数据结构背包问题的求解.docVIP

背包问题的求解 摘 要 组合优化问题的求解方法研究已经成为了当前众多科学关注的焦点，这不仅在于其内在的复杂性有着重要的理论价值，同时也在于它们能在现实生活中广泛的应用。用算法求解背包问题关键词 ； 件物品和一个容量为的背包。第i件物品的重量是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的重量总和不超过背包容量，且价值总和最大。 这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。 有种物品和一个容量为的背包，每种物品都有无限件可用。第i种物品的费用是c，价值是w。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 　　这个问题非常类似于01背包问题，所不同的是每种物品有无限件。也就是从每种物品的角度考虑，与它相关的策略已并非取或不取两种，而是有取0件、取1件、取2件……等很多种。 有种物品和一个容量为的背包。第i种物品最多有n件可用，每件体积是c，价值是w。求解将哪些物品装入背包可使这些物品的体积总和不超过背包容量，且价值总和最大。 这题目和完全背包问题很类似。基本的方程只需将完全背包问题的方程略微一改即可，因为对于第i种物品有n+1种策略：取0件，取1件……取 n件。 …,wn-1,物品的价值分别为v0,v1,…,vn-1。采用递归寻找物品的选择方案。设前面已经有了多种选择方案，并保留了其中最大的选择方案于数组option[],设方案的的总价值存于变量maxv,当前正在考察新方案其物品选择情况保存于数组cop[]，假定当前方案已经考虑了前i-1件物品，现在正在考虑第i件物品；当前方案已经包含的物品的质量之和为tw;至此，若其余物品都选择可能的话，本方案能达到的总价值的期望值设为tv，算法引入tv是当一旦当前方案的总价值的期望值也小于前面方案的总价值maxv时，继续考察当前方案变成无意义的工作，应终止当前方案，立即去考察下一个方案。因为当方案的总价值不比maxv大时，该方案不会再被考察。这同时保证函数后找到的方案一定会比前面的方案更好。 对于第i件物品的选择有两种可能： （1）物品i被选择，这种可能性仅当包含它不会超过方案总重量的限制时才是可行的。选中后，继续递归去考虑其余物品的选择； （2）物品i不被选择，这种可能性仅当不包物品i也有可能会找到价值更大的方案的情况。 就此，通过不断地对从第一件开始的物品到第n件物品进行选择或是不选择，从而从各个方案的比较中选择出最优方案。 采用option[]和cop[]两个数组，来辅助完成递归寻找物品的选择方案。数组option[]起到一个“旗帜”作用，用来区别于未被选择的物品，从而达到输出被选择的函数。而cop[]则像是一个中间变量，它在递归过程中不断地发生变化，将有效的最终数据传输给数组option[]，起到一个“桥梁”作用。 3数据结构描述 背包问题结构体： struct{ int weight; /*物品的重量*/ int value; /*物品的价值*/ }a[N]; 4算法设计 4.1程序流程图 图4-1 程序流程图 4.2算法设计 根据问题分析中的思想写出递归算法如下： find（物品i，当前选择已达到的重量和tw,本方案可能达到的总价值为tv） ｛ /*考虑物品i包含在当前方案中的可能性*/ if（包含物品i是可接受的） ｛ 将物品i包含在当前方案中； if(in-1) find(i+1,tw+物品i的重量,tv)； else /*又一个完整方案，因它比前面的方案好，以它作为最佳方案*/ 以当前方案作为临时最佳方案保存； 恢复物品i不包含状态； ｝ /*考虑物品i不包含在当前方案中的可能性*/ if（不包含物品i仅是可考虑的） if(in-1) find(i+1,tw,tv-物品i的价值)； else /*又一个完整方案，因它比前面的方案好，以它作为最佳方案*/ 以当前方案作为临时最佳方案保存； ｝ void find(int i,int tw,int tv) { int k; if(tw+a[i].weight=limitw) /*物品i包含在当前方案的可能性*/ { cop[i]=1; if(in-1) find(i+1,tw+a[i].weight,tv); else { for(k=0;kn;k++) opion[k]=cop[k]; maxv=tv; } cop[i]=0; } if(tv-a[i].v