01背包问题,完全背包问题(递归求解)

01背包在选第i个物品时,容积够用情况下,只有2种状态可选,放还是不放,找出最大价值的选择

而完全背包在选第i种物品时,容积够用情况下,可能有2种以上状态可选,放1个,或者2个,3个,或者不放。找出最大价值的选择

01背包问题问题

 

input:

5 8         //五件物品 背包容量为8

4 5 2 1 3  //物品价值

3 5 1 2 2  //物品数量

output:

10  //最大价值

#include<iostream>
using namespace std;
int w[100];
int v[100];
int maxValue;
int n,weight;    
void dfs(int sum,int nowWeight,int step)
{
	if(nowWeight>weight) //超出重量 则回退 
	return ;
	if(step==n) { //已经完成n件物品的选择 
		if(sum>maxValue)	
		maxValue=sum;	// 更新最大价值 
		return ;
	}
	dfs(sum+v[step],nowWeight+w[step],step+1);  //选这件物品
	dfs(sum,nowWeight,step+1);					//不选这件物品 
}

int main(void)
{
	cin>>n;
	cin>>weight;
	for(int i=0;i<n;i++)
		cin>>v[i];
	for(int i=0;i<n;i++)
		cin>>w[i];
	 
	dfs(0,0,0);
	cout<<maxValue<<endl;
	return 0;
}

完全背包问题

如:有一些礼品,每个礼品都有其价值和重量,从中选取礼品,给定一个重量值w,使得所选取的礼品的总重量不大于w,且总价值最大

        输入:第一行为礼品数量,第二行为每个礼品的价值,第三行为每个礼品的重量,第四行为指定的重量值

        输出:最大价值

        示例:5

                   5000 4000 3000 500 200

                   5 4 6 3 1

                  10

        输出:9200


 

#include<iostream>
using namespace std;
int w[100];
int v[100];
int maxValue,n,weight;    
void dfs(int sum,int nowWeight,int step)
{
	if(nowWeight>weight||step>=n)		//当前重量大于最大重量 或全部选完 
	return ;		//回退 
	if(sum>maxValue)
	maxValue=sum;
	dfs(sum+v[step],nowWeight+w[step],step+1);  //选这件物品 然后选下一件 
	dfs(sum+v[step],nowWeight+w[step],step); 	//选这件物品 然后继续选这一件 
	dfs(sum,nowWeight,step+1);					//不选这件物品 
}

int main(void)
{
	cin>>n;
	for(int i=0;i<n;i++)
		cin>>v[i];
	for(int i=0;i<n;i++)
		cin>>w[i];
	cin>>weight;
	dfs(0,0,0);
	cout<<maxValue<<endl;
	return 0;
}

 

上述代码的实质是进行暴力求解 列举每一种情况的价值然后进行适当的减枝,当然用动态规划是更好的方法。

  • 8
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Python中的分支限界法(Branch and Bound)是一种用于解决最优化问题,尤其是整数线性规划(Integer Linear Programming, ILP)和约束满足问题(Constraint Satisfaction Problem, CSP)的有效算法,包括背包问题背包问题是一个经典的动态规划问题,但在某些情况下,如存在大量可能的子集或物品价值和体积受限的情况下,分支限界法可以帮助优化搜索空间。 分支限界法的基本思路是: 1. **定义问题空间**:将背包问题转换为一个决策结构,每个节点代表一个状态,包含当前选择的物品集合和剩余容量。 2. **剪枝策略**:使用上界和下界值来限制搜索。对每个子问题,计算已知物品的总价值和体积,如果超过背包容量的上界,则可以直接舍弃这个子问题。 3. **分支操作**:选择未被完全处理的子问题中的一个进行深度优先搜索,将其分为两个子问题,一个包含当前物品,一个不包含。 4. **递归调用**:对新生成的子问题递归地应用分支限界法,直至找到最优解或确定无解。 5. **回溯算法**:当某个子问题无法找到更好的解时,回溯到上一个节点继续探索其他路径。 6. **终止条件**:通常当找到一个解,并且其价值超过目标值时,或者所有的可能性都被穷举并且没有找到更好的解时,算法结束。 在Python中,可以利用内置的数据结构(如字典或列表)来表示问题空间,并使用递归函数来实现分支限界算法。这里提供了一个简化的例子: ```python def branch_and_bound(bag_capacity, items, values, weights): # ... (定义上界和下界,剪枝策略等) def backtrack(state, capacity, best_value): # ... (实现递归函数,处理子问题,剪枝) backtrack(([], capacity), 0, 0) # 起始状态:空背包,0容量 ```

“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 2
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