- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java Web
最优装载问题
问题描述： 有一批集装箱要装上一艘载重量为c的轮船。其中集装箱i的重量为Wi。最优装载问题要求确定在装载体积不受限制的情况下，将尽可能多的集装箱装上轮船。 问题可以描述为： 式中，变量xi = 0 表示不装入集装箱 i，xxi = 1 表示装入集装箱 i。 刚看到的时候，给我的感觉就像是排好序的背包问题一样，那么问题就变得简单了。 tempWeight[j]; } } // end inner for } // end outer for System.out.println("装载物品如下 ："); // 贪心选择装载 for (int i = 0; i < number; i++) { if (tempWeight[i] > currentSpace) break
1.6K50发布于 2018-04-26 - 来自专栏若尘的技术专栏
回溯法最优装载问题（Java实现）
最优装载问题 问题描述 有一批共n个集装箱要装上2艘载重量分别为c1和c2的轮船，其中集装箱i的重量为wi，装载问题要求确定是否有一个合理的装载方案可将这些集装箱装上这2艘轮船。 如果有，找出一种装载方案。 n=3,c1=c2=50,且w=10,40,40时，则可以将集装箱1和2装到第一艘轮船上 Java源代码 注释很详细 /* * 若尘 */ package loading2; /** * 装载问题 第一艘轮船的载重量 */ static int c1; /** 第二艘轮船的载重量 */ static int c2; /** 当前载重量 */ static int cw; /** 当前最优载重量 */ static int bestw; /** 剩余集装箱重量 */ static int r; /** 当前解 */ static int[] x; /** 当前最优解 */ static
1.3K87发布于 2021-05-15 - 来自专栏若尘的技术专栏
贪心算法最优装载问题（Java代码实现）
最优装载问题 最优装载问题实质上就是一个简单版的0-1背包问题 问题描述 有一批集装箱要装上一艘载重量为 c 的轮船，其中集装箱 i 的重量为 wi 最优装载问题要求确定在装载体积不受限制的情况下 ，将尽可能多的集装箱装上轮船 算法描述 可用贪心算法求解/* * 若尘 */ package loading; import java.util.Arrays; /** * 最优装载问题（贪心算法 ]; for (int i = 0; i < n; i++) { // 初始化 d[i] = new Element(w[i], i); } Arrays.sort(d); // 记录最优值 float[]{4, 2, 5, 1, 3}; x = new int[w.length]; float opt = Loading(c, w, x); System.out.println("最优值为 : 10.0 最优解为： 1, 1, 0, 1, 1 采用重量最轻者先装的贪心选择策略，可产生最优装载问题的最优解Java 源代码代码有详细注释，不懂评论下方留言
1.5K117发布于 2021-05-14 - 来自专栏后端开发技术
如何通过贪心算法实现最优装载问题的高效解决
（2）局部最优解。根据贪心策略，一步步地得到局部最优解。例如，第一次从苹果堆中选一个最大的苹果放起来，记为a1第二次从剩下的苹果堆中选一个最大的苹果放起来，记为a2以此类推。（3）全局最优解。 把所有的局部最优解合并为原来问题的一个最优解（a1,a2,...）。有点像冒泡排序？ 1.3、做题思路可以使用贪心算法解出最优装载问题，要求装载的物品数量尽可能多，而船的容量是固定的，那么优先把重量小的物品放进去，使装的物品最多。 采用重量最轻者先装的策略，从局部最优达到全局最优，从而产生最优装载问题的最优解。（1） 当负载为恒定值c时，Wi越小时，可装载古董的数量就越大。只要选择最小重量的古董，直到无法重新装载。 二、总结贪心算法解决最优装载问题（也称为背包问题，但通常指0/1背包问题的近似解法）的核心思想是：每次都选择单位重量价值最高的物品装载，直到背包装满为止。
