算法最优解定义

A. 动态规划算法怎么计算

动态规划算法：

（1）分析最优解的性质，并刻画其结构特征。

（2）递归的定义最优解。

（3）以自底向上或自顶向下的记忆化方式（备忘录法）计算出最优值。

（4）根据计算最优值时得到的信息，构造问题的最优解。

B. 由一个算法在任何一组可行解中求出的最优解被称为是近似解吗

第1步：放宽或取消原问题的某些约束条件，如求整数解的条件。如果这时求出的最优解是原问题的可行解，那么这个解就是原问题的最优解，计算结束。否则这个解的目标函数值是原问题的最优解的上界。 第2步：将放宽了某些约束条件的替代问题分成若干

C. floyd算法能不能保证有最优解

Floyd算法又称为弗洛伊德算法，插点法，是一种用于寻找给定的加权图中顶点间最短路径的算法。

算法过程:

把图用邻接距阵G表示出来，如果从Vi到Vj有路可达，则G[i,j]=d，d表示该路的长度；否则G[i,j]=空值。

定义一个距阵D用来记录所插入点的信息，D[i,j]表示从Vi到Vj需要经过的点，初始化D[i,j]=j。
把各个顶点插入图中，比较插点后的距离与原来的距离，G[i,j] = min( G[i,j], G[i,k]+G[k,j] )，如果G[i,j]的值变小，则D[i,j]=k。

在G中包含有两点之间最短道路的信息，而在D中则包含了最短通路径的信息。
比如，要寻找从V5到V1的路径。根据D，假如D(5,1)=3则说明从V5到V1经过V3，路径为{V5,V3,V1}，如果D(5,3)=3，说明V5与V3直接相连，如果D(3,1)=1，说明V3与V1直接相连。

D. 遗传算法怎么判断何时为最优解

适应度越大，解越优。
判断是否已得到近似全局最优解的方法就是遗传算法的终止条件。 在最大迭代次数范围内可以选择下列条件之一作为终止条件：
1. 最大适应度值和平均适应度值变化不大、趋于稳定；
2. 相邻GAP代种群的距离小于可接受值，参考“蒋勇，李宏.改进NSGA—II终止判断准则[J].计算机仿真.2009. Vol.26 No.2”

E. 遗传算法的最优解 在论文中如何验证

适应度越大，解越优。

判断是否已得到近似全局最优解的方法就是遗传算法的终止条件。 在最大迭代次数范围内可以选择下列条件之一作为终止条件：

1. 最大适应度值和平均适应度值变化不大、趋于稳定；

2. 2. 相邻GAP代种群的距离小于可接受值，参考“蒋勇，李宏.改进NSGA—II终止判断准则[J].计算机仿真.2009. Vol.26 No.2”
   

F. 如何证明分支界定算法最优性

比如所你是按每次装入重量最小的作为贪心的选择，那么设重量从小到大（x1,x2,...,xn）是最优装载问题的一个最优解。设k=min{i|xi=1}.当k=1的时候（x1,x2,...,xn）是一个满足贪心性质的最优解。当k>1，令y=1，yk=0,yi=xi,i不等于k，那么yi与对应重量wi的乘积的和=w1-wk+wixi乘积的和，这个是小于等于本身wi*xi乘积的和的，小于容量c因此，（y1,y2,...,yn）也是最优装载问题的可行解。然而，xi的和与yi的和是相等的，也就是说，（y1,y2,...,yn）也是满组贪心性质的最优解。矛盾。

G. C语言最优解算法

#include<stdio.h>

int result[100][6];
int data[100000][2];

int main()
{
int i,j,T,f,temp,rlen=0,dlen,swap;

scanf("%d",&T);
while(T-->0)
{
for(dlen=0;1;dlen++)
{
scanf("%d %d",&data[dlen][0],&data[dlen][1]);
if(0==data[dlen][0] && 0==data[dlen][1])
break;
}
scanf("%d",&f);
for(i=0;i<dlen-1;i++)
{
for(j=0;j<dlen-i-1;j++)
{
swap=0;
if(0==f)
{
if(data[j][0]>data[j+1][0] || (data[j][0]==data[j+1][0] && data[j][1]>data[j+1][1]))
{
swap=1;
}
}
else if(1==f)
{
if(data[j][1]>data[j+1][1] || (data[j][1]==data[j+1][1] && data[j][0]>data[j+1][0]))
{
swap=1;
}
}
if(1==swap)
{
temp=data[j][0];
data[j][0]=data[j+1][0];
data[j+1][0]=temp;
temp=data[j][1];
data[j][1]=data[j+1][1];
data[j+1][1]=temp;
}
}
}
if(dlen>=3)
{
for(i=0;i<3;i++)
{
result[rlen][2*i]=data[i][0];
result[rlen][2*i+1]=data[i][1];
}
rlen++;
}
}
for(i=0;i<rlen;i++)
{
printf("Case #%d:\n",i+1);
for(j=0;j<3;j++)
printf("%d %d\n",result[i][2*j],result[i][2*j+1]);
}
return 0;
}

H. 【C语言算法】求最优解

#include<stdio.h>

voidmain()
{
	doubleV;
	printf_s("请输入V：
");
	scanf_s("%lf",&V);
	intm,n,p;
	intM,N,P;
	doubledelta=10000.0;
	for(m=0;m<=16;m++)
	{
		for(n=0;n<=256;n++)
		{
			for(p=1;p<=4096;p++)
			{
				doubled=m*n/(double)p-V;
				if(d<0)
					d=-d;
				if(d<delta)
				{
					delta=d;
					M=m;
					N=n;
					P=p;
				}
			}
		}
	}
	printf_s("最优解：M=%d,N=%d,P=%d
",M,N,P);
}

I. c算法中什么是局部最优解

局部最优解就是：当前看来是最优的解。在贪心算法里用的用的比较多。建议你看看的 《活动选择问题》的分析。看个例子会更好的理解。

J. 动态规划怎样计算最优解和最优值

动态规划算法通常用于求解具有某种最优性质的问题，需要最优子结构性质来确定最优策略。
一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略。简而言之，一个最优化策略的子策略总是最优的。一个问题满足最优化原理又称其具有最优子结构性质。