回溯法求0-1背包问题.docVIP

《算法设计与分析》实验报告 学 号： 姓 名： 日 期： 得 分： 一、实验内容： 用回溯法求解0/1背包问题 注：给定种物品和一个容量为的背包，物品的重量是，其价值为，背包问题是如何使选择装入背包内的物品，使得装入背包中的物品的总价值最大。其中，每种物品只有全部装入背包或不装入背包两种选择。 二、所用算法的基本思想及复杂度分析： 1.回溯法求解背包问题： 基本思想： 回溯法：为了避免生成那些不可能产生最佳解的问题状态，要不断地利用限界函数(bounding function)来处死那些实际上不可能产生所需解的活结点，以减少问题的计算量。这种具有限界函数的深度优先生成法称为回溯法。 对于有n种可选物品的0/1背包问题，其解空间由长度为n的0-1向量组成,可用子集数表示。在搜索解空间树时，只要其左儿子结点是一个可行结点，搜索就进入左子树。当右子树中有可能包含最优解时就进入右子树搜索。 2）复杂度分析： 回溯法求解0/1背包问题的时间复杂度为：。 空间复杂度：有个物品，即最多递归层，存储物品信息就是一个一维数组，即回溯法求解0/1背包问题的空间复杂度为。 2.以动态规划法验证： 1）基本思想： 令表示在前个物品中能够装入容量为的背包中的物品的最大值，则可以得到如下动态函数： 按照下述方法来划分阶段：第一阶段，只装入前1个物品，确定在各种情况下的背包能够得到的最大价值；第二阶段，只装入前2个物品，确定在各种情况下的背包能够得到的最大价值；以此类推，直到第个阶段。最后，便是在容量为的背包中装入个物品时取得的最大价值。 2）复杂度分析： 动态规划法求解0/1背包问题的时间复杂度为：。 三、源程序及注释： #includeiostream #includealgorithm using namespace std; struct goods //物品结构体 { int sign; //物品序号 int w; //物品重量 int v; //物品价值 }a[100]; bool m(goods a,goods b) { return (a.v/a.w)(b.v/b.w); } int max(int a,int b) { return ab?b:a; } int n,C,bestP=0,cp=0,cw=0; int x[100],cx[100]; //回溯法函数 int BackTrack(int i) { if(in-1){ if(bestPcp){ for (int k=0;kn;k++) x[k]=cx[k];//存储最优路径 bestP=cp; } return bestP; } if(cw+a[i].w=C){ //进入左子树 cw=cw+a[i].w; cp=cp+a[i].v; cx[a[i].sign]=1; //装入背包 BackTrack(i+1); cw=cw-a[i].w; cp=cp-a[i].v; //回溯，进入右子树 } cx[a[i].sign]=0; //不装入背包 BackTrack(i+1); return bestP; } //回溯法求解0/1背包问题 int KnapSack(int n,goods a[],int C,int x[]) { for(int i=0;in;i++) { x[i]=0; a[i].sign=i; } sort(a,a+n,m);//将各物品按单位重量价值降序排列 BackTrack(0); return bestP; } //动态规划法求解0/1背包问题 int KnapSack1(int n,goods a[],int C,int x[]) { int V[100][1000]; for(int i=0;i=n;i++) //初始化第0列 V[i][0]=0; for(int j=0;j=C;j++) //初始化第0行 V[0][j]=0; for(i=1;i=n;i++) //计算第i行，进行第i次迭代 for(j=1;j=C;j++) if(ja[i-1].w) V[i][j]=V[i-1][j]; else V[i][j]=max(V[i-1][j],V[i-1][j-a[i-1].w]+a[i-1].v); j=C; //求装入背包的物品 for (i=n;i0;i--) { if (V[i][j]V[i-1][j]){ x[i-1]=1; j=j-a[i-1].w; } else x[i-1]=