JAVA--组合--带动态图

import java.util.Scanner;

/**
 * @author:Ravanla
 * @vreate:2019-10-26-8:45
 */
public class Combine {
    int n,r;
    int[] A;
    public Combine(){
        Scanner sc = new Scanner(System.in);
        n = sc.nextInt();// 一共有多少个数
        r = sc.nextInt();// 多少个数为一组
        A = new int[r + 1];
        A[0] = 0;
        funCombine(1);// 从下标为1的位置开始放数字
    }

    void funCombine(int index) {
        if(index > r){// 如果下标大雨组合的数目了就打印
            for (int a = 1; a <= r; a++) System.out.print(A[a] + " ");
            System.out.println();
            return;
        }
        for(int i = A[index - 1] + 1; i <= n; i++){// int i = A[index - 1] + 1 i的值比前一个数大1,
        //第一次进入循环大1,第二次进入循环大2,以此类推
            A[index] = i;// 把这个i放到对应的下标下 
            funCombine(index + 1);
        }
    }


    public static void main(String[] args) {
        Combine c = new Combine();
    }
}

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Java在窗口上加载显示GIF动画图像,将多个独立的GIF图像串联在一起显示,形成GIF特有的动画形式。主要代码如下:   ImageIcon[] images; //用于动画的图标数组   Timer animationTimer;   int currentImage = 0; //当前图像编号   int delay = 500; //图像切换延迟   int width; //图像宽度   int height; //图像高度   public AnimatorIcon() //构造函数   {    setBackground(Color.white);    images = new ImageIcon[2]; //初始化数组    for (int i=0;i   images[i]=new ImageIcon(getClass().getResource("image" i ".gif")); //实例化图标    width = images[0].getIconWidth(); //初始化宽度值    height = images[0].getIconHeight(); //初始化高度值   }   public void paintComponent(Graphics g) { //重载组件绘制方法    super.paintComponent(g); //调用父类函数    images[currentImage].paintIcon(this,g,70,0); //绘制图标    currentImage=(currentImage 1)%2; //更改当前图像编号   }   public void actionPerformed(ActionEvent actionEvent) {    repaint();   }   public void startAnimation() { //开始动画    if (animationTimer==null) {    currentImage=0;    animationTimer=new Timer(delay, this); //实例化Timer对象    animationTimer.start(); //开始运行    } else if (!animationTimer.isRunning()) //如果没有运行    animationTimer.restart(); //重新运行   }   public void stopAnimation() {    animationTimer.stop(); //停止动画   }   public static void main(String args[]) {    AnimatorIcon animation = new AnimatorIcon(); //实例化动画图标    JFrame frame = new JFrame("动画图标"); //实例化窗口对象    frame.getContentPane().add(animation); //增加组件到窗口上    frame.setSize(200, 100); //设置窗口尺寸    frame.setVisible(true); //设置窗口可视    frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE); //关闭窗口时退出程序    animation.startAnimation(); //开始动画
