动态规划-背包基础专题

本文详细介绍了五种不同类型的背包问题:01背包、完全背包、分组背包、多重背包及混合背包,并提供了每种类型的实现代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、背包问题

1.01背包

1.1  二维01背包  

http://xyoj.xynu.edu.cn/problem.php?id=1416

//t[i]->代价  time->可承受最高代价  p[i]->需求
for( int i=0 ; i<n ; i++ ){
	for( int j=time ; j>=t[i] ; j-- ){
		dp[j] = max( dp[j],dp[j-t[i]]+p[i] );
	}
}

1.2  二维01背包(双重代价)

http://xyoj.xynu.edu.cn/problem.php?id=1418

//v[i]->代价1  V->可承受最高代价1  
//m[i]->代价2  M->可承受最高代价2 
//P[i]->需求
for( int i=0 ; i<n ; i++ ){
	for( int j=V ; j>=v[i] ; j-- ){
		for( int k=M ; k>=m[i] ; k-- ){
			dp[j][k] = max( dp[j][k],dp[j-v[i]][k-m[i]]+p[i] );
		}
	}
}

2.完全背包

2.1  二维完全背包

http://xyoj.xynu.edu.cn/problem.php?id=1441

//w[i]->代价 v->可承受最高代价 
for( int i=0 ; i<n ; i++ ){
	for( int j=w[i] ; j<=v ; j++ ){
		dp[j] = max( dp[j],dp[j-w[i]]+c[i] );
	}
}

3.分组背包

http://xyoj.xynu.edu.cn/problem.php?id=1430

//g[i]->每个物品的组号  T->组号  M->可承受最高代价  w[i]->代价  
//v[i]->价值 
for( int k=1 ; k<=T ; k++ ){
	for( int j=M ; j>=0 ; j-- ){
		for( int i=0 ; i<n ; i++ ){
			if( w[i]<=j && g[i]==k ){
				dp[j] = max( dp[j],dp[j-w[i]]+v[i] );
}
		}
	}
}

4.多重背包

http://xyoj.xynu.edu.cn/problem.php?id=1428

//p[i]->物品的件数  v[i]->价值  m[i]->代价  M->可承受最高代价
for( int i=0 ; i<n ; i++ ) {
	for( int k=1 ; k<=p[i] ; k++ ) {
		for( int j=M ; j>=k*m[i] ; j-- ) {
			dp[j] = max( dp[j],dp[j-m[i]]+v[i] );
		}
	}
}

5.混合背包(01,完全,多重)

http://xyoj.xynu.edu.cn/problem.php?id=1435

//p[i]->物品数量(0完全,1零一,其余多重)
//w[i]->代价 M->可承受最高代价 
for( int i=0 ; i<n ; i++ ){
	if( p[i]==1 ){  //01背包 
		for( int j=M ; j>=w[i] ; j-- ){
			dp[j] = max( dp[j],dp[j-w[i]]+v[i] );
		}
	}else if( p[i]==0 ){  //完全背包 
		for( int j=w[i] ; j<=M ; j++ ){
			dp[j] = max( dp[j],dp[j-w[i]]+v[i] );
		}
	}else {  //多重背包 
		for( int k=1 ; k<=p[i] ; k++ ){
			for( int j=M ; j>=w[i] ; j-- ){
				dp[j] = max( dp[j],dp[j-w[i]]+v[i] );
			}
		}
	}
}

持续添加中~~~

内容概要:本文针对火电厂参与直购交易挤占风电上网空间的问题,提出了一种风火打捆参与大用户直购交易的新模式。通过分析可再生能源配额机制下的双边博弈关系,建立了基于动态非合作博弈理论的博弈模型,以直购电价和直购电量为决策变量,实现双方收益均衡最大化。论文论证了纳什均衡的存在性,并提出了基于纳什谈判法的风-火利益分配方法。算例结果表明,该模式能够增加各方收益、促进风电消纳并提高电网灵活性。文中详细介绍了模型构建、成本计算和博弈均衡的实现过程,并通过Python代码复现了模型,括参数定义、收益函数、纳什均衡求解、利益分配及可视化分析等功能。 适合人群:电力系统研究人员、能源政策制定者、从事电力市场交易的工程师和分析师。 使用场景及目标:①帮助理解风火打捆参与大用户直购交易的博弈机制;②为电力市场设计提供理论依据和技术支持;③评估不同政策(如可再生能源配额)对电力市场的影响;④通过代码实现和可视化工具辅助教学和研究。 其他说明:该研究不仅提供了理论分析,还通过详细的代码实现和算例验证了模型的有效性,为实际应用提供了参考。此外,论文还探讨了不同场景下的敏感性分析,如证书价格、风电比例等对市场结果的影响,进一步丰富了研究内容。
资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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