回 溯 法

回 溯 法

一、(what?)

二、(why?)

三、(how?)

四、典型例题分析:

例题1:大卖场购物车2——0-1背包问题

www.zeeklog.com  - 回 溯 法

问题分析:

www.zeeklog.com  - 回 溯 法

算法设计:

www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法

图解算法:

www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法
www.zeeklog.com  - 回 溯 法

伪代码:

www.zeeklog.com  - 回 溯 法
double Bound(int i)//计算上界(即已装入物品价值+剩余物品的总价值)
{
     int rp=0; //剩余物品为第i~n种物品
     while(i<=n)//依次计算剩余物品的价值
     {
          rp+=v[i];
          i++;
     }
     return cp+rp;//返回上界
}
www.zeeklog.com  - 回 溯 法
void Backtrack(int t)     //t表示当前扩展结点在第t层
{
     if(t>n)              //已经到达叶子结点
     {
          for(j=1;j<=n;j++)
          {
               bestx[j]=x[j];
          }
          bestp=cp;       //保存当前最优解
          return ;
     }
     if(cw+w[t]<=W)       //如果满足约束条件则搜索左子树
     {
          x[t]=1;
          cw+=w[t];
          cp+=v[t];
          Backtrack(t+1);
          cw-=w[t];
          cp-=v[t];
     }
     if(Bound(t+1)>bestp) //如果满足限界条件则搜索右子树
     {
          x[t]=0;
          Backtrack(t+1);
     }
}

完整代码:

#include<iostream>
#include<string>
#include<algorithm>
#define M 105 
using namespace std;

int i,j,n,W; //n表示n个物品,W表示购物车的容量
double w[M],v[M];//w[i] 表示第i个物品的重量,v[i] 表示第i个物品的价值
bool x[M]; //x[i]表示第i个物品是否放入购物车
double cw; //当前重量
double cp;//当前价值
double bestp;//当前最优价值
bool bestx[M]; //当前最优解

double Bound(int i)//计算上界(即已装入物品价值,剩余物品的总价值) 
{
	int rp=0;//剩余物品为第i~n种物品 
	while(i<=n)//一次计算剩余物品的价值 
	{
		rp+=v[i];
		i++;
	}
	return cp+rp;//返回上界 
}

void Backtrack(int t)//t表示当前扩展点在第t层 
{
	if(t>n)//已经到达叶子结点
	{
		for(j=1;j<=n;j++)
		{
			bestx[j]=x[j];
		}
		bestp=cp;//保存当前最优解
		return ; 
	 } 
	 if(cw+w[i]<=W)//如果满足条件约束搜索左子树 
	 {
	 	x[t]=1;
	 	cw+=w[t];
	 	cp+=v[t];
	 	Backtrack(t+1);
	 	cw-=w[t];
	 	cp-=v[t];
	 }
	 if(Bound(t+1)>bestp)//如果满足限界条件搜索右子树 
	 {
	 	x[t]=0;
	 	Backtrack(t+1);
	 }
}

void Knapsack(double W,int n)
{
	//初始化
	cw=0;
	cp=0;
	bestp=0;
	double sumw=0.0;
	double sumv=0.0;
	for(i=1;i<=n;i++)
	{
		sumv+=v[i];
		sumw+=w[i];
	}
	if(sumw<=W)
	{
		bestp=sumv;
		cout<<"放入购物车的物品最大价值为:"<<bestp<<endl;
        cout<<"所有的物品均放入购物车。";
        return;
	}
	Backtrack(1);
    cout<<"放入购物车的物品最大价值为:"<<bestp<<endl;
    cout<<"放入购物车的物品序号为:";
    for(i=1;i<=n;i++) //输出最优解
    {
        if(bestx[i]==1)
        cout<<i<<" ";
    }
    cout<<endl;
}

int main()
{
	cout << "请输入物品的个数n:";
    cin >> n;
    cout << "请输入购物车的容量W:";
    cin >> W;
    cout << "请依次输入每个物品的重量w和价值v,用空格分开:";
    for(i=1;i<=n;i++)
        cin>>w[i]>>v[i];
    Knapsack(W,n);
	return 0;
} 
 
 
 
 

例题2:

例题3:

例题4:

例题5:

例题6:

Read more

决策树算法介绍:原理与案例实现

决策树算法介绍:原理与案例实现

决策树算法介绍:原理与案例实现 决策树算法介绍:原理与案例实现 一、决策树算法概述 决策树是一种基本的分类与回归方法,它基于树形结构进行决策。决策树的每一个节点都表示一个对象属性的测试,每个分支代表该属性测试的一个输出,每个叶节点则代表一个类别或值。决策树学习通常包括三个步骤:特征选择、决策树的生成和决策树的剪枝。 二、决策树算法原理 1. 特征选择 特征选择是决策树学习的核心。它决定了在树的每个节点上选择哪个属性进行测试。常用的特征选择准则有信息增益、增益比和基尼不纯度。 * 信息增益:表示划分数据集前后信息的不确定性减少的程度。选择信息增益最大的属性作为当前节点的测试属性。 * 增益比:在信息增益的基础上考虑了属性的取值数量,避免了对取值数量较多的属性的偏好。 * 基尼不纯度:在CART(分类与回归树)算法中,使用基尼不纯度作为特征选择的准则。基尼不纯度越小,表示纯度越高。 2. 决策树的生成 根据选择的特征选择准则,从根节点开始,递归地为每个节点选择最优的划分属性,并根据该属性的不同取值建立子节点。直到满足停止条件(如所有样本属于同一类,

By Ne0inhk
他给女朋友做了个树莓派复古相机,算法代码可自己编写,成本不到700元

他给女朋友做了个树莓派复古相机,算法代码可自己编写,成本不到700元

手机拍照不够爽,带个单反又太重? 试试做个树莓派复古相机,还能自己编写处理算法的那种—— 成本不到700元。 没错,颜值很高,拍出来的照片也能打: 你也可以快速上手做一个。 如何制作一个树莓派复古相机 目前,这部相机的代码、硬件清单、STL文件(用于3D打印)和电路图都已经开源。 首先是硬件部分。 这部复古相机的硬件清单如下: 树莓派Zero W(搭配microSD卡)、树莓派高清镜头模组、16mm 1000万像素长焦镜头、2.2英寸TFT显示屏、TP4056微型USB电池充电器、MT3608、2000mAh锂电池、电源开关、快门键、杜邦线、3D打印相机外壳、黑色皮革贴片(选用) 至于3D打印的相机外壳,作者已经开源了所需的STL文件,可以直接上手打印。 材料齐全后,就可以迅速上手制作了~ 内部的电路图,是这个样子的: 具体引脚如下: 搭建好后,整体电路长这样: 再加上3D外壳(喷了银色的漆)和镜头,一部简易的树莓派复古相机就做好了。 至于软件部分,

By Ne0inhk
🚀Zeek.ai一款基于 Electron 和 Vite 打造的跨平台(支持 Windows、macOS 和 Linux) AI 浏览器

🚀Zeek.ai一款基于 Electron 和 Vite 打造的跨平台(支持 Windows、macOS 和 Linux) AI 浏览器

是一款基于 Electron 和 Vite 打造的跨平台(支持 Windows、macOS 和 Linux) AI 浏览器。 集成了 SearXNG AI 搜索、开发工具集合、 市面上最流行的 AI 工具门户,以及代码编写和桌面快捷工具等功能, 通过模块化的 Monorepo 架构,提供轻量级、可扩展且高效的桌面体验, 助力 AI 驱动的日常工作流程。

By Ne0inhk