实验3.基于动态规划方法求解0-1背包问题1.doc

实验3. 基于动态规划方法求解0-1背包问题 实验内容 本实验要求基于算法设计与分析的一般过程（即待求解问题的描述、算法设计、算法描述、算法正确性证明、算法分析、算法实现与测试），在针对0-1背包问题求解的实践中理解动态规划 (Dynamic Programming, DP) 方法的思想、求解策略及步骤。 作为挑战：可以考虑基于跳跃点的改进算法，以及对连续型物品重量/背包容量的支持。 实验目的 理解动态规划方法的核心思想以及动态规划方法的求解过程； 从算法分析与设计的角度，对0-1背包问题的基于DP法求解有更进一步的理解。 环境要求 对于环境没有特别要求。对于算法实现，可以自由选择C, C++, Java，甚至于其他程序设计语言。 实验步骤 步骤1：理解问题，给出问题的描述。 步骤2：算法设计，包括策略与数据结构的选择 步骤3：描述算法。希望采用源代码以外的形式，如伪代码或流程图等； 步骤4：算法的正确性证明。需要这个环节，在理解的基础上对算法的正确性给予证明； 步骤5：算法复杂性分析，包括时间复杂性和空间复杂性； 步骤6：算法实现与测试。附上代码或以附件的形式提交，同时贴上算法运行结果截图; 步骤7：技术上、分析过程中等各种心得体会与备忘，需要言之有物。 说明：步骤1-6在“实验结果”一节中描述，步骤7在“实验总结”一节中描述。 实验结果 步骤1：理解问题 给定n和物品和一人背包，物品i的重量是wi，其价值为vi，问如何选择装入背包的物品，使得装入背包的物品的总价值最大？? 举例:? 若商店一共有5类商品，重量分别为：3，4，7，8，9?价值分别为：4，5，10，11，13?则：所选商品的最大价值为24? ????所选商品的一个序列为：0???0???0???1 1 步骤2：算法设计 动态规划算法与分治法类似，其基本思想是将待求解问题分解成若干个子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，适合于用动态规划法求解的问题，经分解得到的子问题往往不是互相独立的，若用分治法解这类问题，则分解得到的子问题数目太多，以至于最后解决原问题需要耗费过多的时间。动态规划法又和贪婪算法有些一样，在动态规划中，可将一个问题的解决方案视为一系列决策的结果。不同的是，在贪婪算法中，每采用一次贪婪准则便做出一个不可撤回的决策，而在动态规划中，还要考察每个最优决策序列中是否包含一个最优子序列。 步骤3：描述算法 1）编写void?Value(Type?p[],?Type?w[],?Type?c,Type?n,Type?f[nMax][nMax])函数，用以计算各个最优子序列的值；? 2）编写void?compute(Type?f[nMax][nMax],?Type?w[],Type?p[],?Type?c,?Type?n,?Type?x[])?函数用以确定计算装入的物品x[]和装入的物品的总重量totalWeight；? 3）编写主函数，控制输入输出；?4）改进和检验程序。 步骤4：算法的正确性证明 设(y1,y2,…,yn)是 (3.4.1)的一个最优解.则(y2,…,yn)是下面相应子问题的一个最优解: ???? 证明:使用反证法。若不然,设(z2,z3,…,zn)是上述子问题的一个最优解,而(y2,y3,…,yn)不是它的最优解。显然有??????????????????????????????????? ∑vizi? ∑viyi?? (i=2,…,n)???? 且?????????????????????????? w1y1+ ∑wizi= c???? 因此?????????????????????? v1y1+ ∑vizi?(i=2,…,n) ∑ viyi, (i=1,…,n)????? 说明(y1,z2, z3,…,zn)是(3.4.1)0-1背包问题的一个更优解,导出(y1,y2,…,yn)不是背包问题的最优解,矛盾。 ; 实验总结 经过本次实验对背包问题有了更深的理解，也对动态规划更加了解。0/1背包问题就是一个典型的在资源有限的条件下，追求总的收益最大的资源有效分配的优化问题。对于此类问题的算法有了认识。