201971010235-阮凯 实验二 软件工程个人项目 《0-1 背包问题》项目报告

任务1的完成情况如下：

• 点评的第一篇班级博客：
  • 点评内容：在提出问题1的时候是否考虑，在你心目中一个合格的工程师应该满足什么条件？
• 点评的第二篇班级博客：
  • 点评内容：对于提出的问题在查阅相关资料后，可以提出一些自己的见解，加强对此问题的认识。
• 点评的第三篇班级博客：
  • 点评内容：博主可以对提出的问题发表自己的相关见解。

任务2的完成情况如下：

• 《构建之法》第1章相关学习总结如下：

  • 程序=数据结构+算法、软件=程序+软件工程、软件企业=软件+商业模式。
  • 软件开发的阶段：玩具阶段、业余爱好阶段、探索阶段、成熟的产业阶段。
  • 软件工程：把系统的、有序的、可量化的方法应用到软件的开发、运营和维护上的过程。
  • 软件的特殊性：复杂性、不可见性、易变性、服从性、非连续性。
  • 软件工程与计算机科学的关系：计算机理论的进展会帮助软件工程，软件工程的进展会
    帮助计算机科学家更有效地进行实验和探索。
  • 软件工程的目标：创造“足够好”的软件。

• 《构建之法》第2章相关学习总结如下：

  • 创建单元测试的主要步骤：
  1. 设置数据；
  2. 使用被测试类型的功能；
  3. 比较实际结果和预期结果。
  • 回归测试(Regression Test)的目的：
  1. 验证新的代码的确改正了缺陷；
  2. 同时要验证新的代码有没有破坏模块的现有功能，有没有Regression。
  • PSP：卡内基梅隆大学(CMU)的专家们针对软件工程师有一套模型，叫Personal Software Process(PSP)。
  • PSP的特点：
  1. 不局限于某一种软件技术，而是着眼于软件开发的流程；
  2. 不依赖于考试，主要靠工程师自己收集数据，然后分析，提高；
  3. 程序员的输入质量不高；
  4. PSP依赖于数据；
  5. PSP的目的是记录工程师如何实现需求的效率。
  • 软件设计的两个原则：
  1. 单一职责原则
  2. 封闭原则

任务3的完成情况如下：

1. 项目背景：

  背包问题（Knapsack Problem，KP）是NP Complete问题，也是一个经典的组合优化问题，有着广泛而重要的应用
背景。{０-1}背包问题（{0-1 }Knapsack Problem，{0-1}KP）是最基本的KP问题形式，它的一般描述为：从若干具有价值
系数与重量系数的物品（或项）中，选择若干个装入一个具有载重限制的背包，如何选择才能使装入物品的重量系数之和在
不超过背包载重前提下价值系数之和达到最大？

2. 需求分析：

  {0-1}KP数据集是研究{0-1}背包问题时，用于评测和观察设计算法性能的标准数据集；在此次实验中通过采用贪心算
法、动态规划算法、回溯算法求解{0-1}背包问题。

• 贪心法是在每一步做出的选择都是当时看起来的最优选择，即局部最优选择。
• 动态规划法是求解多阶段决策过程(decision process)最优化问题的数学方法。
• 回溯法是在包含问题的所有可能解得解空间树中，从根结点出发，按照深度优先的策略进行搜索，对于解空间树的某
  个结点，如果该结点满足问题的约束条件，则进入该子树继续进行搜索，否则将以该结点为根结点的子树进行剪枝。

3. 功能设计：

• 读入数据：
  • 可正确读入实验数据文件的有效{0-1}KP数据。
• 绘制散点图：
  • 能够绘制任意一组{0-1}KP数据以价值重量为横轴、价值为纵轴的数据散点图。
• 非递增排序：
  • 能够对一组{0-1}KP数据按重量比进行非递增排序。
• 最优解和求解时间：
  • 用户能够自主选择贪心算法、动态规划算法、回溯算法求解指定{0-1} KP数据的最优解和求解时间（以秒为单位）。
• 数据保存：
  • 任意一组{0-1} KP数据的最优解、求解时间和解向量可保存为txt文件或导出EXCEL文件。

4. 设计实现：

代码功能介绍如下：

• graphy.py：能够绘制任意一组{0-1}KP数据以价值重量为横轴、价值为纵轴的数据散点图。
• sort.py：能够对一组{0-1}KP数据按重量比进行非递增排序。
• main.py：可正确读入实验数据文件的有效{0-1}KP数据，用户能够自主选择贪心算法、动态规划算法、回溯算法求解
  指定{0-1} KP数据的最优解和求解时间（以秒为单位），任意一组{0-1} KP数据的最优解、求解时间和解向量可保存为
  txt文件。
• resultG.txt：保存贪心算法所求解的结果。
• resultD.txt：保存动态规划算法所求解的结果。
• resultB.txt：保存回溯算法所求解的结果。
  

5. 代码片段:

• 散点图的绘制：

x, y = np.loadtxt(res, delimiter=' ', unpack=True)
plt.plot(x, y, '.', color='blue')

plt.xlabel('wight')
plt.ylabel('value')
plt.title('scatter plot')
plt.legend()
plt.show()

• 从文件中读取数据：

# 读取数据(第一行读取)
f1 = open("D:\Python_work\dp\测试数据\\beibao0.in", "r")
a1 = []
res1 = f1.readlines()  # 若不想读取第一行则使用res = f.readlines()[1:]

for line in res1:
    line = line.replace('\n', '')  # 去掉\n;
    line = line.split(' ')  # 以空格划分
    a1.append(line)

f.close()

