搜索资源列表
c1
- 动态规划解决背包问题 列出所有可能情况并进行求值 适用于较小数据测试(Dynamic programming to solve knapsack problem)
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))
背包问题
- 数据结构的背包问题，是一个很经典的利用堆栈的问题(Knapsack problem of data structure, is a very classic problem of the use of the stack)
knapsack
- 背包算法的非递归实现，使用进出栈进行操作(Non-recursive implementation of knapsack algorithm)
背包问题
- python的0-1背包算法实现，包含如何求出路径，还有算法流程图(Python 0-1 knapsack algorithm implementation, including how to find the path, and the algorithm flow chart)
01beibao_fenzhijiexian
- 分治法实现01背包问题，输入为即将放入背包的物品的重量和对应价值的数组，输出为放置物品的最优方案(Realization of 01 knapsack problem by divide and conquer method)
bagpack_problem
- 使用C++实现递归解决背包问题的算法 注释详尽算法高效简单易懂(solving bag-pack problem recursively using c++)
01被背包问题
- 01背包问题C语言版，详细的直接可以运行的(01 knapsack problem C language version, which can be run in detail.)
AOC_limit
- 使用matlab实现的蚁群算法，解决0 1背包问题为例解决组合优化问题(ant colony optimization (ACO) implement by matlab, use to solve 0/1 bagging problem)
12.8 01背包练习题
- java 动态规划之0-1背包问题代码详解，详细注释(0-1 knapsack problem dynamic programming code Xiangjie)
01packeg
- 01背包问题的一种实现算法。根据需要设置Weight、Value和Capacity。(01 an algorithm for the realization of the knapsack problem. Weight, Value, and Capacity are set up as required.)
0-1
- 利用动态规划实现0-1背包问题，文件包含源代码，解释说明及测试样例(Dynamic programming to achieve 0-1 knapsack problem.)
基于Pareto理论的二维背包搜索算法
- 主要用于用二维背包算法算法在物流配送路径中的应用(the program is often used to solve VRP)
main
- 采用多目标粒子群算法求解多目标背包问题 问题：假设存在五类物品，每类物品又包含四种具体物品，要求从五类物品中分别选择一种放入背包，使得背包总价值最大，总体积最小，总质量不超过92kg(The problem is solved by multi objective particle swarm optimization algorithm, multi-objective knapsack problem: suppose there are five categories of goods,
扔东西源码
- 按键精灵扔背包垃圾 源码，可以插入任何源码中(Key wizard throw backpack garbage source, can be inserted into any source code)
knapsack problem
- 用动态规划解决01背包问题，以及回溯找到最终解，完美的解决了动态规划的思想(Use dynamic programming to solve the 01 knapsack problem.)
回溯法（01背包问题）
- 回溯法解决01背包问题，111111111111111111(Backtracking method for solving 01 knapsack problems)
test.py
- 通过遗传算法解决0-1背包问题，以选择办事处为背景(solve the package problem through genetic algorithm)
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 greedy choice property means
背包九讲
- 经典DP 背包问题，九讲背包入门，适合新手或入门者学习动态规划(The classic DP knapsack problem, the introduction of knapsack, is suitable for beginners or beginners to learn dynamic programming.)