201背包问题.doc

-  PAGE 25 - 2 0/1背包问题 为了用上一节所讨论的分枝_限界方法来求解0/l背包问题，可用函数-∑pixi来代替目标函数∑pixi，从而将背包问题由一个极大化问题转换成一个极小化问题。显然，当且仅当-∑pixi取极小值时∑pixi取极大值。这个修改后的背包问题可描述如下： 极小化 -∑pixi (1≤i≤n) 约束条件∑wixi≤M (1≤i≤n) (7.1) xi=0或xi=1，1≤i≤n 在6.6节曾介绍过0/1背包问题的两种状态空间树结构，这里只讨论在大小固定的元组表示下如何求解0/1背包问题，至于在元组大小可变时，如何求解背包问题，在此基础上是不难解决的。状态空间树中那些表示∑wixi≤M(1≤i≤n)的装包方案的每一个叶结点是答案结点，其它的叶结点均不可行。为了使最小成本答案结点与最优解相对应，需要对每一个答案结点X定义c(X)=-∑pixi；对不可行的叶结点则定义c(X)=∞；对于非叶结点则将c(X)递归定义成min{c(LChild(X))，c(RChild(X))}。 还需要两个函数c’(·)和u(·),使它们对于每个结点X都有c’(·)≤c(X)≤u(X)。这样的两个函数可由下法得到：设X是j级上的一个结点，l≤j≤n+1。在结点X处已对 前j-1种物品装包，这j-l种物品的装入情况为xi,1≤i＜j。此时装包的成本为-∑pixi。 1≤i＜j 因此c(X)≤-∑pixi，故可以取u(X)＝-∑pixi。算法7.5是一个改进了的上界函数，对于 1≤i＜j 1≤i＜j X有u(X)=UBound(-∑pixi,∑wixi,j-1,M)。显然由于有-Bound(∑pixi,∑wixi,j-1,M)≤c(X), 1≤i＜j 1≤i＜j 1≤i＜j 1≤i＜j 这里Bound是算法6.11，故可得c’(X)＝-Bound(∑pixi,∑wixi,j-1,M)。 1≤i＜j 1≤i＜j 算法7.5 背包问题的上界函数u(·) void UBound(p，w，k，m) { //p,w,k和m与算法6.11的含意相同， //W(i)和P(i)分别是第i种物品的重量和效益值 float w[n],p[n]；int i,k,n； b=p；c=w； for(i=k+1；i=n；i++) { if(c+w[i]=m) { c=c+w[i]；b=b-p[i]；} } return (b)； }//UBound 2.1 LC分枝-限界求解 例7.2(LCBB) 考虑背包问题：n=4；(p1,p2,p3,p4)＝(10,10,12,18)；(w1,w1,w3,w4)= (2,4,6,9)和M=15。 利用上面所定义的u(·)和c’(·)，通过LCBB分枝-限界检索此问题的状态空间树的工作情况如下：开始将根(即图7.10的结点1)作为E-结点，c’(1)=-38，u(1)=-32。由于它不是答案结点，因此过程LCBB置ans=0和U=-32+?。扩展此E-结点，生成它的两个子结点2和3，c’(2)=-38，c’(3)=-32，u(2)=-32，u(3)=-22。结点2，3放人活结点表，结点2变成下一个E-结点，它生成结点4和5，这两个结点也放人活结点表。活结点表中结点4的c’值最小，所以结点4变成下一个E-结点，它生成结点6和7。假定先生成结点6，它放人活结点表，接着放人结点7并将U修改成-38+?。下一个E-结点将是6或7，假定是7，则它的两个子结点是8和9。将8放人活结点表，因为8是答案结点，所以将U修改成-38；而结点9的c’(9)=-20＞U=38，因此，它立即被杀死。现在活结点表中具有最小c’值的结点是6和8，无论哪个结点变成下一个E-结点都有c’(E)≥U，因此，在找到答案结点8的情况下终止检索，这时打印出值-38和路径8,7,4,2,1，算法结束。要指出的是，由路径8,7,4,2,1并不能弄清是由哪些物品装入背包才得到-∑pixi=U，即看不出这些xi的取值情况，因此在实现过程 LCBB时应保留一些能反映xi取值情况的附加信息。一种解决办法是每一个结点增设一个位信息段TAG，由答案结点到根结点的这一系列TAG位给出这些xi的值。于是对此问题将有TAG(2)=TAG(4)=TAG(6)=TAG(8)=1和 TAG(3)=TAG(5)=TAG(7)＝TAG(9)=0。路径 8,7,4,2,1的一系列TAG是1011，因此x4=1，