c++实现动态规划算法解决0-1背包问题 开发环境eclipse+mingW 压缩工具：快压

提出了一种基于局部搜索机制快速求解TSP的遗传算法。基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生。仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率。

《背包问题九讲》，dd_engi大神原作，从属于《动态规划的思考艺术》系列这系列文章的第一版于2007 年下半年使用EmacsMuse 制作，以HTML 格式发布 到网上，转载众多，有一定影响力。2011 年9 月，本系列文章由原作者用LATEX 重新制作并全面修订，您现在看到的是2.0 beta 版本。 目录：1、01背包问题；2、完全背包问题；3、多重背包问题；4、混合三种背包问题；5、二维费用背包问题；6、分组的背包问题；7、有依赖的背包问题；8、泛化物品；9、背包问题的变化；

针对基本粒子群算法在背包问题上表现的不足，在基本粒子群算法的基础上运用模糊规则表加入了新 的扰动因子，提出了一种新的算法———模糊粒子群算法。该算法结合了模糊控制器中输入/输出的模糊化处理 和粒子群寻优的特点，为实际问题提供了新的解决手段。将模糊粒子群算法应用于0-1 背包问题上，通过多组 实例数据进行测试，验证表明了本算法具有良好的有效性和鲁棒性。

这是算法设计与分析的一个基本的算法---蛮力法，通过全部遍历解决背包问题。

针对带有随机需求的弧路径规划问题，提出一种自适应局部搜索算法。采用随机路径扫描算法产生初始种群，选出最优者作为初始解，以自适应的方式进行局部搜索，并设计2种局部搜索机制。实验结果表明，与自适应大邻域搜索算法相比，该算法的最优解得到改进，运行时间平均缩短60%。

求解CVRP问题的快速迭代局部搜索算法，刘万峰，李霞，本文提出了一种求解带有容量约束的车辆路径问题(Capacitated VRP，CVRP)的快速迭代局部搜索算法(Fast iterated local search，FILS)。该算法通过引�

CPS银 约束满足和优化问题的基于本地搜索的求解器 约束求解器库包含一个基于本地搜索的框架，该框架允许使用约束编程原语（变量，值，约束）对问题进行建模。 搜索基于迭代前向搜索算法。 该算法类似于本地搜索方法。 但是，与经典的本地搜索技术相比，它在可行的解决方案上运行，尽管不一定完整。 在这些解决方案中，某些变量可能未分配。 但是，必须满足对分配变量的所有硬约束。 与完整但不可行的解决方案相比，此类解决方案更易于可视化，并且对人类用户更有意义。 由于该算法的迭代特性，求解器还可以轻松地从任何可行的解决方案（完整或不完整）开始，停止或继续。 该框架还支持最小扰动问题的动态方面，从而使解决方案（扰动）的更改次数保持尽可能小。 约束求解器是计时（ITC2007）的所有三个曲目的决赛选手之一，它赢得了其中的两个冠军，有关更多详细信息，请参阅 。 组件 库中包含以下模块： 基于局部搜索的约束

计算机算法设计与分析动态规划法求解0-1背包问题的改进算法完整解释

穷举法解决背包问题，想要资源的一看题目就知道，不需要多花字数来介绍