0-1背包问题优化算法详解

★代码实现(python)：

#-*- coding:utf-8 -*-

from copy import copy

def add(p,x,c): #对应元素分别相加，p中每个元素都是元组，x也是一个元组

resultlist=[(i[0]+x[0],i[1]+x[1]) for i in p if i[0]+x[0]<=c]

return resultlist

def union(p,q): #求并集，同时删除坏点

pp=copy(p)

qq=copy(q)

delelement=[]

for i in pp:

for j in qq:

if(i[0]>=j[0] and i[1]<=j[1]):

delelement.append(i)

break

if(i[0]<=j[0] and i[1]>=j[1]):

delelement.append(j)

break

for i in delelement:

if i in pp:

pp.remove(i)

else:

qq.remove(i)

qq.extend(pp)

qq.sort()

return qq

def package2(w,v,c,n):#动态规划主函数

p=[[]]*(n+2)

p[n+1]=[(0,0)]

q= [[]] * (n + 2)

for i in range(n+1,1,-1):

q[i]=add(p[i],(w[i-2],v[i-2]),c)

p[i-1] = union(p[i], q[i])

return p,q

def out(w,v,p,q,n): #构造最优解

maxpoint=p[1][-1]

choose=[]

for i in range(1,n+1):

if((maxpoint in q[i+1]) and (maxpoint not in p[i+1])):

choose.append(True)

maxpoint=(maxpoint[0]-w[i-1],maxpoint[1]-v[i-1])

else:

choose.append(False)

print 'max weight and value:', p[1][-1]

print 'choose or not:', choose

if __name__=='__main__':

w=[2,2,6,5,4]

v=[6,3,5,4,6]

p,q=package2(w, v, 10, 5)

out(w,v,p,q,5)

★结果输出：

max weight and value: (8, 15)

choose or not: [True, True, False, False, True]

★复杂度分析

从之前的分析过程可以看出，每一个物品都存在选或者不选，如果没有删除坏点，

则要计算的转折点个数为2^n个，即指数级的，但是正是因为中间过程删除了很多

的坏点，因此实际复杂度并不是很高。

和前一篇最直接的动态规划相比，如果背包容量和物品重量的量级相差不大而

物品选择很多时，用直接动态规划方法效果可能更好。

而如果出现入本文开头引入的情况，即背包容量量级很大，而可选物品很少时，

用优化算法要快很多。因此，具体哪种好要视情况而定。

因为博客园编辑公式不太方便，因此写好了文档再截屏的。以上内容为原创，希望能帮到大家。

转载于:https://www.cnblogs.com/xiaotan-code/p/6674902.html

0-1背包问题优化算法详解相关推荐

id3算法c语言实现,从ID3到C5.0的故事：算法详解及实践应用
原标题:从ID3到C5.0的故事:算法详解及实践应用在前面,我们分别概述性地介绍了决策树的基本知识: 1.算法概述 ID3(Iterative Dichotomiser3)算法可以说决策树算法中最著 ...
机器学习、深度学习中常用的优化算法详解——梯度下降法、牛顿法、共轭梯度法
一.梯度下降法 1.总述: 在机器学习中,基于基本的梯度下降法发展了三种梯度下降方法,分别为随机梯度下降法,批量梯度下降法以及小批量梯度下降法. (1)批量梯度下降法(Batch Gradient D ...
【机器学习基础】优化算法详解
本文来源于吴恩达老师的深度学习课程[1]和深度学习课程[2]笔记部分. 作者:黄海广[3] 备注:笔记和作业(含数据.原始作业文件).视频都在 github[4]中下载. 导语在学习机器学习的过程中 ...
Adam 优化算法详解
据牛津字典的定义,优化是指最好或最有效地利用一种情况或资源,或者简单地使自己的事物达到最佳状态的行为. 通常,如果可以对某事进行数学建模,则很有可能可以对其进行优化. 这在深度学习领域起着至关重要的作 ...
差分分组的合作协同进化的大规模优化算法详解
合作协同进化已经引入协同进化算法,目的是通过分而治之的范式解决日益复杂的优化问题.理论上,协同改变子成分的想法是十分适合解决大规模优化问题的.然而在实践中,没有关于问题的先验知识, 问题应如何分解是 ...
重叠时间段问题优化算法详解
目录一.问题提出 1. 描述 2. 分析二.优化重叠查询 1. 自关联 2. 游标+内存临时表三.改进取得活跃时段的算法 1. 最小范围算法(表连接) 2. 正负计数器算法(一次扫描) 四.My ...
深度学习中的Adam优化算法详解
Adam论文:https://arxiv.org/pdf/1412.6980.pdf (一).什么是Adam算法? Adam(Adaptive momentum)是一种自适应动量的随机优化方法(A m ...
基础排序算法详解与优化
文章图片存储在GitHub,网速不佳的朋友,请看<基础排序算法详解与优化> 或者来我的技术小站 godbmw.com 1. 谈谈基础排序常见的基础排序有选择排序.冒泡排序和插入排序.众 ...
Apollo6.0代码Lattice算法详解——Part5: 生成横纵向轨迹
Apollo6.0代码Lattice算法详解--Part5: 生成横纵向轨迹 0.前置知识 1.涉及主要函数 2.函数关系 3.部分函数代码详解 3.1 lattice_planner.cc中代码部分 ...

0-1背包问题优化算法详解

0-1背包问题优化算法详解相关推荐

最新文章

热门文章