用动态规划的向后处理法求解背包问题的最优决策序列。即给定一个背包序列的重量和相对应的效益值。做出一个最优决策序列Xi(i=1~n)，使得最终效益和最大。-dynamic planning backward processing method knapsack problem of optimal decision-making sequence. That is, given a sequence of backpack weight and the relative value of the

多阶段决策过程（ multistep decision process ）是指 这样一类特殊的活动过程，过程可以按时间顺序分解成若干个相互联系的阶段，在每一个阶段都需要做出决策，全部过程的决策是一个决策序列。 动态规划 （ dynamic programming ）算法 是解决 多阶段决策过程最优化问题 的一种常用方法，难度比较大，技巧性也很强。利用动态规划算法，可以优雅而高效地解决很多贪婪算法或分治算法不能解决的问题。动态规划算法的基本思想是：将待求解的问题分解成若干个相互联系的子问题，先求解

c++利用回溯法来实现01背包问题 　阶段是：在前N件物品中，选取若干件物品放入背包中； 　　状态是：在前N件物品中，选取若干件物品放入所剩空间为W的背包中的所能获得的最大价值； 　　决策是：第N件物品放或者不放； -c++ using backtracking to achieve the 01 knapsack problem Stage: the first N items, select the number of items into the backpack status

层次分析（AHP）/网络分析（ANP)Analytic Hierarchy Process是一种十分实用的决策方法。 是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题 num:包括目标层和方案层的总层数 g:行向量（各层准则数量，包括目标层（第一层）和方案层（最后一层））。 w：返回值w是最后决策的方案层的权重，根据输出选择最佳方案 在输入矩阵时请加‘[]’号，否则会出现语法错误。 调运方式：w=hierarchy(