59710编辑于 2024-11-25 - 来自专栏周小末天天开心
【趣学算法】Day2 贪心算法——最优装载问题
该篇文章收录专栏—趣学算法 ---- 目录 一、贪心算法 （1）介绍 （2）注意事项 （3）性质 1）贪心选择 2）最优子结构 二、最优装载问题 （1）古董重量排序 （2）贪心策略选择 模板代码 （ 1）贪心选择 贪心选择是指原问题的整体最优解可以通过一系列局部最优的选择得到：先做出当前最优的选择，将原问题变为一个相似却规模更小的子问题，而后的每一步都是当前最优的选择。 2）最优子结构 最优子结构是指原问题的最优解包含子问题的最优解。 贪心算法通过一系列的局部最优解（子问题的最优解）得到全局最优解（原问题的最优解），如果原问题的最优解和子问题的最优解没有关系，则求解子问题没有任何意义，无法采用贪心算法。 ---- 二、最优装载问题 海盗们截获一艘装满各种各样古董的货船，每一件古董都价值连城，但一旦打碎就会失去其原有的价值。海盗船虽然足够大，但载重量是有限的。
1.2K10编辑于 2022-10-26 - 来自专栏xingoo, 一个梦想做发明家的程序员
装载问题-回溯法
问题描述： 有一批共n个集装箱要装上2艘载重量分别为c1和c2的轮船，其中集装箱i的重量是wi，且不能超。 算法思想： 最优装载方案： 将第一艘轮船尽可能的装满； 然后将剩余的装载第二艘船上 算法描述： template <class Type> class Loading { friend Type ： 为了构造最优解，必须在算法中保存最优解的记录。 因此需要两个成员数组 x ,bestx，一个用于记录当前的选择，一个用于记录最优记录。 template <class Type> Type MaxLoading(Type w[],Type c,int n,int bestx[]) { //迭代回溯法，返回最优装载量及其相应解，初始化根节点
1.5K90发布于 2018-01-17 - 来自专栏WHYBIGDATA公众号同步文章
装载问题 ——回溯法（Java）
装载问题 ——回溯法（Java） 1、 问题描述 1.1 装载问题 1.2 转换问题 2、算法设计 2.1 可行性约束函数 2.2 上界函数 2.3 解空间树 2.4 剪枝函数 2.5 算法设计 3、 1.1 装载问题 装载问题要求确定是否有一个合理的装载方案可将这个集装箱装上这2艘轮船。如果有，找出一种装载方案。 容易证明，如果一个给定装载问题有解，则采用下面的策略可得到最优装载方案。 (1)首先将第一艘轮船尽可能装满； (2)将剩余的集装箱装上第二艘轮船。 1.2 转换问题 将第一艘轮船尽可能装满等价于选取全体集装箱的一个子集，使该子集中集装箱重量之和最接近第一艘轮船的载重量。 由此可知，装载问题等价于以下特殊的0-1背包问题。 图片 用回溯法设计解装载问题的O(2n)计算时间算法。在某些情况下该算法优于动态规划算法。
1.2K10编辑于 2023-01-31 - 来自专栏深度学习计算机视觉
回溯法之装载问题
先来看装载问题问题背景描述 装载问题可用动态规划解决，但回溯法有时能取得更好的效果 (1)First ship the first ship as much as possible; (2)The remaining 先来装一个容积，先来装一条船 w是货物重量，c是容积大小 先装载一个容积是30的船 用子集树表示其解空间，用可行性约束函数可剪去不满足条件的子树 子集树解空间 cw记当前的装载重量，当cw > c1时，以结点Z为根的子树中所有结点都不满足约束条件，因而该子树中的解均为不可行解，故可将该子树剪去； 找bestw的步骤 cw：当前重量 bestw:最优重量 r:剩余重量 如下图，总重量是46，
84350发布于 2018-04-24 - 来自专栏WHYBIGDATA公众号同步文章
装载问题 ——分支限界法（Java）
