在小背包问题中,给出了一组项目,每个项目都有一个权重和一个值。我们需要打破物品以最大化背包的总值,这可以通过贪婪的方法来完成。
Begin Take an array of structure Item Declare value, weight, knapsack weight and density Calculate density=value/weight for each item Sorting the items array on the order of decreasing density We add values from the top of the array to total value until the bag is full, i.e; total value <= W End
#include <iostream> #include <bits/stdc++++.h> using namespace std; typedef struct { int v; int w; float d; } Item; void input(Item items[],int sizeOfItems) { cout << "Enter total "<< sizeOfItems <<" item's values and weight" << endl; for(int I = 0; I < sizeOfItems; i++) { cout << "Enter "<< i+1 << " V "; cin >> items[i].v; cout << "Enter "<< i+1 << " W"; cin >> items[i].w; } } void display(Item items[], int sizeOfItems) { int i; cout << "values: "; for(i = 0; i < sizeOfItems; i++) { cout << items[i].v << "\t"; } cout << endl << "weight: "; for (I = 0; I < sizeOfItems; i++) { cout << items[i].w << "\t"; } cout << endl; } bool compare(Item i1, Item i2) { return (i1.d > i2.d); } float knapsack(Item items[], int sizeOfItems, int W) { int i, j, pos; Item mx, temp; float totalValue = 0, totalWeight = 0; for (i = 0; i < sizeOfItems; i++) { items[i].d = items[i].v / items[i].w; } sort(items, items+sizeOfItems, compare); for(i=0; i<sizeOfItems; i++) { if(totalWeight + items[i].w<= W) { totalValue += items[i].v ; totalWeight += items[i].w; } else { int wt = W-totalWeight; totalValue += (wt * items[i].d); totalWeight += wt; break; } } cout << "total weight in bag " << totalWeight<<endl; return totalValue; } int main() { int W; Item items[4]; input(items, 4); cout << "Entered data \n"; display(items,4); cout<< "Enter Knapsack weight \n"; cin >> W; float mxVal = knapsack(items, 4, W); cout << "Max value for "<< W <<" weight is "<< mxVal; }
输出结果
Enter total 4 item's values and weight Enter 1 V 50 Enter 1 W 10 Enter 2 V 60 Enter 2 W 20 Enter 3 V 70 Enter 3 W 30 Enter 4 V 70 Enter 4 W 40 Entered data values: 50 60 70 70 weight: 10 20 30 40 Enter Knapsack weight 60 total weight in bag 60 Max value for 60 weight is 180
本文向大家介绍解决0-1背包问题的C ++程序,包括了解决0-1背包问题的C ++程序的使用技巧和注意事项,需要的朋友参考一下 在0-1背包问题中,给出了一组项目,每个项目都有一个权重和一个值。我们需要确定要包含在集合中的每个项目的数量,以使总重量小于或等于给定的限制,并且总值尽可能大。 输入项 输出结果 算法 范例程式码 输出结果
本文向大家介绍C#用递归算法解决经典背包问题,包括了C#用递归算法解决经典背包问题的使用技巧和注意事项,需要的朋友参考一下 1.引子 我们人类是一种贪婪的动物,如果给您一个容量一定的背包和一些大小不一的物品,裝到背包里面的物品就归您,遇到这种好事大家一定不会错过,用力塞不一定是最好的办法,用脑子才行,下面就教您如何解决这样的问题,以获得更多的奖品。 2.应用场景 在一个物品向量中找到一个子
主要内容:贪心算法解决部分背包问题在限定条件下,如何从众多物品中选出收益最高的几件物品,这样的问题就称为背包问题。 图 1 背包问题 举个简单的例子,商店的货架上摆放着不同重量和价值的商品,一个小偷在商店行窃,他携带的背包只能装固定重量的商品,选择哪些商品才能获得最大的收益呢?这个问题就属于背包问题,限定条件是背包的承重,最终目标是令背包中存放的物品的总收益最高。 根据不同的限定条件,背包问题还可以有更细致的划分: 0-1 背
本文向大家介绍在Python中实现分数背包问题的程序,包括了在Python中实现分数背包问题的程序的使用技巧和注意事项,需要的朋友参考一下 假设我们有两个列表,权重和相同长度的值,以及另一个值容量。权重[i]和值[i]表示第i个元素的权重和值。因此,如果我们最多可以采用容量权重,并且可以按比例取值,则占项目权重的一小部分,则必须找到可以得到的最大值(四舍五入为最接近的整数) 因此,如果输入像权重=
本文向大家介绍C#使用动态规划解决0-1背包问题实例分析,包括了C#使用动态规划解决0-1背包问题实例分析的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了C#使用动态规划解决0-1背包问题的方法。分享给大家供大家参考。具体如下: 希望本文所述对大家的C#程序设计有所帮助。
几天前,我在读关于分数背包问题的贪婪算法和动态规划的书,我发现这个问题可以用贪婪方法得到最优解。谁能给出一个例子或解决方案来解决这个问题的动态规划方法? 我知道贪婪方法是解决这个问题的最好方法,但我想知道动态规划是如何解决这个问题的。