深入理解数据结构——堆栈应用(背包体积)

#include <iostream>
#include <string>

using namespace std;



typedef char Etype;

/************************背包问题*************************/
#define PRODUCTS EType

struct PRODUCTS {
	char name[8];
	int weight;
	int number;
	char place[20];
};



struct LinearList {
	EType* element;
	int length;
	int maxsize;
};

struct SType {
	int index;
};

struct Stack {
	SType* element;
	int top;
	int maxsize;
};



//创建空堆栈
void CreateStack(Stack& S, int MaxStackSize) {
	S.maxsize = MaxStackSize;
	S.element = new SType[S.maxsize];//创建数组元素
	S.top = -1;//top指向的是数据空间的第一个元素,本身的值代表数据元素的下表,空表设top为-1
}

//判断堆栈是否为空
bool IsEmpty(Stack& S) {
	if (S.top == -1) return true;
	else return false;
}

//判断堆栈是否满了
bool IsFull(Stack& S) {
	if (S.top >= S.maxsize - 1) return true;
	else return false;
}

//返回栈顶元素的值
bool GetTop(Stack& S, SType& result) {
	if (IsEmpty(S)) return false;
	result = S.element[S.top];
	return true;
}

//出栈操作,将栈顶元素取出,并且将top指向下一个元素的位置
bool Pop(Stack& S, SType& result) {
	if (IsEmpty(S)) return false;
	result = S.element[S.top];
	S.top--;//栈顶指向下一个元素地址
	return true;
}

//进栈操作,将top+1,输入元素存入新的栈顶
bool Push(Stack& S, SType& x) {//传入的是x的地址
	if (IsEmpty(S)) return false;
	S.top++;
	S.element[S.top] = x;
	return true;
}



void TraverseStack(Stack& S, LinearList& L) {
	//逐个输出堆栈的数据元素
	int k;
	for (int i = S.top; i > -1; i++) {
		cout << "Record-" << i + 1 << ":";
		k = S.element[i].index;
		cout << L.element[k].number << " " << L.element[k].weight << endl;
	}
	cout << "该方案有:" << S.top + 1 << "件货物" << endl << endl;

}
void Knapsack(LinearList& L, int T) {
	//T为背包体积,n个物品的体积存在w[]中,求解装满背包的所有解
	int k;
	int MaxStackSize = 50;
	SType x;
	Stack S;

	CreateStack(S, MaxStackSize);

	do {
		while (T > 0 && k < L.length) {
			if (T - L.element[k].weight >= 0) {//按顺序选取物品,如果装入背包不满,则将物体压入堆栈
				x.index = k;
				Push(S, x);//把满足条件的背包压入S
				T = T - L.element[k].weight;//背包体积减去这个物体体积
			}
			k++;//继续选择下一个物体
		}//堆栈S中是已装入背包的物体
		if (T == 0)  TraverseStack(S, L);//如果经过一轮循环,,就输出栈中所有的物品编号
		Pop(S, x);//推出栈顶数据
		k = x.index;//从退出的编号的下一个编号物品开始尝试,直到堆栈为空,达到最大编号为止
		T = T + L.element[k].weight;
		k++;
			
	} while (!IsEmpty(S));


}

问题描述: 假设有一个能装入总体积为T的背包和n件体积分别为w1 , w2 , … , wn 的物品,能否从n件物品中挑选若干件恰好装满背包,即使w1 +w2 + … + wn=T,要求找出所有满足上述条件的解。例如:当T=10,各件物品的体积{1,8,4,3,5,2}时,可找到下列4组解: (1,4,3,2) (1,4,5) (8,2) (3,5,2)。 问题提示: 可利用回溯法的设计思想来解决背包问题。首先将物品排成一列,然后顺序选取物品装入背包,假设已选取了前i 件物品之后背包还没有装满,则继续选取第i+1件物品,若该件物品"太大"不能装入,则弃之而继续选取下一件,直至背包装满为止。但如果在剩余的物品中找不到合适的物品以填满背包,则说明"刚刚"装入背包的那件物品"不合适",应将它取出"弃之一边",继续再从"它之后"的物品中选取,如此重复,直至求得满足条件的解,或者无解。 题目之二: 问题描述: 假设有n件物品,这些物品的重量分别是W1 , W2 , … , Wn,物品的价值分别是V1,V2, …,Vn。求从这n件物品中选取一部分物品的方案,使得所选中的物品的总重量不超过限定的重量W(W<∑Wi, i=1,2,┅,n),但所选中的物品价值之和为最大。 问题提示: 利用递归寻找物品的选择方案。假设前面已有了多种选择的方案,并保留了其中总价值最大的方案于数组option[]中,该方案的总价值保存于变量max_value中。当前正在考察新方案,其物品选择情况保存于数组eop[]中。假设当前方案已考虑了i-1件物品,现在要考虑第i件物品:当前方案已包含的物品的重量之和为tw;因此,若其余物品都选择是可能的话,本方案所能达到的总价值的期望值设为tv。引入tv是当一旦当前方案的总价值的期望值也小于前面方案的总价值max_value时,继续考察当前方案已无意义,应终止当前方案而去考察下一个方案。 第i件物品的选择有两种可能: ① 物品i被选择。这种可能性仅当包含它不会超过方案总重量的限制才是可行的。选中之后继续递归去考虑其余物品的选择; ② 物品i不被选择。这种可能性仅当不包含物品i也有可能找到价值更大的方案的情况。
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

打赏作者

南叔先生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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