贪心算法解背包问题

辨析：

背包问题能用贪心算法求解，但是01背包问题不能用贪心算法求解(因为01背包问题不具备贪心选择性质----通过局部最优，达不到全局最优)

        举个例子：背包容量=50；  w[]={10,20,30}  ,p[]={60,100,120}   用贪心选择（10+20）<50，p=160，但这并不是最优解，事实上(20+30)=50,p=100+120=220.才是问题的解。对于01背包，贪心采用自上而下，拆分子问题的方式为：{物品1，物品2，物品3}--->{物品2，物品3}----{物品3}............它无法保证最终能将背包装满,部分闲置的背包空间使每千克背包空间的价值降低了.
        对于该问题，我们应该采用自下而上的动态规划来求解，拆分子问题的 方式为：{物品1}-------->{物品1，物品2}------>{物品1，物品2，物品3}.在求解时,应比较，选择该物品和不选择该物品，所导致的最终方案,然后再做出最好选择，为了更快求出问题的解。动态规划还记忆了过程中产生的许多互相重叠的子问题的答案。

贪心算法采用自上而下的方式进行子问题的求解。而动态规划则采用自下而上的方式进行子问题的求解。

算法实现： 

#include
using namespace std;
class Object {
	friend void knapsack(int, float, float*, float*);
public:
	int operator<=(Object a) const {
		return (d >= a.d);
	}
private:
	int ID;
	float d;
};

void knapsack(int n, float c, float v[], float w[]) {
	//排序：
	Object * Q = new Object[n];

	for (int i = 1; i <= n; i++) {
		Q[i - 1].ID = i;
		Q[i - 1].d = 1.0 * v[i] / w[i];
	}
	//采用简单冒泡排序
	for (int i = 1; i <= n; i++)
		for (int j = 1; j <= n+1 - i; j++) {
			if (Q[j - 1].d < Q[j].d) {
				Object temp = Q[j - 1];
				Q[j - 1] = Q[j];
				Q[j] = temp;
			}
		}
//	for (int i = 1; i <= n; i++) {
//            cout<<"拍好序之后的： "< c)
			break;
		x[i] = 1;
		c -= w1[i];
	}
	if (i <= n)
		x[i] = c / w1[i];
	for (i = 1; i <= n; i++) {
         if(x[i]!=0){
        	 cout<<"选择放入的物品是："<