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
 

 

 

 

 

 

 

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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