背包问题 算法实现

动态规划算法

package algorithm;

public class T7_21 {
    public static void main(String[] args){
        int s[] = {2,3,4,5};
        int v[] = {3,4,5,7};
        int C = 9;

        System.out.println(big(s,v,C));
    }

    public static int big(int[] s,int [] v,int C){
        int L_s = s.length;
        int V[][] = new int[100][100];
        for(int i =0;i<=L_s;i++){
            V[i][0] = 0;
        }
        for(int j =0;j<=C;j++){
            V[0][j] = 0;
        }
        for(int i =1;i<=L_s;i++){
            for(int j =1;j<=C;j++){
                if(j<s[i-1]){
                    V[i][j] = V[i-1][j];
                }
                else {
                    V[i][j] = V[i][j]>(V[i-1][j-s[i-1]]+v[i-1])?V[i][j]:(V[i-1][j-s[i-1]]+v[i-1]);
                }
            }
        }
        for(int i =0;i<=L_s;i++){
            for(int j = 0;j<=C;j++){
            System.out.printf("%3d",V[i][j]);}
            System.out.println();
        }
        System.out.print("          背包的最大价值为:");
        return V[L_s][C];
    }

}
时间: 2024-10-12 19:45:21

背包问题 算法实现的相关文章

背包问题笔记

对于背包问题算法的理解 01背包: 算是模板的代码: #include<bits/stdc++.h> using namespace std; int dp[1005]; int weight[1005]; int value[1005];int main() { int n,m; cin>>n>>m; memset(dp,0,sizeof(dp)); for(int i=1; i<=n; i++) cin>>value[i]>>weigh

野生前端的数据结构练习(11)动态规划算法

一.动态规划算法 dynamic programming被认为是一种与递归相反的技术,递归是从顶部开始分解,通过解决掉所有分解出的问题来解决整个问题,而动态规划是从问题底部开始,解决了小问题后合并为整体的解决方案,从而解决掉整个问题. 动态规划在实现上基本遵循如下思路,根据边界条件得到规模较小时的解,小规模问题合并时依据递推关系式进行,也就是说较大规模的问题解可以由较小问题的解合并计算得到.最经典易懂的就是使用递归算法和动态规划算法两种不同的方式来计算斐波那契数列或求阶乘的对比,动态规划算法的特

Phenix.NET for WebAPI &amp; WF &amp; CSLA,企业级、分布式、符合领域建模的OOP软件快速开发平台

2016-8-28版本: Phenix6(for WebAPI & WF & CSLA)开发平台        : http://download.csdn.net/detail/phenixiii/9615312 CSLA & Delphi 爱好者 & Phenix for .net 开发平台用户交流群:206648373 以下是版本升级告示: 在IDE中设计业务类的映射关系演示: 2011-10-9升级: BusinessBase取子业务对象集合时,可以从本地的业务对象

PAT甲级题分类汇编——杂项

集合.散列.数学.算法,这几类的题目都比较少,放到一起讲. 题号 标题 分数 大意 类型 1063 Set Similarity 25 集合相似度 集合 1067 Sort with Swap(0, i) 25 通过与0号元素交换来排序 数学 1068 Find More Coins 30 子集和问题 算法 1070 Mooncake 25 背包问题 算法 1078 Hashing 25 散列 散列 1085 Perfect Sequence 25 符合约束的最大数列长度 集合 1092 To

01背包问题的动态规划算法

01背包问题我最初学会的解法是回溯法,第一反应并不是用动态规划算法去解答.原因是学习动态规划算法的时候,矩阵连乘.最长公共子串等问题很容易将问题离散化成规模不同的子问题,比较好理解,而对于01背包问题则不容易想到将背包容量离散化抽象出子问题,从情感上先入为主也误以为动态规划算法不是解决01背包问题的好方法,实际上并不是这样的.另外,动态规划算法不对子问题进行重复计算,但是要自底向上将所有子问题都计算一遍,直到计算出最终问题的结果也就是我们要的答案,有点像爬山的感觉. 问题描述:给定n种物品和一背

算法学习 - 01背包问题(动态规划C++)

动态规划 01背包 问题描述 求解思路 代码实现 放入哪些物品 代码 动态规划 我在上一篇博客里已经讲了一点动态规划了,传送门:算法学习 - 动态规划(DP问题)(C++) 这里说一下,遇到动态规划应该如何去想,才能找到解决办法. 最主要的其实是要找状态转移的方程,例如上一篇博客里面,找的就是当前两条生产线的第i个station的最短时间和上一时刻的时间关系. minTime(station[1][i]) = minTime(station[1][i-1] + time[i], station[

贪心算法之背包问题

贪婪算法的基本思想:通过一系列步骤来构造问题的解,每一步都是对已构造的部分解的一个扩展,直到获得问题的完整解. 贪婪算法中,每一步“贪婪地” 选择最好的部分解,但不顾及这样选择对整体的影响(局部最优),因此得到的全局解不一定最好的解,但对许多问题它能产生整体最优解. 具体算法描述: public static void Greedy()        {            float cu = c;            int temp = 0;            int i = 0;

【算法导论】0-1背包问题

一.0-1背包问题描述: 已知:小偷在店里偷东西,小偷只带了一个最大承重为W的背包,商店里有N件商品,第i件商品的重量是weight[i],价钱是value[i]. 限制:每种商品只有一件,可以选择拿或者不拿,不能分割,不能只拿一件商品的一部分(所以叫做0-1,0即不拿,1则整个拿走,且一种商品有且只有一件可供拿走) 问题:在不超过背包最大承重的情况下,最多能拿走多少钱的商品. 算导上与0-1背包问题对应的是分数背包问题,分数背包问题中的物品是可以取一部分的,就是说可以拆分的,不像0-1背包中,

《算法导论》读书笔记之第16章 0-1背包问题—动态规划求解

原文:http://www.cnblogs.com/Anker/archive/2013/05/04/3059070.html 1.前言 前段时间忙着搞毕业论文,看书效率不高,导致博客一个多月没有更新了.前段时间真是有些堕落啊,混日子的感觉,很少不爽.今天开始继续看算法导论.今天继续学习动态规划和贪心算法.首先简单的介绍一下动态规划与贪心算法的各自特点及其区别.然后针对0-1背包问题进行讨论.最后给出一个简单的测试例子,联系动态规划实现0-1背包问题. 2.动态规划与贪心算法 关于动态规划的总结