### 回答1: 0-1背包问题是经典的动态规划问题,但也可以使用回溯法解决。回溯法通常用于解决组合优化问题,其基本思想是枚举所有可能的解,直到找到符合条件的最优解或者所有解都被枚举完。 下面是使用Java语言基于回溯法解决0-1背包问题的代码实现: ```java public class KnapsackProblem { private int[] weight; // 物品重量 private int[] value; // 物品价值 private int maxWeight; // 背包最大承重 private int n; // 物品数量 private int maxValue; // 最大总价值 private boolean[] bestSolution; // 最优解 public KnapsackProblem(int[] weight, int[] value, int maxWeight) { this.weight = weight; this.value = value; this.maxWeight = maxWeight; this.n = weight.length; this.maxValue = 0; this.bestSolution = new boolean[n]; } public void backtrack(int i, int currentWeight, int currentValue, boolean[] solution) { if (i == n || currentWeight == maxWeight) { // 达到边界或者背包已满 if (currentValue > maxValue) { // 更新最优解 maxValue = currentValue; for (int j = 0; j < n; j++) { bestSolution[j] = solution[j]; } } return; } if (currentWeight + weight[i] <= maxWeight) { // 放入物品i solution[i] = true; backtrack(i + 1, currentWeight + weight[i], currentValue + value[i], solution); solution[i] = false; } backtrack(i + 1, currentWeight, currentValue, solution); // 不放入物品i } public int getMaxValue() { return maxValue; } public boolean[] getBestSolution() { return bestSolution; } } ``` 在回溯函数中,我们依次考虑放入每个物品或者不放入,如果放入当前物品不会超过背包的最大承重,就递归调用回溯函数进行下一步决策。如果达到边界或者背包已满,就更新最优解。最后返回最大总价值和最优解。 下面是使用示例: ```java public class Main { public static void main(String[] args) { int[] weight = {2, 2, 6, 5, 4}; int[] value = {6, 3, 5, 4, 6}; int maxWeight = 10; KnapsackProblem problem = new KnapsackProblem(weight, value, maxWeight); problem.backtrack(0, 0, 0, new boolean[weight.length]); System.out.println("最大总价值:" + problem.getMaxValue()); System.out.print("最优解:"); boolean[] solution = problem.getBestSolution(); for (int i = 0; i < solution.length; i++) { System.out.print(solution[i] ? "1 " : "0 "); } } } ``` 输出结果为: ``` 最大总价值:15 最优解:0 1 0 1 0 ``` 其中最优解表示第2个和第4个物品被放入了背包。 ### 回答2: 0-1背包问题是一个经典的组合优化问题,也是动态规划算法的经典案例之一。使用Java语言基于回溯法解决该问题步骤如下: 1. 首先定义好问题模型,确定背包的容量、物品的重量和价值等参数。 2. 创建一个递归函数来实现回溯算法。函数参数包括:当前考察的物品索引、当前已选择的物品总重量、当前已选择的物品总价值、当前已选择的物品列表等信息。 3. 在回溯函数里,首先判断递归结束条件。当考察到最后一个物品或者背包已满时,返回当前已选择的物品总价值。 4. 在每一次递归中,根据当前考察的物品索引,分别考虑两种情况:选择当前物品和不选择当前物品。 5. 若选择当前物品,判断选择后物品总重量是否超过背包容量。若超过,则剪枝,不对该情况进行后续递归;若未超过,则将当前物品加入已选择的物品列表,并更新总重量和总价值。 6. 若不选择当前物品,则直接进入下一次递归。 7. 最后,从两种情况中选择总价值更大的结果,并返回。 8. 在主函数中,调用回溯函数并传入初始参数,得到最优解。 回溯法通过不断地尝试和回退来优化搜索空间,相比于穷举法,可以大幅减少计算量。但是,该方法在面对大量数据时,可能会出现计算时间过长的情况,因此可以结合动态规划等方法来实现更高效的解决方案。 ### 回答3: 0-1背包问题是一种经典的组合优化问题,在给定一组物品和一个背包容量的情况下,选择一些物品放入背包中,使得选入的物品总价值最大,同时不能超过背包的容量。 使用Java语言通过回溯法解决0-1背包问题可以使用递归来实现。具体步骤如下: 1. 定义一个全局变量来保存当前最优解,初始化为0。 2. 定义一个递归函数,输入参数包括当前物品的索引、当前背包的重量、当前背包的价值,以及一个数组保存所有物品的重量和价值。 3. 在递归函数内,首先判断递归终止条件,当当前物品的索引为负数或者当前背包的重量为0时,返回当前背包的价值。 4. 在递归函数内,如果当前物品的重量超过了当前背包剩余的容量,直接跳过当前物品,递归进入下一个物品。 5. 在递归函数内,递归地调用自身两次,分别对应于选取当前物品和不选取当前物品的情况。分别计算选取与不选取情况下的价值。 6. 在递归函数内,将两次递归调用的结果与当前最优解进行比较,选择较大的价值作为当前最优解。 7. 最后,在主函数中调用递归函数,初始时传入物品的索引为0,当前背包的重量和价值为0,以及保存物品重量和价值的数组。 8. 输出当前最优解,即为0-1背包问题的最大价值。 通过回溯法解决0-1背包问题的时间复杂度为O(2^n),其中n为物品的数量。因为在每个物品的选择上都有两种可能,可以被选取或者不被选取。因此需要遍历所有可能的情况来确定最优解。

“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