实验报告93439.docVIP

实 验 报 告 课程： 系科： 班级： 2004级 姓名： 学号： 年度： 2006 学期： 下 实验 名称 分支限界法 成绩 实 验 内 容 实现0/1背包问题的LC分枝—限界算法，要求使用大小固定的元组表示动态状态空间树，与0/1背包问题回溯算法做复杂性比较。 实验原理 分支限界法类似于回溯法，也是一种在问题的解空间树T上搜索问题解的算法。分支限界法的求解目标是找出满足约束条件的一个解，或是在满足约束条件的解中找出使某一目标函数值达到极大或极小的解，即在某种意义下的最优解以广度优先或以最小耗费优先的方式搜索解空间树T。分支限界法的搜索策略是：在扩展结点处，先生成其所有的儿子结点（分支），然后再从当前的活结点表中选择下一个扩展对点。为了有效地选择下一扩展结点，以加速搜索的进程，在每一活结点处，计算一个函数值（限界），并根据这些已计算出的函数值，从当前活结点表中选择一个最有利的结点作为扩展结点，使搜索朝着解空间树上有最优解的分支推进，以便尽快地找出一个最优解。机，windows操作系统，win-tc vc++6.0或Java2作为环境。 float MaxKnapsack(){ H=new MaxHeap(); bestx=new int[n+1]; int i=1; E=0; cw=cp=0; float bestp=0; float up=Bound(1); while(i!=n+1){ int wt = cw+w[i]; if(wt=c){ if(cp+p[i]bestp)bestp=cp+p[i]; AddLiveNode(up,cp+p[i],cw+w[i],true,i+1); } up=Bound(i+1); if(up=bestp)AddLiveNode(up,cp,cw,false,i+1); HeapNode N; N=H-DeleteMax(); E=N.ptr; cw=N.weight; cp=N.profit; up=N.uprofit; i=N.level; } for(int j=n; j0; j--){ bestx[j]=E-LChild; E=E-parent; } return cp; } 算法的时间复杂度和空间复杂度分析 时间复杂度：O(n*2n) 空间复杂度：O(2n) 算法实现（代码见附件一） 程序运行实例 实验分析与总结 分支限界是一种类似于回溯法的在问题的解空间树T上搜索问题解的算法。分支限界法常以广度优先或以最小耗费（最大效益）优先的方式搜索问题的解空间树;其搜索策略是在扩展结点处，先生成其所有的儿子结点，然后再从当前的活结点表中选择下一个扩展结点。为了有效地选择下一扩展结点，以加速搜索的进程，在每一活结点处，计算一个函数值（界值），并根据这些已计算出的函数值，从当前活结点表中选择一个最有利的结点作为扩展结点，使搜索朝着解空间树上有最优解的分支推进，以便尽快找出一个最优解。 分支限界算法能解决所有回溯法解决的问题，分支限界法可分为队列式分支限界和优先队列式分支限界，后者通过堆来实现最小优先队列，在算法时间复杂性上要高于前者，特别是当输入规模很大时。 学习本实验后，了解了分支限界算法的优点，就是可以用限界来快速地剪枝，优先队列也是一种提高效率的有效方法。并且它可以求解很多问题，但是时间复杂度也相当高，都是指数级的。 实验日期 2007年6月10 指导教师 附件一：0-1背包的分支限界算法程序实现代码： #includeiostream.h class Object{//物品类 friend float Knapsack(float *, int *, int, int, int *); friend void Sort(Object Q, int n); public: int operator =(Object a)const{return(d=a.d);} int ID; float d;//单位重量价值}; class MaxHeap{//注：为了简单起见大顶堆采用了简单实现，即用数组加以代替 public: MaxHeap(){ head=new HeapNode[100]; size=100; height=0; length=0; } void Insert(HeapNode