【算法】02dp-01背包

本文讲解如何使用动态规划解决背包问题,针对特定体积限制,找出能装下且总价值最大的宝藏组合。通过递推公式和状态转移思想,实现对宝藏价值的高效计算。

题目概述

你有一个包,只能装特定体积的东西;然后这里有许多宝藏,每个宝藏有个体积,有个价值,在你包能撑下的前提下,你能装多少宝藏(它们的价值)。

思路:
从右边开始(最开始是第n个物品) i,用dp[i][j]描述
只装 从i到n的物品 的 最大体积<=j的 最优值。

对于当前要求的dp[i][j]
如果j<si
一定装不下i了,那么dp就等于[i+1,n]物品里最大体积是j的
dp[i][j]=dp[i+1][j]

如果j>=si
就是可以装下i了,装不装i?找那个最大值
装:dp=wi+dp[i+1][j-si]
不装:dp=dp[i+1][j]
求他俩最大值

注意我们需要用到dp[i+1][j]那么i就得从n-1开始
所以得提前赋值dp[n][j]

代码

#include <iostream>
#include <vector>

using namespace std;

const int maxn = 10000;

int dp[maxn][maxn];
int s[maxn];
int w[maxn];

void bag(int n, int c)
{
    //j==0
    for (int i = 1; i <= n; ++i)
        dp[i][0] = 0;
    //i==n
    for (int j = 0; j <= c; ++j)
    {
        if (s[n - 1] <= j)
            dp[n][j] = w[n - 1];
        else
            dp[n][j] = 0;
    }
    //
    for (int i = n - 1; i >= 1; --i)
    {
        for (int j = 0; j <= c; ++j)
        {
            if (s[i - 1] > j) //不装curr
                dp[i][j] = dp[i + 1][j];
            else //装
                dp[i][j] = max(dp[i + 1][j], dp[i + 1][j - s[i - 1]] + w[i - 1]);
        }
    }
    return;
}
int main()
{
    int N, c;
    cin >> N >> c;
    for (int i = 0; i < N; ++i)
        cin >> s[i] >> w[i];
    bag(N, c);
    cout << dp[1][c];
}
#include <iostream>
#include <vector>

using namespace std;

void bag(vector<vector<int>> &dp, const vector<int> &s, const vector<int> &w, const int n, const int c)
{
    //j==0
    //for (int i = 1; i <= n; ++i)
    //  dp[i][0] = 0;
    //i==n
    for (int j = 0; j <= c; ++j)
    {
        if (s[n - 1] <= j)
            dp[n][j] = w[n - 1];
        else
            dp[n][j] = 0;
    }
    //
    for (int i = n - 1; i >= 1; --i)
    {
        for (int j = 0; j <= c; ++j)
        {
            //第i个物品对应的s[i-1] w[i-1]
            if (s[i - 1] > j) //不装curr
                dp[i][j] = dp[i + 1][j];
            else //装
                dp[i][j] = max(dp[i + 1][j], dp[i + 1][j - s[i - 1]] + w[i - 1]);
        }
    }
    return;
}
int main()
{
    int N, c;
    cin >> N >> c;
    vector<int> s(N), w(N);
    for (int i = 0; i < N; ++i)
        cin >> s[i] >> w[i];                           //
    vector<vector<int>> dp(N + 1, vector<int>(c + 1)); // v[N+1][c+1]
    bag(dp, s, w, N, c);
    cout << dp[1][c];
}

~

我找了一节课的bug
在这里插入图片描述
!!!!!!!!!!!!!!!!!!

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
【硕士论文复现】可再生能源发电与电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电与电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型与算法,探讨可再生能源(如风电、光伏)与大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码与仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网与智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现和验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发与仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论与实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑与优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
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