装载问题 ——分支限界法（Java） 1、 问题描述 2、算法设计 3、算法的改进 4、程序代码 5、参考资料 ---- ---- 1、 问题描述 有一批共n个集装箱要装上2艘载重量分别为C1和C2 的轮船，其中集 装箱i的重量为Wi，且 图片 装载问题要求确定是否有一个合理的装载方案可将这个集装箱装上这2艘轮船。 如果有，找出一种装载方案。 容易证明：如果一个给定装载问题有解，则采用下面的策略可得到最优装载方案。 首先将第一艘轮船尽可能装满； 将剩余的集装箱装上第二艘轮船。 优先队列式分支限界法 解装载问题的优先队列式分支限界法用最大优先队列存储活结点表。活结点x在优先队列中的优先级定义为从根结点到结点x的路径所相应的载重量再加上剩余集装箱的重量之和。 ，best[i]表示第i+1个集装箱装载到第best[i]+1艘轮船时最优 static int[] weight; static int[] shipContain; static
87520编辑于 2023-01-31 - 来自专栏数据结构与算法
最优布线问题
【问题描述】 学校有n台计算机，为了方便数据传输，现要将它们用数据线连接起来。两台计算机被连接是指它们间有数据线连接。
1.1K70发布于 2018-04-12 - 来自专栏Don的成长史
最优合并问题
试设计一个算法确认合并这个序列的最优合并顺序，使所需的总比较次数最少。为了进行比较，还需要确认合并这个序列的最差合并顺序，使所需的总比较次数最多。 输入样例： 4 5 12 11 2 输出样例： 78 52 解题思路： 贪心算法，最优合并时要求m+n-1尽可能的小，所以最优合并其实就是将升序排列的序列中的最小俩个值不断合并，直到序列中只有一个元素为止
1.2K10发布于 2019-11-08 - 来自专栏数据结构与算法
1231 最优布线问题
1231 最优布线问题 时间限制: 1 s 空间限制: 128000 KB 题目等级 : 白银 Silver 题目描述 Description 学校需要将n台计算机连接起来，不同的2台计算机之间的连接费用可能是不同的
91650发布于 2018-04-12 - 来自专栏机器学习与统计学
最优化问题综述
2 求解策略 针对以上三种情形，各有不同的处理策略： 无约束的优化问题：可直接对其求导，并使其为0，这样便能得到最终的最优解； 含等式约束的优化问题：主要通过拉格朗日乘数法将含等式约束的优化问题转换成为无约束优化问题求解 但是，SGD伴随的一个问题是噪音较BGD要多，使得SGD并不是每次迭代都向着整体最优化方向。 4.2、模拟退火算法 是用来求解最优化问题的算法。比如著名的TSP问题，函数最大值最小值问题等等。 ”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。 爬山算法：显然爬山算法较简单，效率高，但是处理多约束大规模问题时力不从心，往往不能得到较好的解。 粒子群算法适合求解实数问题，算法简单，计算方便，求解速度快，但是存在着陷入局部最优等问题。
3.5K31发布于 2019-04-10 - 来自专栏优化
最优化问题及其分类
归纳而言，最优化问题分为函数优化问题和组合优化问题两大类，其中函数优化的对象是一定区间的连续变量，而组合优化的对象则是解空间中的离散状态。 1nxi2,|xi|≤100 其最优状态和最优值为 min(f1(X∗))=f1(0,0,...,0)=0min(f1(X∗))=f1(0,0,...,0)=0，图像如下： image.png （2 ）Schwefel’s Problem 2.22 f2(X)=∑i=1n|xi|+∏i=1n|xi|,|xi|≤10 f2(X)=∑i=1n|xi|+∏i=1n|xi|,|xi|≤10 其最优状态和最优值为 ： g3(X∗)=g3(14.095,0.84296)=−6961.81381 g3(X∗)=g3(14.095,0.84296)=−6961.81381 对于受约束问题，除了局部极小解的存在，影响最优化性能的因素主要包括 image.png 显然，上述问题描述均非常简单，并且有很强的工程代表性，但最优化求解很困难，其主要原因是所谓的“组合爆炸”。比如，聚类问题的可能划分方式有kn/k!kn/k!
