品的价值和重量不等。在选择物品时,不仅考虑其重量,还要考虑其对整体价值的贡献。通过遗传算法,我们能够平衡重量限制与价值最大化的关系,找到...

    C++ 编写的背包算法程序 动态规划

    C++编写的背包算法程序 cpp 动态规划

    0-1背包算法代码实现

    0-1背包算法的目的是在不超过背包总承重的情况下,选择物品以最大化总价值。 本文将详细介绍0-1背包问题的解决方案,并提供C++代码实现,以便读者理解并运行验证。 首先,我们需要定义物品的基本结构,包括其重量...

    baglock_密码学背包算法_pridebt1_

    综合以上信息,我们可以了解到这是一套用C++编写的密码学程序,实现了背包算法,可能是为了加密或解密目的。要深入理解这个算法的工作原理和用途,我们需要查看`baglock.cpp`源代码,并结合密码学理论来分析其加密...

    背包 背包问题 背包算法

    在IT领域,背包问题是一种经典的优化问题,常用于解决资源有限条件下的决策优化。这个问题源自于实际生活中的各种场景,...对于学生和爱好者而言,深入理解并熟练应用背包算法,无疑会增强他们在信息技术领域的竞争力。

    PHP 01背包算法

    用 PHP 实现的 01 背包算法,参考了网上的相关 C++ 算法,用来方便 PHP 程序员改造使用,我是用它来实现在指定宽度的栏中整齐的排列一堆标签云,效果非凡且神奇,初次使用时一瞬间的确有这样的感觉。

    背包算法经典

    ### 背包算法经典:深入解析背包九讲 #### 第一讲:01背包问题 **知识点概览**:01背包问题是最基础的背包问题类型,涉及到的每种物品仅有一件,且每件物品只能选择放入背包或不放入背包。此问题通过动态规划方法...

    C++实现回溯算法 0 1 背包算法

    C++实现回溯算法 0 1 背包算法 本文将详细介绍 C++ 实现回溯算法 0 1 背包算法的知识点。 首先,需要了解背包问题的定义。背包问题是指在有限容量的背包中,如何选择物品以达到最大价值的优化问题。在这里,我们...

    分支界限思想解0-1背包算法

    它描述的是这样的场景:我们有一组物品,每种物品都有一个重量和价值,我们需要选择一部分物品放入一个容量有限的背包中,使得放入背包的物品总重量不超过背包的容量,同时使这些物品的总价值最大。0-1背包问题的...

    0-1背包及部分背包算法实验

    0-1背包问题和部分背包问题是运筹学和计算机科学中的经典优化问题,它们在资源分配、任务调度、投资决策等多个领域有广泛应用。本实验主要关注这两种问题的算法实现,特别是动态规划和贪心策略。 0-1背包问题源于一...

    0-1背包算法(动态规划)

    0-1背包问题是一种经典的组合优化问题,在计算机科学和运筹学中有着广泛的应用。...在实际编程中,可以使用Python、Java等编程语言实现这个算法,并通过输入不同的物品和背包承重,测试算法的正确性和效率。

    C++代码背包算法

    【C++代码背包算法】 在计算机科学中,背包问题(Knapsack Problem)是一类经典的组合优化问题。它源于实际生活中的物品装箱问题,旨在确定如何选择物品以最大化价值,同时不超过容器(背包)的最大容量限制。背包...

    python 编写的背包算法

    输入物品数量n,报的容量m,每个物品的体积,每个物品的价值 输入:最大价值

    01背包算法 C语言代码

    01背包问题算法 动态规划 代码 01背包问题算法 动态规划 代码 01背包问题算法 动态规划 代码

Global site tag (gtag.js) - Google Analytics