0/1背包问题的贪心算法

0／1背包问题属于动态规划问题，部分背包问题属于贪心算法的范畴，通过比较两种算法的联系和区别，来寻求0／1背包问题的贪心算法的条件，用贪心算法来解决部分0／1背包问题的求解。     

0-1背包问题的遗传算法求解及其改进

0-1背包问题是一个典型的组合优化问题,且为NP完全问题.目前常用的方法有贪心算法,动态规划,回溯法等.本文探讨了一种基于贪心算法的混合遗传算法求解0-1背包问题的方法,并在实验中获得了更佳近似解.     

0-1背包问题的求解算法设计与分析

0-1背包问题在信息密码学和数论研究中有着极其重要的应用。首先对背包问题作了简要描述,然后对0-1背包问题的两种经典算法:动态规划算法、贪心算法给出了具体算法设计及实现过程,最后对两种算法在实现的时间、准确性等性能方面进行了分析和对比。     

基于贪心算法的光伏板布置及智能分区

背包问题可分为0/1背包问题、完全背包问题以及多重背包问题等,一直是算法与复杂性研究的热点之一,应用于多个行业和领域。贪心算法在求最优解问题过程中,依据某种贪心标准,从问题初始状态出发,直接计算出每一步的最优解,通过若干次的贪心选择,最终得出整个问题的最优解。在光伏电站布置及分区过程中,分别应用解决背包问题的动态规划算法和贪心算法划分规则形状以及边界部分非规则形状。     

贪心方法与动态规划的比较

算法是解决问题方法的精确描述,算法设计的任务是对各类具体问题设计良好的算法及研究设计算法的规律和方法。通过介绍贪心算法与动态规划算法的基本原理以及具体实例,来比较两种算法的联系和区别。最后以背包问题为例子对比两种算法的使用特点和使用范围的不同。     

求解0-1背包问题算法研究

0-1背包问题是算法中的一个经典例子。用回溯、分支限界和动态规划这3种方法求解0-1背包问题,并对解题思路和时间复杂度进行了详细分析。     

用动态规划法和贪心法解决背包问题

0-1背包问题和背包问题是一类经典的NP困难问题。采用动态规划法和贪心法对该问题进行求解,分析和比较这两种算法在求解同一问题时的差异。     

一种改进的模拟退火萤火虫混合算法求解0/1背包问题

根据萤火虫算法自身特点,本文提出一种基于模拟退火的改进萤火虫算法,并用于求解0-1背包问题.该算法在模拟退火过程中利用萤火虫算法搜索新解,采用贪心修复算子对不可行解进行修正.每一次退火操作完成时,对萤火虫种群实行变异操作,增强萤火虫的全局搜索能力.本算法在求解0-1背包问题时,能及时跳出局部最优,在算法初期增强全局搜索能力,在算法后期加快收敛速度.通过仿真实验表明,该算法可较好的求解0-1背包问题.     

贪心算法与动态规划的比较

介绍了计算机算法设计的两种常用算法思想:贪心算法与动态规划算法。通过介绍两种算法思想的基本原理,比较两种算法的联系和区别。通过背包问题对比了两种算法的使用特点和使用范围。     

动态规划算法分析与研究

分析多阶段决策问题,总结动态规划的基本概念、原理以及解题。通过0-1背包问题的具体解题步骤,阐述动态规划算法一般解题思路。并分析常用经典算法在解决最优问题中的差异性,比较各自优缺点,探讨其研究方向。     

带有需求时间窗口和价格折扣的动态批量问题

考虑在带有需求时间窗口和价格折扣情况下的动态批量问题,且对有m个价格折扣点Nu（u=1,2,…,m）和n个需求时间窗口[Ei,Li】（i=1,2,…,n）的情形下,利用动态规划,提出了计算复杂性为O（mT2）的多项式时间算法．     

