背包的算法的动态方式如下:
状态转移方程理解如下:
f(i,w)表示前i个物体面对容量为w时背包的最大价值,weight[i]代表物体i的重量(即重量),value[i]代表物体i的价值;如果第i个物体不放入背包,则背包的最大价值等于前i-1个物体面对容量v的最大价值;如果第i个物体选择放入,则背包的最大价值等于前i-1个物体对容量w-weight [i]的最大价值加上物体i的价值value[i]。
综上,第i件物品要么选,要么不选。
1)如果不选,则第i件物品放w容量的最优值等于第i-1件物品放w容量的最优值;
2)如果i选,则第i件物品放w-weight容量的最优值再加value[i]的值。
现在我们的问题是:在一个数组中有若个数据,找出最接近所有数据10%的值?而且我们的实际情况是数组中存在的是实数,物品只有三百个左右,而待查找的数是几十万的情况。
做法:
1)所有的数据进行格式化处理,剔除小于100的数,实数四舍五入变正整数;
2)待查找的数降100倍,同时格式化的数据也进行降100倍处理,这样可以大大节省内存空间。
核心代码如下:
f(i,w) = max{ f(i-1,w), f(i-1,v-weight[i])+value[i] }
状态转移方程理解如下:
f(i,w)表示前i个物体面对容量为w时背包的最大价值,weight[i]代表物体i的重量(即重量),value[i]代表物体i的价值;如果第i个物体不放入背包,则背包的最大价值等于前i-1个物体面对容量v的最大价值;如果第i个物体选择放入,则背包的最大价值等于前i-1个物体对容量w-weight [i]的最大价值加上物体i的价值value[i]。
综上,第i件物品要么选,要么不选。
1)如果不选,则第i件物品放w容量的最优值等于第i-1件物品放w容量的最优值;
2)如果i选,则第i件物品放w-weight容量的最优值再加value[i]的值。
现在我们的问题是:在一个数组中有若个数据,找出最接近所有数据10%的值?而且我们的实际情况是数组中存在的是实数,物品只有三百个左右,而待查找的数是几十万的情况。
做法:
1)所有的数据进行格式化处理,剔除小于100的数,实数四舍五入变正整数;
2)待查找的数降100倍,同时格式化的数据也进行降100倍处理,这样可以大大节省内存空间。
核心代码如下:
public static void beiBao() {