提示:背包问题(Knapsack Problem,KP)是NP Complete问题,也是一个经典的组合优化问题,有着广泛而重要的应用背景。{0-1}背包问题({0-1 }Knapsack Problem,{0-1}KP)是最基本的KP问题形式,它的一般描述为:从若干具有价值系数与重量系数的物品(或项)中,选择若干个装入一个具有载重限制的背包,如何选择才能使装入物品的重量系数之和在不超过背包载重前提下价值系数之和达到最大?{0-1}KP数据集是研究{0-1}背包问题时,用于评测和观察设计算法性能的标准数据集;动态规划算法、回溯算法是求解{0-1}背包问题的经典算法。查阅相关资料,设计一个采用贪心算法、动态规划算法、回溯算法求解{0-1}背包问题的程序,程序基本功能要求如下:1.可正确读入实验数据文件的有效{0-1}KP数据;2.能够绘制任意一组{0-1}KP数据以价值重量为横轴、价值为纵轴的数据散点图;3.能够对一组{0-1}KP数据按重量比进行非递增排序;4.用户能够自主选择贪心算法、动态规划算法、回溯算法求解指定{0-1} KP数据的最优解和求解时间(以秒为单位);5.任意一组{0-1} KP数据的最优解、求解时间和解向量可保存为txt文件或导出EXCEL文件。
前言
项目 | 内容 |
---|---|
0-1背包 | 回溯法 |
提示:以下是本篇文章正文内容,下面案例可供参考
1.代码
代码如下(示例):
# ============================回溯求解模块=================================
# ==========num:待求解数据下标 maxWeight :背包最大容量 x y totalP当前已经访问的节点总价值 total : 总重量
def huisu(num, maxWeight, x, y, totalP, totalW): # 访问一个节点 x,y 计算当前价值
if y != 3:
totalP = totalP + profit[num][x][y]
totalW = totalW + weight[num][x][y]
if x == len(profit[num]) - 1:
# 总价值和总重量
if totalW > maxWeight:
# print(totalP)
pathList.append(totalP)
return 0
else:
endMax.append(totalP)
pathList.append(totalP)
return 0
else:
for i in range(4):
huisu(num, maxWeight, x + 1, i, totalP, totalW)
return 0