*部分背包问题可有贪心法求解:计算Pi/Wi数据结构:w[i]:第i个背包的重量;p[i]:第i个背包的价值;1.0-1背包: 每个背包只能使用一次或有限次(可转化为一次):A.求最多可放入的重量。

题目

*部分背包问题可有贪心法求解:计算Pi/Wi

数据结构:

w[i]:第i个背包的重量;

p[i]:第i个背包的价值;

1.0-1背包: 每个背包只能使用一次或有限次(可转化为一次):

A.求最多可放入的重量。


相似考题

2.0-1背包问题可以描述为:有n个物品,对i=1,2,…,n,第i个物品价值为vi ,重量为wi(vi,和wi为非负数),背包容量为W(W为非负数),选择其中一些物品装入背包,使装入背包物品的总价值最大,,且总重量不超过背包容量,即,其中,xi∈{0,1},xi=0表示第i个物品不放入背包,xi=1表示第i个物品 放入背包。【问题1】(8分)用回溯法求解此0-1背包问题,请填充下面伪代码中(1)~(4)处空缺。回溯法是一种系统的搜索方法。在确定解空间后,回溯法从根结点开始,按照深度优先策略遍历解空间树,搜索满足约束条件的解。对每一个当前结点,若扩展该结点己经不满足约束条件,则不再继续扩展。为了进一步提高算法的搜索效率,往往需要设计一个限界函数,判断并剪枝那些即使扩展了也不能得到最优解的结点。现在假设已经设计了BOUND(v,w,k,W)函数,其中v, w, k和W分别表示当前已经获得的价值、当前背包的重量、己经确定是否选择的物品数和背包的总容量。对应于搜索树中的某个结点,该函数值表示确定了部分物品是否选择之后,对剩下的物品在满足约束条件的前提下进行选择可能获得的最大价值,若该价值小于等于当前已经得到的最优解,则该结点无需再扩展。下面给出0-1背包问题的回溯算法伪代码。函数参数说明如下:W:背包容量;n:物品个数;w:重量数组;v:价值数组;fw:获得最大价值时背包的重量;fp:背包获得的最大价值;X:问题的最优解。变量说明如下:cw:当前的背包重量;cp:当前获得的价值;k:当前考虑的物品编号;Y:当前已获得的部分解。BKNAP(W,n,w,v,fw,fp,X)1 cw ← cp ← 02 (1)3 fp ← -14 while true5 while k≤n and cw+w[k]≤W do6 (2)7 cp ← cp+v[k]8 Y[k]← 19 k ← k+110 if k>n then11 if fp<cp then12 fp ← cp13 fw ← ew14 k ← n15 X ← Y16 else Y(k)← 017 while BOUND(cp,cw,k,W) ≤fp do18 while k≠0 and Y(k)≠1 do19 (3)20 if k=0 then return21 Y[k]←022 cw ← cw ← w[k]23 cp ← cp ← v[k]24 (4)

参考答案和解析
正确答案:

 

NOIP2001 装箱问题
有一个箱子容量为v(正整数,o≤v≤20000),同时有n个物品(o≤n≤30),每个物品有一个体积 (正整数)。要求从 n 个物品中,任取若千个装入箱内,使箱子的剩余空间为最小。
l 搜索方法
procedure search(k,v:integer); {搜索第k个物品,剩余空间为v}
var i,j:integer;
begin
if v<best then best:=v;
if v-(s[n]-s[k-1])>=best then exit; {s[n]为前n个物品的重量和}
if k<=n then begin
if v>w[k] then search(k+1,v-w[k]);
search(k+1,v);
end;
end;

l DP
F[I,j]为前i个物品中选择若干个放入使其体积正好为j的标志,为布尔型。
实现:将最优化问题转化为判定性问题
f [I, j] = f [ i-1, j-w[i] ] (w[I]<=j<=v) 边界:f[0,0]:=true.
For I:=1 to n do
For j:=w[I] to v do F[I,j]:=f[I-1,j-w[I]];
优化:当前状态只与前一阶段状态有关,可降至一维。
F[0]:=true;
For I:=1 to n do begin
F1:=f;
For j:=w[I] to v do
If f[j-w[I]] then f1[j]:=true;
F:=f1;
End;

更多“*部分背包问题可有贪心法求解:计算Pi/Wi数据结构:w[i]:第i个背包的重量;p[i]:第i个背包的价值; ”相关问题
  • 第1题:

    考虑一个背包问题,共有n=5个物品,背包容量为W=10,物品的重量和价值分别为:w={2,2,6,5,4},v={6,3,5,4,6},求背包问题的最大装包价值。若此为0-1背包问题,分析该问题具有最优子结构,定义递归式为

    其中c(i,j)表示i个物品、容量为j的0-1背包问题的最大装包价值,最终要求解c(n,W)。 采用自底向上的动态规划方法求解,得到最大装包价值为(62),算法的时间复杂度为(63)。 若此为部分背包问题,首先采用归并排序算法,根据物品的单位重量价值从大到小排序,然后依次将物品放入背包直至所有物品放入背包中或者背包再无容量,则得到的最大装包价值为(64),算法的时间复杂度为(65)。

    A.11

    B.14

    C.15

    D.16.67


    正确答案:C

  • 第2题:

    OPT(i,w): 从1-i种物品中选择,放入容量为w的背包时的最大价值。这是()问题动态规划算法的递推函数。

    A.0/1背包

    B.恰好装满的0/1背包

    C.完全0/1背包

    D.多重0/1背包


    B 解析:本题考查容器的嵌套。将一个容器panel1放到容器frame1中的方法和在容器上添加部件是一样的,使用add()方法即可。

  • 第3题:

    0-1背包问题:给定n种物品和一个背包。物品i的重量是Wi,其价值为Vi,背包的容量为C。应如何选择装入背包的物品,使得装入背包中物品的总价值最大? 在选择装入背包的物品时,对每种物品i只有2种选择,即装入背包或不装入背包。不能将物品i装入背包多次,也不能只装入部分的物品i。用动态规划法编写算法和程序实现0-1背包问题。并给出如下测试用例的求解过程:有5件物品,重量分别为(3,2,1,4,5),价值分别为(25,20,15,40,50),背包容量w=6。


    利用价值密度最大的贪婪准则时,选物品 1 ,这种方案的总价值为 60

  • 第4题:

    在第4题中,从问题本质看,任务的加工时间相当于0-1背包问题中的下述输入参数:

    A.既是物品i的价值,也是它的重量

    B.仅代表物品i的价值

    C.仅代表物品i的重量

    D.物品i单位重量的价值


    既是物品i的价值,也是它的重量

  • 第5题:

    OPT(i,w): 从1-i个物品中选择,放入容量为w的背包时的最大价值。这是()问题动态规划算法的递推函数。

    A.0/1背包

    B.恰好装满的0/1背包

    C.完全0/1背包

    D.多重0/1背包


    B 解析:本题考查容器的嵌套。将一个容器panel1放到容器frame1中的方法和在容器上添加部件是一样的,使用add()方法即可。