搜索资源列表
myknapsack
- a) 0-1背包问题采用的是动态规划法,该算法思想简介如下: 有些问题常常没有办法把它们分成较小数目的子问题，在这种情况下，可以试着把问题分成必要多的子问题，每个子问题又可以分成数目不确定的必要多的子子问题，这样就会产生大量的子问题。如果分得的子问题界限不清，互相交叉，则在大量的子问题中会存在一些完全相同的子问题，因而在解这类问题时，将可能重复多次解同一个子问题。这种重复当然是不必要的，避免的方法可以在解决一个子问题后把它的解（包括
myknapsack
- a) 0-1背包问题采用的是动态规划法,该算法思想简介如下: 有些问题常常没有办法把它们分成较小数目的子问题，在这种情况下，可以试着把问题分成必要多的子问题，每个子问题又可以分成数目不确定的必要多的子子问题，这样就会产生大量的子问题。如果分得的子问题界限不清，互相交叉，则在大量的子问题中会存在一些完全相同的子问题，因而在解这类问题时，将可能重复多次解同一个子问题。这种重复当然是不必要的，避免的方法可以在解决一个子问题后把它的解（包括
tanxinsuanfa
- 背包问题和0/1背包问题的主要区别就是物品可不可以再分割。背包问题中的物品可以再进行分割，而0/1背包问题中的物品则反之。贪心算法往往只从局部去考虑问题，所以在解决0/1背包问题时得不到最优解。-class GreedyAlgorithm{ public: GreedyAlgorithm(int _weight[],int _value[],int capacity) double*Com
AntColonyAlgorithmforSolvingQoSRoutingProblem
- 在状态转移规则的基础上，局部更新规则和全局更新的蚁群算法的规则，我们提出一个IM证明蚂蚁的最低成本的服务质量蚁群算法（QoS）的路径用于解决网络路由问题与延迟以及背包约束中进行模拟。约52.33％蚂蚁找到成功的QoS路由。并收敛到最佳。-based on the state transition rule，the local updating rule and the global updating rule of ant colony
greedy
- 1）编程实现背包问题贪心算法和最小生成树prim算法。通过具体算法理解如何通过局部最优实现全局最优，并验证算法的时间复杂性。 2）输入5个的图的邻接矩阵，程序加入统计prim算法访问图的节点数和边数的语句。 3） 将统计数与复杂性函数所计算的比较次数比较，用表格列出比较结果，给出文字分析。 4）背包问题的实验数据如下表：n=8,m=110 -1) programming to implement the knapsack
6-8
- 贪婪法解决背包问题（局部最优解） 输入项数和重量 输出需要使用的背包数(Greedy method for solving knapsack problem (local optimal solution))
背包1
- 贪心背包，贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在某种意义上的局部最优选择。当然，希望贪心算法得到的最终结果也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路经问题，最小生成树问题等。在一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。(Greedy knapsack, (1) the so-called
贪心算法-局部背包
- 使用java语言实现贪心算法中的局部背包问题，适合正在学习这方面算法的人使用。(The Java language is used to implement the local knapsack problem in the greedy algorithm, which is suitable for people who are learning this algorithm.)
应用禁忌搜索算法解决0-1背包问题
- 利用禁忌搜索算法求解0-1背包问题。禁忌搜索算法相比其他搜索算法更优，设置藐视规则来避免陷入局部最优解。(Solve 0-1 Knapsack Problem based on Tabu search. The tabu search algorithm is superior to other search algorithms and sets contempt rules to avoid falling into local o