贪心算法解决背包问题
2016-06-14 15:20
211 查看
背包问题:
与0-1背包问题类似,所不同的是在选择物品i装入背包中时,可以选择物品i的一部分,而不一定要全部装入背包中,1<=i<=n。
此问题的形式化描述是,给定C>0,Wi>0,Vi>0,1<=i<=n,要求找出一个n元向量(x1,x2,....xn),0<=xi<=1,1<=i<=n,使得sum(Wixi)<=C,而sum(ViXi)达到最大。
问题分析:
虽然背包问题与0-1背包问题极为相似,但背包问题可以用贪心算法求解,而0-1背包问题却不能用贪心算法求解。
求解基本步骤:
首先计算每种物品单位重量的价值vi/wi,然后依据贪心选择策略,将尽可能多的单位重量价值最高的物品装入背包。若将这种物品全部装入背包后,背包内的物品总重量未超过C,则选择单位重量价值次高的物品尽可能多的装入背包。依次策略一直地执行下去,直到背包装满为止。具体算法描述如下:
public static float knapsack(float c,float[]w,float[]v,float[]x)
{
int n=v.length;
Element[]d=new Element
;
for(int i=0;i<n;i++)
d[i]=new Element(w[i],v[i],i);
MergeSort.mergeSort(d); //单位价值量大小排序
int i;
float opt=0;
for(i=0;i<n;i++)x[i]=0; //x[i]记录i物品取的数量,x[i]=1,表示全部取到
for(i=0;i<n;i++)
{
if(d[i].w>c)break;
x[d[i].i]=1; //注意d[i]与x[i]的映射关系
opt+=d[i].v;
c-=d[i].w;
}
if(i<n) //表示没有装满
{
x[d[i].i]=c/d[i].w; //取的d[i].i种物品装满装满剩余部分,一个比例
opt+=x[d[i].i]*d[i].v;
}
return opt;
}
总结:
注意背包问题与0-1背包问题的区别即可。
与0-1背包问题类似,所不同的是在选择物品i装入背包中时,可以选择物品i的一部分,而不一定要全部装入背包中,1<=i<=n。
此问题的形式化描述是,给定C>0,Wi>0,Vi>0,1<=i<=n,要求找出一个n元向量(x1,x2,....xn),0<=xi<=1,1<=i<=n,使得sum(Wixi)<=C,而sum(ViXi)达到最大。
问题分析:
虽然背包问题与0-1背包问题极为相似,但背包问题可以用贪心算法求解,而0-1背包问题却不能用贪心算法求解。
求解基本步骤:
首先计算每种物品单位重量的价值vi/wi,然后依据贪心选择策略,将尽可能多的单位重量价值最高的物品装入背包。若将这种物品全部装入背包后,背包内的物品总重量未超过C,则选择单位重量价值次高的物品尽可能多的装入背包。依次策略一直地执行下去,直到背包装满为止。具体算法描述如下:
public static float knapsack(float c,float[]w,float[]v,float[]x)
{
int n=v.length;
Element[]d=new Element
;
for(int i=0;i<n;i++)
d[i]=new Element(w[i],v[i],i);
MergeSort.mergeSort(d); //单位价值量大小排序
int i;
float opt=0;
for(i=0;i<n;i++)x[i]=0; //x[i]记录i物品取的数量,x[i]=1,表示全部取到
for(i=0;i<n;i++)
{
if(d[i].w>c)break;
x[d[i].i]=1; //注意d[i]与x[i]的映射关系
opt+=d[i].v;
c-=d[i].w;
}
if(i<n) //表示没有装满
{
x[d[i].i]=c/d[i].w; //取的d[i].i种物品装满装满剩余部分,一个比例
opt+=x[d[i].i]*d[i].v;
}
return opt;
}
总结:
注意背包问题与0-1背包问题的区别即可。
相关文章推荐
- 最好用的笔记软件AM-NoteBook 和 AllMyNotes
- WPF——给button添加背景图片
- php插件开发
- ExpandableListView 和CheckBox结合使用
- 金融词汇
- 5.Java面向对象
- Android之Toolbar的三个问题:修改左边箭头颜色、怎样修改右边以及子activity中的toolbar添加返回箭头
- python循环嵌套遍历前后关联的select下拉框
- Qt常用类型总结(转)
- 数组分割
- Mac 配置环境变量的方法
- 第十六周项目1—阅读程序(2)
- Training Region-based Object Detectors with Online Hard Example Mining
- PLDA简介
- IOS绘制矢量图 SVGKIT 的使用
- xcode 两个窗口 上下显示
- 【java】:java配置开发环境
- [置顶] 台湾大学机器学习笔记——Soft-Margin 支持向量机
- 随想(三) -- 如何给基于Javascript的rich editor添加协同功能
- Jquery基础之事件操作详解