假设背包容量为C，有以下4类物品，每类物品对应的货物数量分别为j1,j2,j3,j4，每个货物的体积分别为：vk1(k1∈j1)，vk2(k2∈j2)，vk3(k3∈j3)，vk4(k4∈j4)，它们所对应的价值为uk1(k1∈j1)，uk2(k2∈j2)，uk3(k3∈j3)，uk4(k4∈j4)。问:怎么拿才能使所装物品的价值最大？要求：每类物品中至少装入一件。

贪心算法解决0-1背包问题，基础算法实现，可以运行

贪心算法 背包问题 c语言 绝对无误 运行成功

笔记为自己整理重点，最后附原著下载链接（免费） 背包问题九讲 2.0 beta1.2 崔添翼 (Tianyi Cui)* 2012-05-08† 本文题为《背包问题九讲》，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，修订历史及最新版本请访问 https://github.com/tianyicui/pack 查阅。 本文版权归原作者所有，采用 CC BY-NC-SA 协议发布。

多选择背包问题是组合优化中的典型NP难题之一。针对传统蜂群算法存在的收敛速度慢、易陷入局部最优的缺点，提出改进策略。改进的算法通过设置两个自适应变化的种群雄蜂群和雌蜂群，雄蜂群负责与蜂后交叉操作以保持种群的选择压力，雌蜂群负责自适应变异操作以保持种群多样性，蜂后则根据启发式规则主动进化以局部寻优。根据算法实现的核心思想，仿真实验结果表明，提出的改进算法可以有效避免陷入局部最优，同时通过实例也验证了算法的可行性和有效性。

多选择背包问题是组合优化中的NP难题之一，采用一种新的智能优化算法——人工蜂群算法进行求解。该算法通过雇佣蜂、跟随蜂和侦察蜂的局部寻优来实现全局最优。基于算法实现的核心思想，用MATLAB编程实现，对参考文献的算例进行仿真测试。与其他算法进行了比较，获得了满意的结果。这说明了算法在解决该问题上的可行性与有效性，拓展了人工蜂群算法的应用领域。

北京邮电大学大二下算法设计与分析课程编程作业，包括循环赛，最大值，最小值，排序腾挪次数，背包问题，分析题，实现题（编辑路径，最大子长方体，二路合并，加油问题），都有代码和文档。

C++ 0-1背包问题源代码

用基于二进制编码的异步粒子群算法解0_1背包问题.pdf

本资源为 MATLAB 代码，代码中用动态规划解决了0-1背包问题。具体问题为：物品价值：v=[90 75 83 32 56 31 21 43 14 65 12 24 42 17 60]；物品重量：w=[30 27 23 24 21 18 16 14 12 10 9 8 6 5 3]; 背包容量：120。原理公式： m(i,j+1)=max(m(i-1,j+1),m(i-1,j-w(i)+1)+v(i));