Java——蛮力法及相关案例(含代码)

Java——蛮力法及相关案例(含代码)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
选择排序代码实现

public class Select {
public static void main(String[] args) {
	int[] array= new int[]{4,8,3,6,1};
	int n=5;
	System.out.println("原来的序列为:");
	System.out.println("4,8,3,6,1");
	Select sc=new Select();
	sc.select(array, n);
	System.out.println("排序后为:");
	for(int i=0;i<n;i++) {
		System.out.print(+array[i]+" ");
	}
}
public void select(int[] array,int n) {
	int i,j,index,temp;
	for(i=0;i<n-1;i++) {
		index=i;
		for(j=i+1;j<n;j++) {
			if(array[j]<array[index]) {
				index=j;
			}
		}
		if(index!=i) {
			temp=array[i];
			array[i]=array[index];
			array[index]=temp;
		}
	}
}
}

运行结果
请添加图片描述

在这里插入图片描述
在这里插入图片描述
TSP商旅问题代码

package sf;

import java.util.Scanner;

public class bestWay {
	static int[][] a=new int[5][5];
	static int[] bestWay=new int[6];
	static int min=9999999;
	static int sum=0;
	
	static Scanner in=new Scanner(System.in);
	
	public static void main(String[] args) {
		System.out.println("输入两个城市及其距离:");
		for(int i=1;i<7;i++) {
			int x=in.nextInt();
		int y=in.nextInt();
		int z=in.nextInt();
		a[x][y]=z;
		a[y][x]=z;
		}
	
	for(int i=2;i<a.length;i++) {
		for(int j=2;j<a.length;j++) {
			if(j!=i) {
				for(int k=2;k<a.length;k++) {
					if(k!=i&&k!=j) {
						sum=a[1][i]+a[i][j]+a[j][k]+a[k][1];
						if(min>sum) {
							min=sum;
							bestWay[1]=1;
							bestWay[2]=i;
							bestWay[3]=j;
							bestWay[4]=k;
							bestWay[5]=1;
						}
					}
				}
			}
		}
}	
	for(int i=1;i<bestWay.length-1;i++) {
		System.out.print(bestWay[i]+"---->");
	}
	System.out.println(bestWay[bestWay.length-1]);
	System.out.println("最短路径为:");
	System.out.println(min);
	}
}

运行结果
请添加图片描述
解释
请添加图片描述

0/1背包分配
在这里插入图片描述
在这里插入图片描述
6+3+5=14
6+3+4=13
6+3+6=15
代码

import java.util.Scanner;

public class beibao {
static int n,c;
static int max=0;
static int[] w,v;
static Scanner in=new Scanner(System.in);
public static void main(String[] args) {
	System.out.println("输入物品个数:");
	n=in.nextInt();
	System.out.println("输入背包容量:");
	c=in.nextInt();
	w=new int[n+1];
	v=new int[n+1];
	System.out.println("输入每个物品重量:");
	for(int i=1;i<=n;i++) {
		w[i]=in.nextInt();
		//v[i]=in.nextInt();
	}
	System.out.println("输入物品价值:");
	for(int i=1;i<=n;i++) {
		//w[i]=in.nextInt();
		v[i]=in.nextInt();
	}
	for(int i=0;i<=Math.pow(2, n);i++) {
		int k=i;
		int tempw=0;
		int tempv=0;
		for(int j=1;j<=n;j++) {
			if(k%2==1) {
				tempw +=w[j];
				tempv +=v[j];
			}
			k/=2;
		}
		if(tempw<=c) {
			if(tempv>max) {
				max=tempv;
			}
		}
		}
		System.out.println(max);
	}
}


运行结果
请添加图片描述
在这里插入图片描述
在这里插入图片描述

  • 1
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
蛮力(暴力搜索)通常是解决小规模问题的一种方,由于在大规模问题上的计算量太大,因此不适用于解决大规模问题。对于任务分配问题,我们可以使用蛮力来解决,但是只适用于任务数量较少的情况。 以下是用Java实现蛮力解决任务分配问题的示例代码: ```java import java.util.Arrays; public class TaskAssignment { private static int[][] tasks; private static int[] agents; private static int[] bestAssignment; private static int minCost; public static void main(String[] args) { // 初始化任务和代理人 tasks = new int[][]{{9,2,7},{3,6,7},{5,8,1}}; agents = new int[]{0,1,2}; // 初始化最佳任务分配和最小成本 bestAssignment = new int[agents.length]; minCost = Integer.MAX_VALUE; // 开始搜索 search(0); // 输出最佳任务分配和最小成本 System.out.println("Best assignment: " + Arrays.toString(bestAssignment)); System.out.println("Minimum cost: " + minCost); } private static void search(int taskIndex) { // 如果已经完成了所有任务,则更新最佳任务分配和最小成本 if (taskIndex == tasks.length) { int cost = calculateCost(); if (cost < minCost) { minCost = cost; System.arraycopy(agents, 0, bestAssignment, 0, agents.length); } return; } // 对于当前任务,尝试将其分配给每一个代理人 for (int i = taskIndex; i < tasks.length; i++) { swap(tasks, taskIndex, i); search(taskIndex + 1); swap(tasks, taskIndex, i); } } private static int calculateCost() { int cost = 0; for (int i = 0; i < agents.length; i++) { cost += tasks[i][agents[i]]; } return cost; } private static void swap(int[][] arr, int i, int j) { int[] temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } } ``` 在这个示例代码中,我们使用了一个二维数组来表示所有的任务和它们的成本,其中每一行代表一个任务,每一列代表一个代理人。我们还使用了一个一维数组来表示所有的代理人。在`main`方中,我们初始化了任务和代理人,并且创建了一个长度为代理人数量的数组来保存最佳任务分配。我们还初始化了最小成本为整数最大值。 在`search`方中,我们采用递归的方式进行搜索。对于每一个任务,我们尝试将其分配给每一个代理人,并且交换任务数组中的两行来实现分配。完成所有任务后,我们计算当前任务分配的成本,并且与最小成本进行比较。如果当前成本更小,则更新最小成本和最佳任务分配。 在`calculateCost`方中,我们计算当前任务分配的成本。在`swap`方中,我们交换二维数组中的两行。 需要注意的是,这个示例代码只适用于任务数量较少的情况,并且计算量可能会很大。在实际应用中,我们需要使用更加高效的算法来解决任务分配问题。

“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
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