本项目使用 Java 实现多种算法求解 0/1 背包问题。编译命令如下：
javac src\*.java若需要显式检查 Java 8 兼容性：
javac --release 8 src\*.java功能：实现基于价值/重量比降序排序的贪心算法。
输入参数：
int[] w：物品重量数组，每个元素为正整数。int[] v：物品价值数组，每个元素为正整数。int capacity：背包容量，正整数。
输出格式：返回 GreedyKnapsack.Result，包含 totalValue 和 selected，分别表示总价值和物品选择方案。
功能：实现一维滚动数组动态规划算法，精确求解 0/1 背包问题。
输入参数：
int[] wt：物品重量数组。int[] val：物品价值数组。int capacity：背包容量。
输出格式：
solve(...)返回DPKnapsack.Result，包含最优值和选择方案。solveValueOnly(...)返回最优总价值。
功能：实现带分数背包上界剪枝的回溯算法。
输入参数：
int[] weights：物品重量数组。int[] values：物品价值数组。int capacity：背包容量。long timeoutMs：可选超时时间，单位为毫秒。
输出格式：返回 BacktrackingKnapsack.Result，包含 totalValue、selected 和 timedOut。
功能：实现基于优先队列和分数背包上界的分支限界算法。
输入参数：
int[] weights：物品重量数组。int[] values：物品价值数组。int capacity：背包容量。long timeoutMs：可选超时时间，单位为毫秒。
输出格式：返回 BranchBoundKnapsack.Result，包含 totalValue、selected 和 timedOut。
功能：生成 Pi/Pisinger 风格的 0/1 背包测试数据。
参数设置：
- 固定随机种子：
42。 - 数据模式：
UNCORRELATED、WEAKLY_CORRELATED、STRONGLY_CORRELATED。 - 数据规模：
S=50、M=500、L=2000。
输出文件：写入 data/Pi/，每个实例包含：
*_w.txt：重量数组，每行一个整数。*_v.txt：价值数组，每行一个整数。*_c.txt：背包容量，单个整数。
功能：运行 FSU 数据集实验。
运行命令：
java -cp src Experiment输入数据：data/FSU/ 下的 pXX_w.txt、pXX_p.txt、pXX_c.txt、pXX_s.txt。
输出文件：追加写入 experiments/result-summary.csv，CSV 格式见“结果文件说明”。
功能：生成并运行 Pi 风格数据集实验。小规模实例运行四种算法；中、大规模实例跳过回溯和分支限界，避免长时间运行。
运行命令：
java -cp src PiExperiment输入数据：由 PiDataGenerator 生成到 data/Pi/。
输出文件：追加写入 experiments/result-summary.csv。
功能：运行 JJ 大规模数据集实验。默认运行贪心和动态规划，回溯和分支限界默认记为 SKIP。
运行命令：
java -cp src JJExperiment若需要强制尝试精确搜索，可使用：
java -cp src JJExperiment --exact --solver=branchbound --start=1 --max=1 --timeout-ms=600000
java -cp src JJExperiment --exact --solver=backtracking --start=1 --max=1 --timeout-ms=600000参数说明：
--start=N：从第 N 个 JJ 实例开始运行。--max=N：最多运行 N 个 JJ 实例。--solver=branchbound：只运行分支限界。--solver=backtracking：只运行回溯。--solver=both：运行两种精确搜索。--timeout-ms=N：每个精确算法的超时时间，单位为毫秒。
输入数据：data/JJ/problemInstances/ 和 data/JJ/optima.csv。若 data/JJ 不存在，请先运行 setup_jj.sh 下载数据。
输出文件：追加写入 experiments/result-summary.csv。
功能：统一写入实验结果 CSV 文件。
输出文件：experiments/result-summary.csv。
来源：Florida State University 0/1 背包基准数据。
文件格式：
pXX_c.txt：背包容量，单个整数。pXX_w.txt：物品重量，每行一个整数。pXX_p.txt：物品价值，每行一个整数。pXX_s.txt：官方最优选择方案，每行0或1。
规模参数：共 8 个实例，物品数量从 5 到 24，容量从 26 到 6,404,180。
来源：项目内 PiDataGenerator 使用固定随机种子生成。
文件格式：
*_c.txt：背包容量。*_w.txt：重量数组。*_v.txt：价值数组。
规模参数：
S：50 个物品。M：500 个物品。L：2000 个物品。
数据类型：
UNCORRELATED：重量和价值独立随机。WEAKLY_CORRELATED：价值与重量弱相关。STRONGLY_CORRELATED：价值与重量强相关。
来源：Jorik Jooken 提供的 knapsackProblemInstances 数据集，由 setup_jj.sh 下载指定 6 个实例。
下载命令：
& 'C:\Program Files\Git\bin\bash.exe' -lc 'cd /d/Algorithm-Knapsack-Lab && bash setup_jj.sh'文件格式：
data/JJ/optima.csv：实例最优值表。data/JJ/problemInstances/*/test.in：实例文件，首行为物品数，随后每行包含物品编号、价值、重量，末行为容量。
规模参数：当前选取 6 个实例，物品数量为 400 或 1000，容量为 1,000,000。
使用的应用程序：
ExperimentPiExperimentJJExperiment
调用的主要函数：
GreedyKnapsack.solve(...)DPKnapsack.solve(...)DPKnapsack.solveValueOnly(...)BacktrackingKnapsack.solveWithTimeout(...)BranchBoundKnapsack.solveWithTimeout(...)
参数设置：
- Pi 数据固定随机种子为
42。 - Pi 中回溯和分支限界仅运行
n <= 50的实例。 - JJ 中回溯和分支限界默认跳过；强制运行时可通过
--timeout-ms设置超时时间。
文件格式：CSV，字段顺序如下：
dataset_source,dataset_name,n,capacity,algorithm,value,optimum,gap_percent,time_ms,status
字段说明：
dataset_source：数据来源，取值为FSU、Pi或JJ。dataset_name：实例名称。n：物品数量。capacity：背包容量。algorithm：算法名称。value：算法得到的价值。optimum：用于对比的最优值。gap_percent：相对最优值的偏差百分比。time_ms：运行时间，单位毫秒。status：运行状态，取值为OK、SKIP或TIMEOUT。
注意：该文件采用追加写入。若要重新生成干净结果，请先删除旧文件：
Remove-Item experiments\result-summary.csv然后重新运行实验入口。
为贴近老师建议的“算法名称 + 问题名称 + 数据源 + 序号 + 参数值”命名方式，程序还会为每条实验记录输出一个单独结果文件。
命名格式：
算法-knapsack01-数据源-实例-c容量.txt
示例：
dp-knapsack01-fsu-p01-c165.txt
greedy-knapsack01-pi-uncorrelated-s-c12181.txt
branchbound-knapsack01-jj-n-400-c-1m-f-0-1-c1000000.txt
文件格式：纯文本键值对，包含 dataset_source、dataset_name、n、capacity、algorithm、value、optimum、gap_percent、time_ms、status。
这些单独结果文件会按同名覆盖写入，不会重复追加。
提交前请将根目录重命名为：
3024244487-任务序号-2
若老师确认本题任务序号为 1，则可命名为：
3024244487-1-2
根目录应包含：
src/data/experiments/reports/readme.mdmember.txt