贪心法求解背包问题

简介: 背包问题: 背包问题: 已知背包的容量为M和n件物品。第i件物品的重量为wi,价值为pi,将物品i的一部分xi放进背包即可获得价值pi*xi的价值。

背包问题:

背包问题:
已知背包的容量为M和n件物品。第i件物品的重量为wi,价值为pi,将物品i的一部分xi放进背包即可获得价值pi*xi的价值。问题: 怎样装包使所获得的价值最大?

贪心法核心思想:

贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。

求解背包问题的贪心原则可能是以下几个:

  1. 每次选价值最大的物品装进背包
  2. 每次都选提及最小的物品装进背包
  3. 每次选单位价值最大的装.

准则1每次装的价值大,但是同时也可能占据了较大的空间;准则2能装的物品多,总价值未必高,按第三种准则装可以实现背包总价值最大.因此将每个物品按单位价值递减排序,先装单位价值高的,最好空间有剩余,装物品的一部分即可。

C++程序实现:

include <iostream>
using namespace std;
//数组按pi/wi由大到小不递增排列
int greedypackage(int p[],int w[],int M,double X[],int n){
     int i; 
     int rc=M;//剩余背包容量,初始化为M;
      for (i = 0; i < n; ++i)
      {
          if(w[i]<=rc){
             X[i]=1;
             rc=rc-w[i];  
          } else{
            break;
          }
      }
      if(i<=n){
           X[i]=(double)rc/w[i];
      }
      for (i = 0; i < n; ++i)
      {
        cout<<X[i]<<"\t";
      }
    return 0;
}

int main(){
  int p[3]={24,15,25};
  int w[3]={15,10,18};//数组w是按wi/pi递减排列的,这一步可以用快速排序实现
  int M=20;
  double A[3]={0,0,0};

   greedypackage(p,w,M,A,3);
   return 0;
}

输出解:

1  0.5  0
目录
相关文章
|
6月前
|
算法
背包问题之贪心算法
背包问题之贪心算法
52 0
|
12月前
|
存储 算法
【趣学算法】Day3 贪心算法——背包问题
【趣学算法】Day3 贪心算法——背包问题
121 0
|
存储 缓存 移动开发
动态规划法
动态规划是在20世纪50年代由美国数学家贝尔曼为研究最优控制问题而提出的,当该方法在应用数学中的价值被大家认同以后,在计算机学界,动态规划法成为一种通用的算法设计技术用来求解多阶段决策最优化问题。
|
缓存 算法 网络协议
贪心法
贪心法是把一个复杂问题分解为一系列较为简单的局部最优选择,每一步选择都是对当前解的一个扩展,直到获得问题的完整解。贪心法的典型应用是求解最优化问题,而且对许多问题都能得到整体最优解,即使不能得到整体最优解,通常也是最优解的很好近似。
【动态规划法】0-1背包问题
【动态规划法】0-1背包问题
120 0
【动态规划法】0-1背包问题
|
存储
【贪心法】程序存储问题
【贪心法】程序存储问题
151 0
【贪心法】程序存储问题
|
算法
【贪心法】会场安排问题
【贪心法】会场安排问题
208 0
【贪心法】会场安排问题
|
人工智能 算法
【动态规划】矩阵连乘
完全加括号的矩阵连乘积可递归地定义为: • 单个矩阵是完全加括号的 • 矩阵连乘积A是完全加括号的,则A可表示为2个完全加括号的矩阵连乘积B和C 的乘积并加括号,即A=(BC) 设有四个矩阵A, B, C, D ,它们的维数分别是: A = 50*10 B = 10*40 C = 40*30 D = 30*5 总共有五种完全加括号的方式:
277 0
|
机器学习/深度学习 算法 计算机视觉
【背包问题】基于禁忌搜索算法求解背包问题附Matlab代码
【背包问题】基于禁忌搜索算法求解背包问题附Matlab代码
|
人工智能
Letcode 53. 最大子序和 (动态规划+分治法求解)
Letcode 53. 最大子序和 (动态规划+分治法求解)
103 0