【刷题笔记6】背包问题场景应用(动态规划)

这篇博客介绍了如何运用动态规划解决一个背包问题的实例,牛牛试图在背包容量限制下,计算可以装入不同零食组合的数量。通过建立dp表并分步骤填充,最终实现求解所有可能的零食装法。

题目

牛牛准备参加学校组织的春游, 出发前牛牛准备往背包里装入一些零食, 牛牛的背包容量为w。牛牛家里一共有n袋零食, 第i袋零食体积为v[i]。牛牛想知道在总体积不超过背包容量的情况下,他一共有多少种零食放法(总体积为0也算一种放法)。

思路

1.这个实际上就是背包问题的变种,首先建立一张dp表大小为v.length * (w+1)

2.填dp表的过程分为三步
dp[i][j]表示的是从i前面个零食中选零食,背包容量为j一共有多少种装零食的方法
(1)容量为0的时候方法数为1

(2)只能选v[0]这一种零食的时候.判断容量是否够放这种零食如果够的话方法数为2不够的话为1

(3)经过以上两步就把0行0列的数据都填完了。
到达dp[i][j]时有两种选择方法:
1.不选择i这个零食,那么就直接应用dp[i-1][j]的结果
2.选择i这个零食(前提是j容量的背包能放下这个零食),
那么就是求选择了i零食后剩余的容量j-v[i]有多少种放零食的方法(参考前面已经完成的j-v[i]容量放零食的过程)

图解

代码实现

import java.util.Arrays;

public class Problem06_BagPutSnacks {
   
    public static int bagPutSnakes(int w, int[] v) {
        if(w<0||v.length==0||v==null){ //过滤掉数组为空或者长度为零,背包容量为负数的情况
            return 0;
        }
        int[][] dp = new int[v.length][w+1];
        //dp[i][j]表示的是从i前面个零食中选背包容量为j一共有多少种装零食的方法
        //容量为0的时候方法数为1
        for (int i = 0; i < v.length; i++) {
            dp[i][0] = 1;
        }
        //只能选v[0]这一种零食的时候.判断容量是否够放这种零食如果够的话方法数为2不够的话为1
        for (int j = 0; j <= w; j++) {
            dp[0][j] = v[0] <= j ? 2 : 1;
        }
        //到达dp[i][j]时有两种选择方法
/*       1.不选择i这个零食,那么就直接应用dp[i-1][j]的结果
         2.选择i这个零食(前提是j容量的背包能放下这个零食),
  那么就是求选择了i零食后剩余的容量j-v[i]有多少种放零食的方法(参考前面已经完成的j-v[i]容量放零食的过程)
*/
        for(int i=1;i<v.length;i++){
            for (int j = 0; j <=w ; j++) {
                if(v[i]<=j){
                    dp[i][j]=dp[i-1][j]+dp[i-1][j-v[i]];
                }else{
                    dp[i][j]=dp[i-1][j];
                }
            }
        }
        return dp[v.length-1][w];
    }
   //测试代码
    public static void main(String[] args) {
        int[] arr = { 1, 2, 3, 7 };
        int w = 6;
        System.out.println(ways(arr, w));
        System.out.println(bagPutSnakes(w,arr));
    }
}
内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。
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