南邮算法实验：轮船装载问题的回溯与迭代解法

"该资源是南京邮电大学算法实验的一部分，主要关注轮船装载问题的解决方案。通过使用回溯法，作者提供了递归和迭代两种方法的实现，以找到最佳装载方案。代码附有详细注释，适用于实验学习，且作者提供问题咨询。" 在这段代码中，我们看到的是一个名为`Loading`的类，它用于解决轮船装载问题。这个问题的目标是在不超过给定重量限制的情况下，尽可能地装载物品，以最大化装载的总重量。这个问题可以用回溯法（Backtracking）或迭代法（Iteration）来解决。 `Loading`类有以下几个关键成员变量： 1. `n`: 表示物品的数量。 2. `x[]`: 存储每个物品是否被装载到船上（0表示未装载，1表示已装载）。 3. `bestx[]`: 存储当前最优装载方案。 4. `c1`和`c2`: 分别代表第一阶段和第二阶段的装载成本。 5. `w[]`: 物品的重量数组。 6. `total`: 所有物品的总重量。 7. `cw`: 当前装载的总重量。 8. `bestw`: 最优装载的总重量。 9. `r`: 船的剩余载重能力。 类的构造函数接收物品数量、两阶段装载成本以及物品重量数组作为参数，初始化这些变量。析构函数用于释放动态分配的内存。 `Backtrack`函数是回溯法的核心，它递归地尝试所有可能的装载组合。当遍历到所有物品时，如果当前装载的总重量大于最优重量，就更新最优装载方案。这个函数通过递减`r`来模拟装载物品，并在超重时回溯。 `Iteration`函数则实现了迭代法的装载过程，可能包含循环和条件判断来逐步优化装载方案。 `CopyInitalise`函数用于复制另一个`Loading`对象的状态，这在需要重新开始搜索或者比较不同解时很有用。 `Show`函数用于显示当前的装载状态，包括装载的物品和总重量。 这段代码提供了一个实际的算法实现，可以帮助学习者理解如何运用回溯法解决实际问题，同时也可以作为一个基础，扩展到其他类似的优化问题。通过分析和运行这段代码，学生可以深入理解回溯法的工作原理，以及如何在实际编程中应用这种算法。