搜索资源列表
背包算法
- 高级算法中的背包问题求解，算法简便高效，主要解决动态规划0-1背包问题-senior algorithm to solve the knapsack problem, the algorithm is simple and efficient, dynamic programming solution 0-1 knapsack problem
贪婪算法解决背包
- 运用贪婪算法能够很好解决0/1背包问题，这是我编的一个小程序，运行过很好。-greedy algorithm can be used to solve a very good 0 / 1 knapsack problem, this is my part of a small program running very good.
0-1背包
- 0-1背包问题算法在java语言的实现程序-0-1 knapsack problem algorithm java language in the realization process
0-1背包的回溯算法
- 回溯法解决0-1背包问题-Backtracking 0-1 knapsack problem solving
0-1背包的动态规划算法
- 动态规划0-1背包问题-Dynamic Programming 0-1 knapsack problem
实验报告-背包
- 关于背包问题的基本思想运行结果测试平台源码-knapsack problem on the basic idea of running results Source Testing Platform
0-1背问题
- 0-1背包问题 可以提供在背包方面遇到问题的学生或者有需要的人.-0-1 knapsack problem can provide a backpack problems encountered students or those who are in need.
背包测试集
- 背包问题的测试数据
12.18
- 用粒子群算法解决背包问题
背包9讲
- 详细介绍背包各种问题。
0.背包问题C语言算法
- 给定n种物品和一个背包,物品i的重量是Wi,价值是vi,被包容量是C,应该如何选择装入被包的物品,使得装入背包中物品的总价值最大?对于每种物品i,只有两种选择,装入或者不装入. 输入:第一行两个正整数n(物品数)和C(容量) 第二行n个正整数n,表示物品价值 第三行n个正整数n,表示物品重量 输出:第一行表示总价值 第二行n个数(0/1),0表示物品不装入,1表示装入 例如, 输入: 5 10 6 3 5 4 6 2 2 6 5 4 输出 15 1 1 0 0 1 ,
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.)
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)
beibaowenti
- 简单背包问题的程序，使用matlab进行编程，适合零基础者(A program that can do simple Knapsack problem)
采用基于粒子群的多目标优化算法解决背包问题
- 多目标优化问题与粒子群算法的结合，以解决0-1背包问题(The multi-objective optimization problem is combined with particle swarm optimization to solve the 0-1 knapsack problem)
遗传算法解决背包问题
- 遗传算法解决背包问题，matlab环境实现c流程(Solving knapsack problem by genetic algorithm)
MyDPUtils
- 各类背包问题算法的java实现，并且带有部分注释(Knapsack problem algorithm java implementation, and with some notes)
Chapter9
- 用分支界限法来解决0-1背包问题，包含算法分析(Branch and bound method for solving 0-1 knapsack problem)
0-1背包问题
- 实现0－1背包问题 背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。相似问题经常出现在商业、组合数学，计算复杂性理论、密码学和应用数学等领域中。也可以将背包问题描述为决定性问题，即在总重量不超过W的前提下，总价值是否能达到V？
beiBao01
- 免疫克隆解决01背包问题，将免疫概念及其理论应用于遗传算法，在保留原算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象，这种算法称为免疫算法(Immune Algorithm) IA。人工免疫算法是一种具有生成+检测 (generate and test)的迭代过程的群智能搜索算法。从理论上分析，迭代过程中，在保留上一代最佳个体的前提下，免疫算法是全局收敛的。(Immune clone solves 01 knapsack problem