《分数背包问题》快速求解(贪心法)

目录

前言

一、贪心策略

二、具体步骤

实例如下:

三、代码实现

伪代码:

C++代码:

 

        总结


前言

分数背包问题:

在分数背包问题中,物品可以被分割成更小的部分,可以部分装入背包,而不是只能选择整个物品装入或不装入背包。


一、贪心策略

贪心法在解决分数背包问题时,可以按照 单位重量价值(价值/重量)从大到小的顺序,依次将单位重量价值最大的物品放入背包,直到背包装满为止。这样能够得到一个最优解。

二、具体步骤

  1. 计算每个物品的单位重量价值(value/weight)类似于 性价比的意思(不是屌丝饮料哦~)。
  2. 按照单位重量价值从大到小排序。
  3. 依次将单位重量价值最大的物品放入背包,直到背包无法再放入为止。

实例如下:

这里按照性价比排序:2.1  、2  、1.5  、1.2  、1   

总重量=30+10+20+40=100(这里最后一样物品取4/5)

总价值=65+20+30+48=163

三、代码实现

伪代码:

FractionalKnapsack(values[], weights[], capacity):
    n = length of values[] and weights[]
    
    // 计算每个物品的单位重量价值
    for i from 0 to n-1:
        value_per_weight[i] = values[i] / weights[i]
    
    // 按单位重量价值从大到小排序
    sort items by value_per_weight in descending order
    
    total_value = 0
    remaining_capacity = capacity
    
    // 尝试将物品放入背包
    for i from 0 to n-1:
        if weights[i] <= remaining_capacity:
            total_value = total_value + values[i]
            remaining_capacity = remaining_capacity - weights[i]
        else:
            total_value = total_value + value_per_weight[i] * remaining_capacity
            break
    
    return total_value

C++代码:

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

struct Item {
    int value;
    int weight;
    double value_per_weight;
};

bool compare(Item a, Item b) {
    return a.value_per_weight > b.value_per_weight;
}

double fractional_knapsack(vector<int> value, vector<int> weight, int capacity) {
    vector<Item> items;
    for (int i = 0; i < value.size(); i++) {
        items.push_back({value[i], weight[i], (double)value[i]/weight[i]});
    }

    sort(items.begin(), items.end(), compare);

    double total_value = 0.0;
    int remaining_capacity = capacity;

    for (int i = 0; i < items.size(); i++) {
        if (remaining_capacity >= items[i].weight) {
            total_value += items[i].value;
            remaining_capacity -= items[i].weight;
        } else {
            total_value += items[i].value_per_weight * remaining_capacity;
            break;
        }
    }

    return total_value;
}

int main() {
    vector<int> value = {60, 100, 120};
    vector<int> weight = {10, 20, 30};
    int capacity = 50;

    cout << fractional_knapsack(value, weight, capacity) << endl; // 输出为240.0

    return 0;
}
   结果:(这里我写的性价比分别是 60,50,40 可以根据要求自我修改)

总结:

贪心算法在解决背包问题时具有以下优点和缺点:

优点:
1. 算法简单易懂:贪心算法通常实现简单,易于理解和实现。
2. 时间复杂度低:贪心算法通常具有较低的时间复杂度,适用于大部分实际问题的求解。
3. 快速得到一个近似解:贪心算法能够在较短时间内得到一个较好的近似解,对于一些实际问题来说已经可以满足要求。

缺点:
1. 不能保证得到最优解:贪心算法的局部最优策略不一定能够达到全局最优解,因此无法保证对所有问题都能够得到最优解。
2. 可能存在局部最优解误判:贪心算法可能会因为贪心选择而导致达到一个局部最优解,但最终并不是整体最优解。
3. 需要正确的贪心选择策略:贪心算法对于不同的问题需要选择合适的贪心策略,否则可能会得到错误的结果。

综上所述,贪心算法在背包问题中有其优势和局限性,具体是否选择使用贪心算法取决于问题本身的特点和要求。在实际应用中,需要仔细考虑问题的具体情况,综合考虑算法的优势和局限性,选择合适的解决方法。
 

  • 11
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值