/*************************************************************************
* Compilation: javac Knapsack.java
* Execution: java Knapsack N W
*
* Generates an instance of the 0/1 knapsack problem with N items
* and maximum weight W and solves it in time and space proportional
* to N * W using dynamic programming.
*
* For testing, the inputs are generated at random with weights between 0
* and W, and profits between 0 and 1000.
*
* % java Knapsack 6 2000
* item profit weight take
* 1 874 580 true
* 2 620 1616 false
* 3 345 1906 false
* 4 369 1942 false
* 5 360 50 true
* 6 470 294 true
*
*************************************************************************/
public class Knapsack {
private int[] profit;
private int[] weight;
private int N;
private int W;
public Knapsack(int n, int w)
{
N = n;
W = w;
dataGeneration();
}
private void dataGeneration()
{
profit = new int[N + 1];
weight = new int[N + 1];
// generate random instance, items 1..n
for (int n = 1; n <= N; n++) {
profit[n] = (int) (Math.random() * 1000);
weight[n] = (int) (Math.random() * W);
}
}
public boolean[][] doKnapsack()
{
// opt[n][w] = max profit of packing items 1..n with weight limit w
// sol[n][w] = does opt solution to pack items 1..n with weight limit w include item n?
int[][] opt = new int[N + 1][W + 1];
boolean[][] sol = new boolean[N + 1][W + 1];
for (int n = 1; n <= N; n++) {
for (int w = 1; w <= W; w++)
if (weight[n] <= w && (profit[n] + opt[n - 1][w - weight[n]] > opt[n - 1][w]))
{
opt[n][w] = profit[n] + opt[n - 1][w - weight[n]];
sol[n][w] = true;
}
else
{
opt[n][w] = opt[n - 1][w];
sol[n][w] = false;
}
}
return sol;
}
public void print(boolean[][] sol)
{
// determine which items to take
boolean[] take = new boolean[N + 1];
for (int n = N, w = W; n > 0; n--) {
if (sol[n][w]) { take[n] = true; w = w - weight[n]; }
else { take[n] = false; }
}
// print results
System.out.println("item" + "\t" + "profit" + "\t" + "weight" + "\t" + "take");
for (int n = 1; n <= N; n++) {
System.out.println(n + "\t" + profit[n] + "\t" + weight[n] + "\t" + take[n]);
}
}
public static void main(String[] args) {
int n = Integer.parseInt(args[0]); // number of items
int w = Integer.parseInt(args[1]); // maximum weight of knapsack
Knapsack app = new Knapsack(n, w);
boolean[][] sol = app.doKnapsack();
app.print(sol);
}
}
分享到:
相关推荐
总结来说,动态规划法求解0-1背包问题的关键在于构建正确的状态转移方程,并通过填表的方式逐步计算出所有子问题的最大价值。这种思想不仅可以应用于背包问题,还可以广泛应用于其他优化问题,如最长公共子序列、...
动态规划作为一种重要的算法设计策略,在解决优化问题方面有着广泛的应用。以下是基于提供的文档摘要对动态规划相关知识点的详细阐述。 #### 4.1 动态规划的基本要素 **为什么使用动态规划?** - **子问题不独立...
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
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,我们将对动态规划法求解0-1背包问题的改进算法进行详细...
在代码`0-1背包问题 动态规划法.cpp`中,可以看到如何定义这些数据结构和函数,以及如何调用它们进行计算。 此外,课程的随堂作业可能要求学生理解并实现这个过程,通过编写C代码来加深对动态规划的理解。在提交...
总的来说,这个C++实现的0-1背包问题动态规划算法不仅展示了如何利用动态规划解决问题,还提供了代码调试和测试的方法,是学习和理解动态规划算法的一个优秀实例。通过深入研究和实践,我们可以掌握这一重要的算法...
本资源包含了0-1背包问题的最佳所有解法,其中包括动态规划算法,回溯法算法,分支限界算法和贪心算法。包含源代码。
动态规划法是一种广泛应用于计算机科学和运筹学中的算法设计技术,它在解决具有重叠子问题和最优子结构特征的最优化问题方面表现得尤为出色。算法设计与分析领域的研究人员和实践者们经常利用动态规划来提出高效、...
这个问题可以使用多种算法来解决,包括动态规划法、贪心算法、回溯法和分支限界法。下面分别详细介绍这四种方法。 1. **动态规划法**: 动态规划法是解决0-1背包问题的常用方法。基本思想是通过构建一个二维数组`c...
### 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...
在哈工程的本科算法实验中,0-1背包问题是一个重要的学习内容,它涉及到动态规划、分支限界和回溯法这三种不同的算法解决策略。这些方法都是在处理优化问题时,尤其是面对有限资源和多种选择的情况下,寻找最优解的...
基于python实现贪心算法、蛮力法、动态规划法解决分数背包问题和0-1背包问题源码(高分课程设计).zip内含详细使用说明文档,个人经导师指导并认可通过的98分大作业设计项目,主要针对计算机相关专业的正在做课程...
解决0-1背包问题的常见算法包括动态规划法和回溯法。在这里,我们将介绍动态规划法。 动态规划法是通过创建一个二维数组dp来解决问题的。其中,dp\[i]\[j]表示前i个物品在容量为j时能得到的最大价值。通过迭代计算...
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]
总结来说,0-1背包问题的贪心法和动态规划法是两种不同的解决策略。贪心算法虽然简单,但可能无法找到全局最优解,而动态规划则能确保找到最优解,但需要更多的计算资源。通过这样的实验,学生能够深入理解这两种...
C语言是一门面向过程、抽象化的通用程序设计语言,广泛应用于底层开发。C语言能以简易的方式编译、处理低级存储器。C语言是仅产生少量的机器语言以及不需要任何运行环境支持便
【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...
0-1背包问题是一个经典的计算机科学优化问题,它在算法设计和分析中占有重要地位,尤其是在运筹学、组合优化和计算机科学的算法设计中。动态规划是解决此类问题的有效方法,通过构建一个二维数组来存储子问题的解,...
"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选择一部分,使得总价值最大且总重量不超过背包容量的限制。该问题有多种解决方法,本文将...