Question

求JAVA大神帮忙

=================atg,A5_8Lcf=================
Operator:
07/18/2012 16:53:12
-------------------PRODUCT-------------------
Board Name: 9820
LM_Logfile=L:\atg A5CF\log\lm_A5.log
Lot: 73156 Run: 8
Opens Threshold: 000.0 Ohm
Shorts Test : ADJACENCY
Shorts Threshold: 20.0 MOhm
HV Retest = 250 V
############ Opens test skipped #############
Thrubarrel testing
Good panels: 1
--------------BOARD TEST RESULT--------------
GOOD
Complete test: 4m 40.4s

---------------------------------------------

以上为样本
我想提取该文档内的4个数值
第一个数值Board Name:后面的 9820
第二个数值Lot:后面的 73156
第三个数值Run: 后面的8
第四个数值Complete test:后面的 4m 40.4s
英文不会变，数值会变化。。

请大神帮忙。把这四个值提出来，并且保存到MySql的代码（或参考）。
谢谢。
ID int(11) PK //自增
partNO varchar(100)
lotNO varchar(100)
orderNO int(11)
useTime int(11)
已经建立表如上。

Answer 1

/**
* 求解背包问题：
* 给定 n 个背包，其重量分别为 w1,w2,……,wn, 价值分别为 v1,v2,……,vn
* 要放入总承重为 totalWeight 的箱子中，
* 求可放入箱子的背包价值总和的最大值。
*
* NOTE: 使用动态规划法求解 背包问题
* 设 前 n 个背包，总承重为 j 的最优值为 v[n,j], 最优解背包组成为 b[n];
* 求解最优值：
* 1. 若 j < wn, 则 ： v[n,j] = v[n-1,j];
* 2. 若 j >= wn, 则：v[n,j] = max{v[n-1,j], vn + v[n-1,j-wn]}。
*
* 求解最优背包组成：
* 1. 若 v[n,j] > v[n-1,j] 则 背包 n 被选择放入 b[n],
* 2. 接着求解前 n-1 个背包放入 j-wn 的总承重中，
* 于是应当判断 v[n-1, j-wn] VS v[n-2,j-wn], 决定 背包 n-1 是否被选择。
* 3. 依次逆推，直至总承重为零。
*
* 重点： 掌握使用动态规划法求解问题的分析方法和实现思想。
* 分析方法： 问题实例 P(n) 的最优解S(n) 蕴含 问题实例 P(n-1) 的最优解S(n-1);
* 在S(n-1)的基础上构造 S(n)
* 实现思想： 自底向上的迭代求解 和 基于记忆功能的自顶向下递归
*/
package algorithm.dynamicplan;
import java.util.ArrayList;
public class KnapsackProblem {

/** 指定背包 */
private Knapsack[] bags;

/** 总承重 */
private int totalWeight;

/** 给定背包数量 */
private int n;

/** 前 n 个背包，总承重为 totalWeight 的最优值矩阵 */
private int[][] bestValues;

/** 前 n 个背包，总承重为 totalWeight 的最优值 */
private int bestValue;

/** 前 n 个背包，总承重为 totalWeight 的最优解的物品组成 */
private ArrayList<Knapsack> bestSolution;

public KnapsackProblem(Knapsack[] bags, int totalWeight) {
this.bags = bags;
this.totalWeight = totalWeight;
this.n = bags.length;
if (bestValues == null) {
bestValues = new int[n+1][totalWeight+1];
}
}

/**
* 求解前 n 个背包、给定总承重为 totalWeight 下的背包问题
*
*/
public void solve() {

System.out.println("给定背包：");
for(Knapsack b: bags) {
System.out.println(b);
}
System.out.println("给定总承重: " + totalWeight);

// 求解最优值
for (int j = 0; j <= totalWeight; j++) {
for (int i = 0; i <= n; i++) {

if (i == 0 || j == 0) {
bestValues[i][j] = 0;
}
else
{
// 如果第 i 个背包重量大于总承重，则最优解存在于前 i-1 个背包中，
// 注意：第 i 个背包是 bags[i-1]
if (j < bags[i-1].getWeight()) {
bestValues[i][j] = bestValues[i-1][j];
}
else
{
// 如果第 i 个背包不大于总承重，则最优解要么是包含第 i 个背包的最优解，
// 要么是不包含第 i 个背包的最优解， 取两者最大值，这里采用了分类讨论法
// 第 i 个背包的重量 iweight 和价值 ivalue
int iweight = bags[i-1].getWeight();
int ivalue = bags[i-1].getValue();
bestValues[i][j] =
Math.max(bestValues[i-1][j], ivalue + bestValues[i-1][j-iweight]);
} // else
} //else
} //for
} //for

// 求解背包组成
if (bestSolution == null) {
bestSolution = new ArrayList<Knapsack>();
}
int tempWeight = totalWeight;
for (int i=n; i >= 1; i--) {
if (bestValues[i][tempWeight] > bestValues[i-1][tempWeight]) {
bestSolution.add(bags[i-1]); // bags[i-1] 表示第 i 个背包
tempWeight -= bags[i-1].getWeight();
}
if (tempWeight == 0) { break; }
}
bestValue = bestValues[n][totalWeight];
}

/**
* 获得前 n 个背包， 总承重为 totalWeight 的背包问题的最优解值
* 调用条件： 必须先调用 solve 方法
*
*/
public int getBestValue() {
return bestValue;
}

/**
* 获得前 n 个背包， 总承重为 totalWeight 的背包问题的最优解值矩阵
* 调用条件： 必须先调用 solve 方法
*
*/
public int[][] getBestValues() {

return bestValues;
}

/**
* 获得前 n 个背包， 总承重为 totalWeight 的背包问题的最优解值矩阵
* 调用条件： 必须先调用 solve 方法
*
*/
public ArrayList<Knapsack> getBestSolution() {
return bestSolution;
}

}
打字不易，如满意，望采纳。

追问

你知道我在问什么么？
谢谢。