第13单元-分支限界法.pptVIP

Data Mining: Concepts and Techniques 第十三章:分支限界法  分支限界法 学习要点 理解分支限界法的剪枝搜索策略。 掌握分支限界法的算法框架 队列式(FIFO)分支限界法 优先队列式分支限界法 通过应用范例学习分支限界法的设计策略。 分支限界法的基本思想 分支限界法与回溯法 （1）求解目标：回溯法的求解目标是找出解空间树中满足约束条件的所有解，而分支限界法的求解目标则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在某种意义下的最优解。 （2）搜索方式的不同：回溯法以深度优先的方式搜索解空间树，而分支限界法则以广度优先或以最小耗费优先的方式搜索解空间树。 0-1背包问题 templateclass Typew,class Typep Typep Knapsack(Typep p[],Typew w[],Typew c,int n,int bestx[]) { //返回最大价值，bestx返回最优解 //初始化 Typew W=0; //装包物品重量 Typep P=0; //装包物品价值 //定义依单位重量价值排序的物品数组 Object *Q=new Object[n]; for (int i=1;i=n;i++){ //单位重量价值数组 Q[i-1].ID=i; Q[i-1].d=1.0*p[i]/w[i]; P+=p[i]; W+=w[i]; } if (W=c) return P;//所有物品装包 //依单位重量价值排序 Sort(Q,n); 0-1背包问题 //创建类Knap的数据成员 KnapTypew,TypepK; K.p=new Typep[n+1]; K.w=new Typew[n+1]; for (int i=1;i=n;i++){ K.p[i]=p[Q[i-1].ID]; K.w[i]=w[Q[i-1].ID]; } K.cp=0; K.cw=0; K.c=c; K.n=n; //调用MaxKnapsack求问题的最优解 Typep bestp=K.MaxKnapsack(); for (int j=1;j=n;j++) bestx[Q[j-1].ID]=K.bestx[j]; delete[]Q; delete[]K.w; delete[]K.p; deleteK.bestx; return bestp; } 问题描述 给定无向图G=(V，E)。如果U?V，且对任意u，v?U有(u，v)?E，则称U是G的完全子图。G的完全子图U是G的团当且仅当U不包含在G的更大的完全子图中。G的最大团是指G中所含顶点数最多的团。 下图G中，子集{1，2}是G的大小为2的完全子图。这个完全子图不是团，因为它被G的更大的完全子图{1，2，5}包含。{1，2，5}是G的最大团。{1，4，5}和{2，3，5}也是G的最大团。 最大团问题 上界函数 用变量cliqueSize表示与该结点相应的团的顶点数；level表示结点在子集空间树中所处的层次；用cliqueSize +n-level+1作为顶点数上界upperSize的值。 在此优先队列式分支限界法中，upperSize实际上也是优先队列中元素的优先级。算法总是从活结点优先队列中抽取具有最大upperSize值的元素作为下一个扩展元素。 最大团问题 算法思想 子集树的根结点是初始扩展结点，对于这个特殊的扩展结点，其cliqueSize的值为0。 算法在扩展内部结点时，首先考察其左儿子结点。在左儿子结点处，将顶点i加入到当前团中，并检查该顶点与当前团中其它顶点之间是否有边相连。当顶点i与当前团中所有顶点之间都有边相连，则相应的左儿子结点是可行结点，将它加入到子集树中并插入活结点优先队列，否则就不是可行结点。 接着继续考察当前扩展结点的右儿子结点。当upperSizebestn时，右子树中可能含有最优解，此时将右儿子结点加入到子集树中并插入到活结点优先队列中。 最大团问题 算法思想 算法的while循环的终止条件是遇到子集树中的一个叶结点(即n+1层结点)成为当前扩展结点。 对于子集树中的叶结点，有upperSize＝cliqueSize。此时活结点优先队列中剩余结点的upperSize值均不超过当前扩展结点的upperSize值，从而进一步搜索不可能得到更大的团，此时算法已找到一个最优解。 最大团问题 旅行售货员问题 问题描述 某售货员要到若干城市去推销商品，已知各城市之间的路程(或旅费)。他要选定一条从驻地出发，经过每个城市一次，最后回