2.5K10编辑于 2022-06-01 - 来自专栏AI那点小事
装载问题——BFS（队列式）分支界限法
bool flag){ this->parent = p; this->weight = w; this->lchild = flag; } }Node; int c; //最大装载重量 int n; //装载个数 int bestw = 0; //最佳装载重量 int Ew = 0; //当前装载重量 int weight[100000]; //每个装载重量 int r = 0; //剩余装载数量 Node *bestE = 0; //最优解结点 Node *E = 0; //当前结点 int best[100000]; //最佳结点数组 ："<<endl; cin>>c; cout<<"请输入装载个数："<<endl; cin>>n; cout<<"请输入各个装载重量："<<endl; for(int i = 1 ; i < if(w > bestw){ //大于当前最优装载量 bestw = w; } Inqueue(w,true,i); } //检查右结点 if(Ew+
1.2K30发布于 2020-04-18 - 来自专栏AI那点小事
装载问题——优先级队列分支界限法
bool operator()(Node *node1,Node *node2){ return node1->weight<node2->weight; } }; int c; //最大装载重量 int n; //装载个数 int bestw = 0; //最佳装载重量 int Ew = 0; //当前装载重量 int weight[100000]; //每个装载重量 int r[100000]; //剩余装载数量 Node *bestE = 0; //最优解结点 Node *E = 0; //当前结点 int best[100000]; //最佳结点数组 * node = new Node(parent,weight,lev,flag); q.push(node); } int main() { //初始化相关变量 cout<<"请输入最大装载重量 ："<<endl; cin>>c; cout<<"请输入装载个数："<<endl; cin>>n; cout<<"请输入各个装载重量："<<endl; for(int i = 1 ; i <
80240发布于 2020-04-18 - 来自专栏第一专栏
最优合并问题------贪心思想
最优合并问题 Description 给定k 个排好序的序列s1 , s2,……, sk , 用2 路合并算法将这k 个序列合并成一个序列。 试设计一个算法确定合并这个序列的最优合并顺序，使所需的总比较次数最少。 为了进行比较，还需要确定合并这个序列的最差合并顺序，使所需的总比较次数最多。
62930编辑于 2023-05-25 - 来自专栏小樱的经验随笔
UVAlive 3708 Graveyard(最优化问题)
这道题得注意一个问题，第十三行的floor改成double会WA，我也不知道为啥，搞不清楚！有大神知道的给我留个言，在下面评论一句，不甚感激！
64040发布于 2018-04-08 - 来自专栏全栈程序员必看
有约束最优化问题MATLAB_约束条件下的最优化问题
锦标赛选择 模拟二进制交叉 多项式变异 精英保留策略 参考文献 NSGA-Ⅱ算法简介 NSGA-Ⅱ算法由Deb等人首次提出，其思想为带有精英保留策略的快速非支配多目标优化算法，是一种基于Pareto最优解的多目标优化算法 需要注意的是，本文讲解的是带约束条件的多目标优化，因此程序中也会掺和一些约束条件，NSGA-Ⅱ适用于解决3维及以下的多目标优化问题，即优化目标不大于3。
1.8K23编辑于 2022-11-07 最优化问题及梯度下降
from=search&seid=14306241578136111051 最优化问题 最优化问题的分类 其实等式约束也可以转换成不等式约束的一种，改变值域即可。 最优化问题的求解 梯度下降 左图即为凸函数，右图为非凸函数。 对于凸函数而言，我们可以设置很多种方法让它在一定的时间内收敛到特定精度的一个最优解。 而非凸函数目前没有特别好的方法。
11610编辑于 2026-01-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号