ACM之近期背包学习总结

1. 背包问题

 

一.01 背包问题

题目
有 N件物品和一个容量为 V的背包。第 i 件物品的重量是 c[i] ,价值是 w[i] 。求解将哪些物品装入背包可使价值总和最大

基本思路
这是最基础的背包问题,特点是:每种物品仅有一件,可以选择放或不放。
用子问题定义状态: 即 f[i][v] 表示前 i 件物品恰放入一个容量为 v 的背包可以获得的最大价值。则其状态转移方程便是:
f[i][v]=max{f[i][v],f[i-1][v-c[i]]+w[i]} 

 

for(int i=0;i<n;i++)
{
    for(int j=W;j>=w[i];j--)
    {
        dp[j]=max(dp[j],dp[j-w[i]]+v[i])
    }
}
初始化的细节问题
我们看到的求最优解的背包问题题目中, 事实上有两种不太相同的问法。 有的题目要求“恰好装满背包”时的最优解,有的题目则并没有要求必须把背包装满。
一种区别:这两种问法的实现方法是在初始化的时候有所不同。
如果是第一种问法, 要求恰好装满背包,那么在初始化时除了 f[0] 为 0 其它f[1..V] 均设为 - ∞,这样就可以保证最终得到的 f[N] 是一种恰好装满背包的最优解。
如果并没有要求必须把背包装满,而是只希望价格尽量大,初始化时应该将f[0..V] 全部设0。                                                                 

 

 

二. 完全背包问题

题目
有 N种物品和一个容量为 V的背包,每种物品都有无限件可用。 第 i 种物品的费
用是 c[i] ,价值是 w[i] 。求解将哪些物品装入背包可使这些物品的费用总和不
超过背包容量,且价值总和最大。

基本思路
这个问题非常类似于 01 背包问题 ,所不同的是每种物品有无限件。也就是从每种物品的角度考虑,与它相关的策略已并非取或不取两种,而是有取 0 件、取 1件、取 2 件,, 等很多种。 

for(int i=0;i<n;i++)
{
    for(int j=w[i];j<=W;j++)
    {
        dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
    }
}

 

 

三. 多重背包问题

题目
有 N种物品和一个容量为 V的背包。第 i 种物品最多有 n[i] 件可用,每件费用是 c[i] ,价值是 w[i] 。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量,且价值总和最大

基本算法:
这题目和完全背包问题很类似。 基本的方程只需将完全背包问题的方程略微一改即可,因为对于第 i 种物品有 n[i]+1 种策略:取 0 件,取 1 件,, 取 n[i] 件。令 f[i][v] 表示前 i 种物品恰放入一个容量为 v 的背包的最大权值, 

for(int i=0;i<n;i++)
{
    int num=n[i];
    for(int k=0;k<=num[i];k++)
    {
        for(int j=W;j>=w[i];j--)
        {
            dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
        }
    }
}

 

2. while(scanf("%d%d",&n,&m)==2&&n&&m)的含义 

第一个数输入的返回值 两个%d, 意思为只有输出两个整数后才返回2 所以 scanf() == 2
&& 的意思为: 不但要输入2个整数int类型的数 还有n且m不等于0;

例如: 我们输入 0 0 并按回车 这样循环条件是不成立的
scanf == 2 成立
但n和m没有满足都不是0的条件

例如:我们输入 2 0 并按回车 一样m不成立 n 和scanf 是都成立的

例如:我们输入 a 1 并按回车 scanf 不成立 应为输入的不是整数 scanf == 1
 

 

 

 

 

 

 

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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