設給定n項物品， 大小為s1, s2, s3, …, sn, 每個物品的都不超過1； 現有大小為1的箱子若干個， 將物品裝入箱子中， 盡量使用少的箱子裝滿所有物品；
例項：現有一列物品：0.2， 0.5， 0.4， 0.7， 0.1， 0.3， 0.8；其中一種裝箱方案如下所示：
裝箱問題是乙個np完全問題， np完全問題的最優解的時間複雜度不能是乙個二項式的（通常np問題的時間複雜度是指數型的）；因此， 當獲知這是乙個np完全問題， 就要考慮不糾結於求解其最優解，通常求解器近似解，並且近似解的時間複雜度很小；
1） 聯機演算法
聯機演算法相當於輸入資料不是一次性傳遞到演算法的，每來乙個資料， 演算法就要處理這個資料；演算法對已經處理過的資料並不能修改， 演算法對未來的資料也無法**；
2） 離線演算法
離線演算法的輸入資料通常是一組事先已知的資料， 演算法可以對資料進行預先處理，例如排序。之後在進行裝箱演算法。一般離線演算法能夠得到更優的解；
1） 下項適配(next fit)
當處理乙個物品的時候， 檢查當前箱子容量是否足夠；如果足夠， 就將物品放入當前箱子， 如果不足， 就重新開闢乙個新的箱子；
下項適配的**如下：
#include
#include
#define n 7
float item=
;float box[n]=;
int flags[n]=;
void
binningnextfit()
else}}
intmain()
2） 首次適配(first fit)
每次考慮將乙個物品放入箱子中的時候，都從第乙個箱子開始嘗試放入物品；當所有的已開啟的箱子的容量都不滿足的時候， 重新開闢乙個新的箱子；
首次適配的**如下:
#include
#include
#define n 7
float item=
;float box[n]=;
int flags[n]=;
void
binningfirst()
}}}int
main()
3） 最佳適配(best fit)
每次考慮將乙個物品放入箱子的時候， 都考慮所有能夠容納物品的箱子中， 選取剩餘容量最小的那個箱子；
最佳適配演算法的**如下:
#include
#include
#define n 7
float item=
;float box[n]=;
int flags[n]=;
//資料的型別要設定對， 索引設定為int， 資料型別設定為float
void
binningfirst()
} box[index]
-= item[i]
; flags[i]
= index +1;
}}intmain()
採用下項適配， 需要5個箱子；
採用首次適配和最佳適配， 需要4個箱子；
而實際上最優解只需要3個箱子；
中上所述， 使用上述三個演算法求得的裝箱問題只能得出近似最優解；
裝箱問題近似演算法概述
問題描述 一維經典裝箱問題可描述如下 s s1,s2,sn 其中0 si 1,稱之為第i個物體的體積 或重量 1 i n,現有n個容積 或載重量 為1 的箱子，要求如何設法將s1,s2,sn放入盡可能少的箱中。裝箱問題是np問題,即在多項式時間內無法精確求解,一般採用近似演算法,即啟發式演算法,這樣...
關於近似裝箱問題的思考。
有這樣乙個需求，需要對一組元素進行打包 裝箱 箱子的容積一定，但是至少可以裝入一件物品，即使物品的體積大於箱子，求用最少的箱子裝載。該問題類似裝箱。在對物體發貨時候，可以達到最少的包裹數，挺有實際意義，藉此研究一下裝箱問題。下面 是對與該問題的實現。由於是記錄作用，文筆較為粗糙，後續修正加以詳細說明...
問題A 裝箱問題
思路 思路 根據演算法筆記上01揹包問題的一維形式改編,就僅僅是把每件物品的價值改為1,再未做其他修改,後來發現不行 const int maxn 1001 int dp maxn int w maxn int main for int i 0 i參照別人的答案,進行的思考 首先，狀態轉移方程 dp...