A1156. 开心的金明 01 背包,输出选择的物品【1】

本文探讨了在有限预算内,如何通过优化选择购买物品来最大化价值的问题。具体地,介绍了一种动态规划算法,用于解决NOIP2006普及组试题中金明购物单的最优解,通过代码实例展示了算法实现。

试题来源  http://www.tsinsen.com/ViewGProblem.page?gpid=A1156

  NOIP2006 普及组

问题描述

  金明今天很开心,家里购置的新房就要领钥匙了,新房里有一间他自己专用的很宽敞的房间。更让他高兴的是,妈妈昨天对他说:“你的房间需要购买哪些物品,怎 么布置,你说了算,只要不超过N元钱就行”。今天一早金明就开始做预算,但是他想买的东西太多了,肯定会超过妈妈限定的N元。于是,他把每件物品规定了一 个重要度,分为5等:用整数1~5表示,第5等最重要。他还从因特网上查到了每件物品的价格(都是整数元)。他希望在不超过N元(可以等于N元)的前提 下,使每件物品的价格与重要度的乘积的总和最大。
  设第j件物品的价格为v[j],重要度为w[j],共选中了k件物品,编号依次为 j1,j2,……,jk,则所求的总和为:
  v[j1]*w[j1]+v[j2]*w[j2]+ …+v[jk]*w[jk]。(其中*为乘号)
  请 你帮助金明设计一个满足要求的购物单。

输入格式

  输入文件 的第1行,为两个正整数,用一个空格隔开:
  N m  (其中N(<30000)表示总钱 数,m(<25)为希望购买物品的个数。)
  从第2行到第m+1行,第j行给出了编号为j-1的物品的基本数据,每行有2个非负整数
  v p   (其中v表示该物品的价格(v<=10000),p表示该物品的重要度(1~5))

输出格式

  输出文件只有一个正整数,为不超过总钱数的物品的价格与重要度乘积的总和的最大值(<100000000)。

样例输入

1000 5
800 2
400 5
300 5
400 3
200 2

样例输出

3900

注意下面的代码下标是从1开始

#include <iostream>
#include <cstring>
#include <vector>
using namespace std;

const int N=30000;
const int M=26;
int v[M];
int w[M];
vector<int> vr(N,0);
vector<  vector<int> > dp(M,vr);
int n,m;
int main() {
	cin>>n>>m;
	for(int i=1; i<=m; i++) {
		cin>>v[i]>>w[i];
		w[i]=w[i]*v[i];
	}
	for(int i=1; i<=m; i++)
		for(int j=1; j<=n; j++) {
			if(j>=v[i]) {
				dp[i][j]=max(dp[i-1][j],dp[i-1][j-v[i]]+w[i]);
			} else
				dp[i][j]=dp[i-1][j];
		}
	cout<<dp[m][n]<<endl;

	//void PrintKnapsack() {
	int i = m;//枚举物品
	int j = n;//枚举空间

	cout<<"加入背包的物品编号:"<<endl;
	while(i) {
		if (dp[i][j] ==dp [i- 1][j - v[i]] + w[i]) {
			/*if不满足,表示第i件物品没装入背包,
			  if条件满足,表示放入背包了*/
			cout<<i<<" ";
			j-=v[i];//此时容量减少
		}
		i--;
	}
	cout<<endl;

return 0;
}

注意下面的代码下标是从0开始 

#include<iostream>
#include<string.h>
using namespace std;
int n,m;
int v[25];
int w[25];
int re[25][30001];
int dp(int x,int limit) {
    if(x<0) return 0;
    if(re[x][limit]>=0)return re[x][limit];
    if(v[x]<=limit)
        re[x][limit]=max(dp(x-1,limit),dp(x-1,limit-v[x])+v[x]*w[x]);
    else re[x][limit]=dp(x-1,limit);
    return re[x][limit];
}

int main() {
    cin >> n >> m;
    for(int i=0; i<m; i++)
        cin >> v[i] >> w[i];
    memset(re,-1,sizeof(re));
    cout << dp(m-1,n);
    return 0;
}

一维数组 

#include<iostream>
#include<stdio.h>
#include<string.h>
using namespace std;
#define max(x,y) (x>y? x:y)
int dp[30000],a[30][30000],w[30],v[30],f[30],icount=0;
void print(int n,int m)
{
    if(n==0)
        return;
    if(a[n][m]==0)
        print(n-1,m);
    else
    {
        print(n-1,m-w[n]);
        f[icount++]=w[n];
    }
}
int main()
{
    int n,m;
    while(scanf("%d%d",&m,&n)>0) //m 总钱数  n物品种类 
    {
        int i,t;
        for(i=1;i<=n;i++)
          { cin>>w[i]>>t; v[i]=w[i]*t;}
          //  scanf("%d&",&w[i]);d 
        memset(dp,0,sizeof(dp));
        memset(a,0,sizeof(a));
        a[0][0]=1;
        for(i=1;i<=n;i++)  
        {
            for(int j=m;j>=w[i];j--)
            {
                dp[j]=max(dp[j],dp[j-w[i]]+v[i]);
                if(dp[j]==dp[j-w[i]]+v[i])
                    a[i][j]=1;
            }
        }
        icount=0;
        print(n,m); 
        for(i=0;i<icount;i++)
        {
            printf("%d ",f[i]);
        }
        printf("sum:%d\n",dp[m]);
    }
    return 0;
}

 

内容概要:本文详细介绍了一种结合改进自抗扰控制(ADRC)和滑模控制(SMC)的方法,旨在提高柔性机械臂的控制精度和抗干扰性能。首先,通过Lagrange法和假设模态法建立柔性机械臂的动力学模型,并利用奇异摄动理论将其解耦为慢变和快变子系统。慢变子系统采用改进ADRC进行轨迹跟踪,设计了新的fal函数解决传统fal函数拐点不平滑和误差大时增益过大的问题,并用滑模控制替代非线性状态误差反馈;快变子系统采用滑模控制抑制振动。MATLAB仿真表明,该方法相比传统ADRC具有更好的跟踪性能、抗干扰性和抑振能力。文中还提供了详细的代码实现,涵盖从动力学模型建立到控制算法设计的全过程。适合人群:具备一定自动化控制理论基础和编程能力的研究人员、工程师,特别是从事机器人控制、柔性机构控制领域的工作者。使用场景及目标:①研究柔性机械臂的高精度控制方法;②探索自抗扰控制和滑模控制在复杂系统中的应用;③为实际工程项目提供理论支持和技术方案,如航天器柔性臂、工业机器人等。其他说明:此资源不仅提供了完整的控制算法实现代码,还包括详细的数学推导和参数调整建议,帮助读者更好地理解和应用该方法。此外,文中还提出了未来的研究方向和技术改进点,如结合深度学习进行参数自适应整定、引入压电作动器进行主动振动抑制等。建议读者在学习过程中结合实际案例进行调试和优化,以获得最佳的控制效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值