贪心算法之背包问题
根据物品是否能分割,将背包问题分为两种,一是0/1背包问题,物品只能选择放(1)或不放(0),这个问题无法使用贪心算法求得最优解。二是普通的背包问题,一般称为背包问题,放入背包的物品可以进行分割。可利用贪心算法求得最优解。下面详细的看一下背包问题。
背包问题的贪心策略常见的有三种:
1.优先选择价值高的物品,这样可以保证装入背包的价值有效增长,但背包容量消耗过快。
2.优先选择重量小的物品,可以保证背包中装入尽可能多的物品,但物品的价值却不能保证有效增长。
3.结合物品的价值与重量,选择一个新的权重=价值/重量来衡量物品,优先装入权重大的,这样不仅能保证价值的有效增长,还能解决背包容量消耗过快的问题。
在这里我们通过一个实例来说明背包问题
假设背包的容量是50kg,物品1,重量10Kg,价值60元;物品2,重量20Kg,价值100元;物品3,重量30Kg,价值120元。
下面我们来看一下背包问题的代码实现:
#include <iostream>
#include <algorithm>
using namespace std;
struct Goods //定义一个物品的信息结构体
{
int weight;//物品的重量
int value;// 物品的价值
float P;// 权重=价值/重量
float N; //物品装入背包的部分,如果全部装入则为1,装入一半为0.5
};
bool compare (Goods &a,Goods &b)//编写sort函数的比较函数
{
return a.P>b.P; //采用升序排序
}
/*自己编写的直接插入排序
void InsertSort(Goods goods[],int n){
int j;
for(int i=2;i<=n;++i)
if(goods[i].P>goods[i-1].P)
{
goods[0]=goods[i];
goods[i]=goods[i-1];
for(j=i-2;goods[0].P>goods[j].P;--j)
goods[j+1]=goods[j];
goods[j+1]=goods[0];
}
} */
void Greedy(Goods goods[],int n, int c)//贪心算法
{
for(int i=0; i<n; i++)
{
if(c>goods[i].weight)//如果背包足够装下整个物品
{
c-=goods[i].weight;
goods[i].N=1;//该物品全部装入记为1
}
else if(c>0){//如果背包不足以装下整个物品,就装入物品的一部分
goods[i].N=c/(goods[i].weight*1.0);//计算物品装入背包的部分
c=0;//背包容量置0
}
}
}
int main()
{
int n;//物品的数量
int v;//背包的容量
float total_value=0;
float total_weight=0;
cout<<"请输入背包的容量:"<<endl;
cin>>v;
cout<<"请输入物品的数量:"<<endl;
cin>>n;
Goods goods[n];
cout<<"请分别输入物品的重量和价值:"<<endl;
for(int i=0; i<n; i++)
{ cin>>goods[i].weight>>goods[i].value;//输入重量和价值
goods[i].N=0;//N置0
}
sort (goods,goods+n,compare);//调用C++内置的sort函数 ,当然也可以自己编写比较函数
//InsertSort(goods,n);
Greedy(goods,n,v);
for(int i=0;i<n;i++)
{ if(goods[i].N==0.0)break;
total_value+=(goods[i].value*goods[i].N);//装入背包的物品总价值
total_weight+=(goods[i].weight*goods[i].N);//装入背包的物品总重量
cout<<"weight: "<<goods[i].weight<<" "<<"value: "<<goods[i].value<<" the part of goods: "<<goods[i].N<<endl;//输出装入背包的物品信息
}
cout<<"背包的容量为: "<<v<<endl;//输出背包容量
cout<<"装入背包中的物品的总重量为: "<<total_weight<<endl;//输出装入物品的总重量
cout<<"装入背包中的物品的总价值为: "<<total_value<<endl;//输出装入物品的总价值
return 0;
}
运行结果
看到这里,相信你会对贪心算法以及背包问题有更深的理解。