knapsack-problem

0热度

1回答

故事我想让我的祖母着名的N豆汤。该配方需要准确的N个豆子。杂货店只出售预包装袋中的豆类。每个袋子都包含一定数量的豆子，价格不同。 1000 for $300 ($.3 per bean) 750 for $225 ($.3 per bean) 600 for $180 ($.3 per bean) 300 for $150 ($.5 per bean) 250 for $125 ($.5 pe

-10热度

1回答

C++蛮力背包的一部分

阅读器，嗯，我觉得我刚刚脑残一点。我正在实施背包，我想过我曾经实施过1到2次蛮力算法。所以我决定再做一个。这里是我ocked英寸让我们来决定W是最大权重，w（min）是最小加权元素，我们可以在像背包一样放k=W/w(min)次。我正在解释这一点，因为你，读者，更好地知道为什么我需要问我的问题。现在。如果我们想象我们可以放入背包中的3种东西，而我们的背包可以存储15个单位的质量，那么让我们

0热度

1回答

适合数字的最佳方法

我有以下一组整数{2,9,4,1,8}。我需要把这个集合分成两个子集，以便集合的总和分别为14和10。在我的例子中，答案是{2,4,8}和{9,1}。我不寻找任何代码。我很确定必须有一个标准的算法来解决这个问题。由于我没有成功搜索并找到自己，我在这里发布了我的查询。那么解决这个问题最好的办法是什么？我的尝试是这样的... public class Test { public stati

-1热度

1回答

打印背包解决方案的值

我对背包问题有以下解决方案：（wt []是权重数组，val []是值数组，n是数组大小，index是当前项目，我们是尝试（用于递归）和改编是表示天气或不项目i是包含在溶液的阵列。 int knapSack(int W, int wt[], int val[], int n, int index, int arr[]) { if (n == index || W == 0)

1热度

1回答

背包Python函数

我有关于背包问题的这个问题，目标与背包问题的结果非常相似。问题是：假设您有一个集合n项目。所有项目都有相同的权重，w，您可以选择最多一个的每个项目。编写Python函数，它被给定为输入的背包的容量，容量，值的列表（以升序排列），值，每个项目的，和重量，瓦特并返回最大值，背包可以容纳。我已经试过写出函数，但不知何故我不知道哪里的重量，w，将适合在代码行。 def knapsack(capacit

-1热度

1回答

子集和概率的变化。（多个约束）

让我给你上，我试图解决正常的子集和问题的变化的一个例子：给出的一组小号 = {1,2,3， 4,5,6,7,8,9}具有最大容量C0 = 40。此外，我们有上的3项不同子集附加3个约束小号： S1 = {2,3， 4}约束c1 = 5 S2 = {3 ，4,5,6}与约束C2 = 12 S3 = {7,8,9}与约束C3 = 25 的目标是找到的小号使得一个子集路口是possib： - （C4

0热度

1回答

背包回溯

我需要使用回溯来解决背包问题。这是我可能不得不为我的问题做的一个例子。我的问题是，我怎么知道边界？我知道根节点的边界是$ 115，因为它是所有值的总和。但我不明白的是，根的正确孩子如何拥有82美元的约束。我发现这个文本，说明这是什么意思，但我仍然困惑： For a maximization problem the bound is an upper bound, – the large

-1热度

1回答

分数背包

我需要实现分数背包来解决这个问题价值（$} 20 50 10 90 110 70 60 重量（磅）3 4 1 5 6 3 4 但我得到的分数是如何工作的背包混乱，我明白是怎么背包才起作用。所以，在我的计划时，我如进入限重= 7 它给了我143 你能帮我理解分数背包的工作原理吗？感谢您在降序价值/重量的订单被创建

0热度

2回答

使用递归的背包解决方案

我想在Scala中使用递归来解决背包问题，但我的要求是显示选择哪些项目保留在背包中。 availableMoney表示背包大小。我的代码如下： def knapsack(availableMoney: Int,wt:List[Int],value :List[Int] ,n:Int) : Int= { if(n == 0 || availableMoney == 0) re

5热度

3回答

有条件限制的线性规划在R

我有一个线性规划问题，我试图从大量的二进制资源中选择优化值，基本上是一个背包问题。我遇到的问题是不同的资源具有共同的特征，我想确保我的最终解决方案具有0或2个具有特定特征的资源。有什么办法可以做到这一点？尽管大量搜索，我还是无法想象或找到一个。在我的数据中，决策变量是资源，约束是这些资源的特征。请看下面的代码： library(lpSolve) const_mat_so<-matrix(c(