本文实例分析了PHP动态规划解决0-1背包问题。分享给大家供大家参考。具体分析如下:
背包问题描述:一个承受最大重量为W的背包,现在有n个物品,每个物品重量为t, 每个物品的价值为v。
要使得这个背包重量最大(但不能超过W),同时又需要背包的价值最大。
思路:定义一个二维数组,一维为物品数量(表示每个物品),二维是重量(不超过最大,这里是15),下面数组a,
动态规划原理思想,max(opt(i-1,w),wi+opt(i-1,w-wi)) 当中最大值,
opt(i-1,w-wi)指上一个最优解
<?php //这是我根据动态规划原理写的 // max(opt(i-1,w),wi+opt(i-1,w-wi)) //背包可以装最大的重量 $w=15; //这里有四件物品,每件物品的重量 $dx=array(3,4,5,6); //每件物品的价值 $qz=array(8,7,4,9); //定义一个数组 $a=array(); //初始化 for($i=0;$i<=15;$i++){ $a[0][$i]=0; } for ($j=0;$j<=4;$j++){ $a[$j][0]=0; } //opt(i-1,w),wi+opt(i-1,w-wi) for ($j=1;$j<=4;$j++){ for($i=1;$i<=15;$i++){ $a[$j][$i]=$a[$j-1][$i]; //不大于最大的w=15 if($dx[$j-1]<=$w){ if(!isset($a[$j-1][$i-$dx[$j-1]])) continue; //wi+opt(i-1,wi) $tmp = $a[$j-1][$i-$dx[$j-1]]+$qz[$j-1]; //opt(i-1,w),wi+opt(i-1,w-wi) => 进行比较 if($tmp>$a[$j][$i]){ $a[$j][$i]=$tmp; } } } } //打印这个数组,输出最右角的值是可以最大价值的 for ($j=0;$j<=4;$j++){ for ($i=0;$i<=15;$i++){ echo $a[$j][$i]."/t"; } echo "/n"; } ?>
希望本文所述对大家的php程序设计有所帮助。
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。
本文向大家介绍PHP回溯法解决0-1背包问题实例分析,包括了PHP回溯法解决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PHP回溯法解决0-1背包问题的方法。分享给大家供大家参考。具体分析如下: 这段代码是根据《软件设计师》教程的伪代码写的; 最麻烦的不是伪代码改成php,而是数组下标从0开始,及相应的下标判断问题; 带着调试输出一块写上 希望本文所述对大家的ph
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。
动态规划 动态规划 Dynamic Programming,核心思想就是将大问题划分成小问题进行解决,从而一步一步的获得最优解的处理算法 动态规划跟分治算法思想类似,但动态规划算法会依赖到上一次计算的结果,每次求解是建立在上一次子阶段的结果基础之上进一步处理,而分治算法分解出来问题往往是独立的 动态规划一般可以通过填表的方式进行逐步推进得到最优解 0/1背包问题 01背包问题是经典的利用动态规划算
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中的0-1背包问题?,包括了C中的0-1背包问题?的使用技巧和注意事项,需要的朋友参考一下 背包是袋子。背包问题是根据物品的值将物品放入袋中的。目的是使袋子内的值最大化。在0-1背包中,您既可以放置物品也可以将其丢弃,没有将物品的某些部分放入背包的概念。 样本问题 重量分布 最大值为65,因此我们将项目2和3放入背包。 0-1背包问题计划 输出结果