二阶变时滞非线性差分方程的振动性

建立了二阶变时滞非线性差分方程△ (pn(△yn) σ) +qnf(yn-kn) =0的一些新的振动性定理 ,其中△yn=yn+ 1-yn 是差分算子 ,{kn}是非负整数序列 ,{n-kn}单调不减 ,σ是两个正奇数之商 ,{qn}是非负实数序列 ,{pn}是正实数序列 ,f是 (-∞ ,+∞ )上的连续函数     

动态时间规整算法优化

为了解决动态时间规整算法在时间序列长度较长、两段时间序列长度相当时计算效率较低等问题,对动态时间规整增加约束条件,并从压缩时间序列、优化全局约束及修改约束条件等方面进行改进.通过实验,将算法应用于较长的时间序列中.实验结果表明,两段时间序列长度越接近,动态时间规整的时间复杂度越趋于线性,在完全相等时,时间复杂度从传统算...     

动态规划在货物归并问题中的应用及优化

以动态规划方法解决货物归并问题为例,阐述如何进行动态规划算法的分析设计,并在此基础上利用四边形不等式,减少动态规划过程中每一阶段的状态转移数,从而整体上降低动态规划的时间复杂度,使其能够适用于更大规模计算．这种优化方法具有通用性,对于状态转移方程与之类似且能满足四边形不等式的动态规划问题,都可以采用相同的优化方法进行优化．     

Planning readings: a comparative exploration of basic algorithms

Conventional introduction to computer science presents individual algorithmic paradigms in the context of specific, prototypical problems. To complement this algorithm-centric instruction, this study additionally advocates problem-centric instruction. I present an original problem drawn from students' life that is simply stated but provides rich discussions of different approaches. It lends itself to a wide range of didactic means from individual or group study to whole class discussions under various levels of guidance by the instructor. I suggest diverse algorithms for solving it, covering some of the most important algorithmic paradigms. Some of these algorithms (greedy, divide-and-conquer) do not produce optimal solutions but may nevertheless have their merits in practice. The best algorithms are illustrative instances of some of the most sophisticated paradigms introduced in undergraduate curricula (dynamic programming, graphs).     

算法设计与分析课程中最大子段和问题的教学探讨

介绍算法设计与分析课程中最大子段和问题的动态规划解法,其求解思想是先求给定序列中以每一个元素为尾元素的最大子段和,然后其中的最大者便是整个序列的最大子段和．从两个不同的角度分析最大子段和问题最优解的构造方法,给出最大予段和问题的动态规划算法,并分析算法的时间复杂度。通过这一问题的讲解,有助于学生明确动态规划方法的解题步骤,掌握动态规划算法的设计步骤,     

凹资源配置问题的混合动态规划方法

Concave resource allocation problem is an integer programming problem of minimizing a nonincreasing concave function subject to a convex nondecreasing constraint and bounded integer variables. This class of problems are encountered in optimization models involving economies of scale. In this paper, a new hybrid dynamic programming method was proposed for solving concave resource allocation problems. A convex underestimating function was used to approximate the objective function and the resulting convex subproblem was solved with dynamic programming technique after transforming it into a 0-1 linear knapsack problem. To ensure the convergence, monotonicity and domain cut technique was employed to remove certain integer boxes and partition the revised domain into a union of integer boxes. Computational results were given to show the efficiency of the algorithm.     

一种新的加权关联规则算法

为了解决MINWAL(O)算法存在的重复扫描数据库、挖掘出的加权频繁项集可能包含多个权值较低的项目等问题,提出一种新的加权关联规则算法.该算法定义了新的加权关联规则模型,提出最小支持期望的概念用于候选项集的修剪,挖掘出感兴趣的加权频繁项集.测试结果证明该算法有较高的时间效率.     

用动态规划解决一类最值问题

决策论中有一类人力资源分配问题,解决这类问题通用的方法是线性规划法.经过研究发现,这类问题具有阶段性、顺序性和可分离性.对该问题进行转化,给出了解决这类问题的动态规划算法.这类方法动态地揭示了决策者在优化人力资源方面的全过程,弥补了线性规划在处理这类问题中的不足(不能细化决策的全过程).