蛮力法,动态规划法,贪心法求解背包问题.docVIP

 目录 第一章：简介 1 第二章：算法规范 2 数据结构 2 伪代码 3 ：算法测试 4 蛮力法 4 动态规划 5 贪心法 5 第四章：分析讨论 6 算法分析 6 时间复杂度分析 16 附录 17 声明 17 ：简介 问题的描述： 0/1背包问题是给定n个重量为{w1, w2, … ,wn}、价值为{v1, v2, … ,vn}的物品和一个容量为C的背包，求这些物品中的一个最有价值的子集，并且要能够装到背包中。 在0/1背包问题中，物品i或者被装入背包，或者不被装入背包，设xi表示物品i装入背包的情况，则当xi=0时，表示物品i没有被装入背包，xi=1时，表示物品i被装入背包。根据问题的要求，有如下约束条件和目标函数： 于是，问题归结为寻找一个满足约束条件式1，并使目标函数式2达到最大的解向量X=(x1, x2, …, xn)。 背包的数据结构的设计： typedef struct object { int n;//物品的编号 int w;//物品的重量 int v;//物品的价值 }wup; wup wp[N];//物品的数组，N为物品的个数 int c;//背包的总重量 第二章:算法规范0/1背包问题是给定n个重量为{w1, w2, … ,wn}、价值为{v1, v2, … ,vn}的物品和一个容量为C的背包，求这些物品中的一个最有价值的子集，并且要能够装到背包中，在0/1背包问题中，物品i或者被装入背包，或者不被装入背包，设xi表示物品i装入背包的情况，则当xi=0时，表示物品i没有被装入背包，xi=1时，表示物品i被装入背包。 所以，我们用了数组，函数作为主要的数据结构。用蛮力法、动态规划法和贪心法求解0-1背包问题的算法设计对比与分析。 伪代码如下所示 一、蛮力法 1, 1.1，定义物品结构 1.2 input 物品编号，重量，价值 2，蛮力法产生子集 3，判断子集的可行性 4从可行解中找出最优解 5输出最优解 二、动态规划法 1.1 定义物品结构wup 1.2定义物品输入函数inputwp 1.3定义物品输出函数outputwp 2，定义函数findmaxvalue 3，输入物品 4，调用findmaxvalue 5，输出结果 三、贪心法 1.1 定义物品结构wup 1.2 输入物品 2，对v/w排序 3，输出物品 4，选择物品 5，计算物品总价值 6，输出物品总价值和最优解 第三章：测试结果 蛮力法 动态规划法 3.贪心法 这个结果没有运行出来，请老师原谅，谢谢。 第四章：分析和讨论 （一）算法思想分析： 1．蛮力法： 蛮力法是一种简单直接的解决问题的方法，常常直接基于问题的描述和所涉及的概念定义。蛮力法的关键是依次处理所有的元素。 用蛮力法解决0/1背包问题，需要考虑给定n个物品集合的所有子集，找出所有可能的子集（总重量不超过背包容量的子集），计算每个子集的总价值，然后在他们中找到价值最大的子集。 所以蛮力法解0/1背包问题的关键是如何求n个物品集合的所有子集，n个物品的子集有2的n次方个，用一个2的n次方行n列的数组保存生成的子集，以下是生成子集的算法： void force(int a[][4])//蛮力法产生4个物品的子集 { int i,j; int n=16; int m,t; for(i=0;i16;i++) { t=i; for(j=3;j=0;j--) { m=t%2; a[i][j]=m; t=t/2; } } for(i=0;i16;i++)//输出保存子集的二维数组 { for(j=0;j4;j++) { printf(%d ,a[i][j]); } printf(\n); } ｝ 以下要依次判断每个子集的可行性，找出可行解: void panduan(int a[][4],int cw[])////判断每个子集的可行性，如果可行则计算其价值存入数组cw,不可行则存入0 { int i,j; int n=16; int sw,sv; for(i=0;i16;i++) { sw=0; sv=0; for(j=0;j4;j++) { sw=sw+wp[j].w*a[i][j]; sv=sv+wp[j].v*a[i][j]; } if(sw=c) cw[i]=sv; else cw[i]=0; }