• 贪心算法：

def GreedyAlgo(item,c,num):
    data = np.array(item)
    idex = np.lexsort([data[:,0], -1*data[:,1]])
    status = [0] * num
    Tw=0
    Tv=0

    for i in range(num):
        if data[idex[i],0] <= c:
            Tw += data[idex[i],0]
            Tv += data[idex[i],1]
            status[idex[i]] = 1
            c -= data[idex[i],0]
        else:
            continue

    print("贪心算法，最大价值为：")
    return Tv

• 动态规划算法：

def Dp(w,v,c,num):
    cnt=[0 for j in range(c + 1)]

    for i in range(1,num+1):
        for j in range(c,0,-1):
                if j>=w[i-2]:
                    cnt[j] =max(cnt[j],cnt[j-w[i-2]]+v[i-2] )
                
    print("动态规划算法，最大价值为：")
    return cnt[c]

• 回溯算法：

def Backtracking(k,c,num):
    global Nw,Nv,Bv,Bw
    status = [0 for i in range(num)]

    if k>=num:
        if Bv<Nv:
                Bv = Nv
    else:
        if Nw + w[k] <= c:
            status[k] = 1
            Nw += w[k]
            Nv += v[k]
            Backtracking(k+1,c,num)
            Nw -= w[k]
            Nv -= v[k]
        status[k] = 0
        Backtracking(k+1,c,num)

• 结果保存：

result = "贪心算法：最优解：" + str(ret1) + "，" + "求解时间：" + str(time_sum)
file = open('D:\Python_work\dp\\resultG.txt', 'w')
file.write(result)
file.close()

6. 测试运行:

• 散点图的绘制以beibao3.in为例：
  

• 非递增排序以beibao0.in为例：
  

• 用户自主选择贪心算法、动态规划算法、回溯算法进行求解以beibao0.in为例：
  

7. 代码规范：

• 缩进：
  • 缩进为4个空格（使用Tab键）。
• 变量命名：
  • 不以下划线或美元符号开始或结束；
  • 不使用拼音与英文混合的方式；
  • 方法名、参数名、成员变量、局部变量都使用lowerCamelCase(第一个词的首字母小写，
    以及后面每个词的首字母大写)风格，遵从驼峰形式。
• 每行最多字符数：
  • 单行字符数限制不超过120个，超出需要换行，换行时遵循如下原则：
    • 第二行相对第一行缩进 4个空格，从第三行开始，不再继续缩进；
    • 运算符与下文一起换行；
    • 方法调用的点符号与下文一起换行；
    • 在多个参数超长，逗号后进行换行；
    • 在括号前不换行。
• 函数最大行数：
  • 函数的规模尽量限制在100行以内。
• 函数命名：
  • 函数名用大写字母开头的单词组合而成。
• 类命名：
  • 使用UpperCamelCase(第一个词的首字母，以及后面每个词的首字母都大写)风格，遵从驼峰形式；
  • 抽象类命名使用Abstract或Base开头；
  • 异常类命名使用Exception结尾；
  • 测试类命名以它要测试的类的名称开始，以Test结尾。
• 常量：
  • 常量命名全部大写，单词间用下划线隔开。
• 空行规则：
  • 注释与其上面的代码用空行隔开；
  • 在每个类声明后、每个函数定义结束之后都要加空行；
  • 在一个函数体内，逻辑上密切相关的语句之间不加空行，其他地方应加空行分隔。
• 注释规则：
  • 在源文件头部和函数头部进行注释；
  • 注释和代码同时更新，不用的注释删除；
  • 注释与所描述内容进行同样的缩排；
  • 注释掉的代码要配合相关说明；
  • 变量、常量、宏的注释应放在其上方相邻位置或右方。
• 操作符前后空格：
  • 赋值运算符、逻辑运算符、加减乘除符号、三目运行符等二元操作符的左右必须加一个空格；
  • 一元操作符前后不加空格；
  • 中括号、点等这类操作符前后不加空格。

8. PSP展示:

9. 经验分享：

在最开始了解此次作业时，认为自己一个人无法完成，然而结果是在自己长时间的努力下，完成了对自己来说完成不了的任务。

• 起初最先想到是使用C++进行编程，为此做了如下准备：
  • 对上学期所学的算法设计课程进行了复习；
  • 查阅了如何读入文件；
  • 最终因对c++的掌握不全面，放弃了。
• 之后想到的是使用java进行编程，为此做了如下准备：
  • 对以前所学过的相关知识进行了复习；
  • 对以前做过的实验进行了查看；
  • 最终因需要复习任务量太大而放弃。
• 最后选择了python，但由于对其掌握也不是很全面，所以在代码的编写上耗费了大量的时间：
  • 对此次作业需要完成的功能，进行了查阅；
  • 进行散点图的绘制和非递增排序进行的较为顺利，在代码的编写过程中，报错较少；
  • 进行各种算法的编写时，各种错误信息层出不穷，写一步错一步，查找错误原因，修改；
  • 在编写代码的过程中，曾一度想要放弃，但是解决错误之后的喜悦，让我又有了继续编写下去的勇气；
  • 教训是“欠的账迟早要还”，“账”：对各种编程语言的掌握不全面；“还”：开始学习掌握一种适合自己的编程语言；
  • 收获是凡事尽量靠自己，自己动手，收获满满。
• 经验是在以后的学习生活中，遇到难题时，不要一味的否定自己，坚持做下去，就会有不一样的收获。

任务4的完成情况如下：

已将项目提交至Github：

标签：201971010235,num,求解,代码,阮凯,算法,软件工程,KP
来源： https://www.cnblogs.com/RuanKaio/p/16014008.html