算法分析二（1）——用动规法实现 0-1 背包

代码链接：pan.baidu.com/s/1rIugypf7lhUTfwdAG0Gv_w 
码：w38a 

算法分析与设计
时间	2020.4.22
实验名称	用动规法实现 0-1 背包
实验目的	通过上机实验，要求掌握动态规划算法的问题描述、算法设计思想、程序设计。
实验原理	利用动态规划法求解 0-1 背包问题，并计算出程序运行所需要的时间。
实验步骤	问题分析 0-1背包问题形式化的描述是，给定c > 0, wi, vi, 1 <= i <= n（c为背包容量）, 要找出一个n元0-1向量（x1, x2, ... , xn）,xi ∈ {0, 1}, 1 <= i <= n, 使得∑ wixi (i 从 1 到 n 求和）<= c ，而且∑ wixi (i 从 1 到 n 求和）达到最大。 因此0-1背包问题是一个特殊的整数规划问题。 动态规划思想： 用m(i,j)表示将第i到n个物品放进容量为j的背包里，得到的最大的价值。 我们用自顶向下的角度来看，假如我们已经进行到了最后一步（即求解将n个物品放到背包里获得的最大价值），此时我们便有两种选择： 不放第1个物品，此时总价值为m(2,j) 放置第1个物品，此时总价值为vn+m(2,j−w1) 两种选择中总价值最大的方案就是我们的最终方案，递推式（状态转移方程）如下： 解题思路 ①编写数据数据生成函数，生成几组不同规模数据； ②将用例数据从文件中读取到数组v、w中； ③初始化保存子问题解的 m 数组； ④根据状态转移方程，从物品i为最大n开始向前遍历求解子问题，遍历j，求解对应的m（i，j）的值，做如下操作： 如果j>w[i],说明物品i可以放入容量为j的背包，考虑其放入与不放入的两种情况并取最大值； 如果j<w[i],说明物品i无法放入背包，只需要将m[i][j]=m[i+1][j]即可; ⑤当i从n遍历到1结束，m[1][c]即为所求解；
关键代码	关键代码（带注释） 1. 动规部分代码（核心）   完全按照状态转移方程来求解子问题，到达i=1时，i=2层的子问题的解已知，可以直接求解m[1][c]而不用再求解i=1层的其他子问题解； 2. 文件读取函数 通过输入的格式读出数据到数组中； 3. 随机数生成函数 利用rand函数生成大小为10、100、1000的三个文件，其中为随机数；
测试结果	运行结果截图及分析 例题结果： 输入输出文件： 结果运行正确； 选择了（2，6）、（2，3）、（4、6）； 三种数据规模（10、100、1000）结果分析 程序段运行时间的单位为ms，数据规模越大，运行时间越长； 时间复杂度分析： 从递归式知道需要求解n*c个子问题的解，每一个问题的求解都是O（1）的，因此，总的时间复杂度为O（nc）；
实验心得	通过这次实验，我回顾了动态规划算法的基本原理，通过编程实现动规思想，让我熟悉了动规算法的用法，更好的理解了动态规划的过程。 实验可改进的地方： 一个是算法所给的质量是整数，一个是当当背包容量很大时，算法所需计算时间比较多；