背包问题knapsack的三种解法(Python 和 C)

本文探讨0-1背包问题的四种解法,包括枚举法、动态规划、贪心算法及基于贪心的Rollout算法。动态规划提供精确解,贪心算法效率高但不精确,Rollout算法在贪心基础上优化。通过100组随机数据测试,比较了不同算法的时间复杂度和效果。

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

最近研究了一下0-1背包问题,题目就不复述了,大家应该都知道的。

确切的说不是三种解法而是四种解法,下面我就一一写来。

0.枚举法

这种是最简单的一种做法,当然也是时间空间复杂度最大的方法,得到的肯定是精确的结果。若有k个背包,则只要变量2^k次方即可,程序如下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
#include <stdio.h>
#include <stdlib.h>
 
int main()
{
     int ca;
     int mi( int , int );
     int m,c,cao=0;
     int weight[10],value[10];
     int i,k,valuemax[100]={0},wei,val;
     int x[10];
     scanf ( "%d%d" ,&m,&c);
     k=0;
     while (m>0||c>0)
     {
         valuemax[cao]=0;
         for (i=0;i<m;i++)
             scanf ( "%d" ,&weight[i]);
         for (i=0;i<m;i++)
             scanf ( "%d" ,&value[i]);
         for (i=0;i<mi(2,m);i++)
         {
             wei=0;
             val=0;
             ca=i;
             for (k=0;k<m;k++)
             {
                 x[k]=i%2;
                 i=i/2;
 
                 wei+=x[k]*weight[k];
                 val+=x[k]*value[k];
             // k++;
             }
             if (wei<=c&&val>=valuemax[cao])
                 valuemax[cao]=val;
             i=ca;
         }
         cao++;
         scanf ( "%d%d" ,&m,&c);
     }
     for (i=0;i<cao;i++)
         printf ( "%d\n" ,valuemax[i]);
 
     return 0;
}
int mi( int m, int n)
{
     int sum=1,i;
     for (i=0;i<n;i++)
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