近似装箱问题

一、问题描述

设给定N项物品， 大小为s1, s2, s3, …, sn, 每个物品的都不超过1； 现有大小为1的箱子若干个， 将物品装入箱子中， 尽量使用少的箱子装满所有物品；
实例：
现有一列物品：0.2， 0.5， 0.4， 0.7， 0.1， 0.3， 0.8；其中一种装箱方案如下所示：

装箱问题是一个NP完全问题， NP完全问题的最优解的时间复杂度不能是一个二项式的（通常NP问题的时间复杂度是指数型的）；因此， 当获知这是一个NP完全问题， 就要考虑不纠结于求解其最优解，通常求解器近似解，并且近似解的时间复杂度很小；

二、区分联机算法与脱机算法

1） 联机算法
联机算法相当于输入数据不是一次性传递到算法的，每来一个数据， 算法就要处理这个数据；算法对已经处理过的数据并不能修改， 算法对未来的数据也无法预测；

2） 脱机算法
脱机算法的输入数据通常是一组事先已知的数据， 算法可以对数据进行预先处理，例如排序。之后在进行装箱算法。一般脱机算法能够得到更优的解；

三、近似装箱问题的求解算法

1） 下项适配(next fit)
当处理一个物品的时候， 检查当前箱子容量是否足够；如果足够， 就将物品放入当前箱子， 如果不足， 就重新开辟一个新的箱子；
下项适配的代码如下：

#include <stdio.h>
#include <stdlib.h>

#define N 7
float item[] = {
    0.2, 0.5, 0.4, 0.7, 0.1, 0.3, 0.8 };
float box[N] = {
    1, 1, 1, 1, 1, 1, 1 };
int flags[N] = {
    0 };

void binningNextFit() {
   
	int index = 0;
	for (int i = 0; i < N; i++) {