购物单问题回溯搜索算法分析和研究.docVIP

购物单问题的回溯搜索算法分析与研究 李绵梁 （陕西师范大学，西安，710062） 摘要：购物单问题是一个典型的0-1背包问题。而0-1背包问题是算法分析设计中的经典问题，本文通过回溯搜索算法来解决购物单问题，并对该算法时间复杂度进行理论上和实际上的分析比较。 关键词：购物单问题 0-1背包 回溯搜索 问题描述： 小明被评为省级三好学生，妈妈决定奖励他N元。小明就开始做预算，但是他想买的东西太多了，肯定会超过妈妈限定的N元。于是，他把每件物品规定了一个重要度，分为5等：用整数1~5表示，第5等最重要。他还从因特网上查到了每件物品的价格（都是整数元）。他希望在不超过N元的前提下，使每件物品的价格和重要度的乘积的总和最大。 设第j件物品的价格为v[j]，重要度为w[j]，共选中了k件物品，编号依次为j1，J2,…,jk,则所求总和为:V[j1]*w[j1]+v[j2]*w[j2]+…+v[jk]*w[jk] 请你帮小明设计一个满足要求的购物单。 算法分析与数学建模： 假设：所买的东西都是独立的，即没有相互间的依赖关系。 则对于每一件物品而言，只有买或不买两种情况，而物体本身也不可分，并且所买物体总数受总钱数所限，目标为所求重要性[1]尽可能大。因此，该问题是一个典型的0/1 背包问题！ 推广到一般，对于n件物品，假设对其进行依次编号1，2，3，…，n，不妨将第i件物品购买状况记为f[i](f[i]=0,1),即将购买第i件物品记为f[i]=1，不购买记为f[i]=0，则通过分析不难得出，该问题的数学模型为： 1. 重要性：本文定义为物体重要度与价格的乘积。 从算法复杂性理论来看，该问题是一个NP问题。而目前，对该类问题的解决方法也是非常多的，主要包括分支限界法、群举法、图论法、贪心算法、蚁群算法等。本文作者用回溯搜索算法对问题进行求解与分析讨论。 在题目约束条件（总价格不超过N元）的前提下，对问题解空间构成的树进行回溯搜索。在遍历过程中，只有当前物品需要购买时（值为1），才需要进行购买后价格是否超过总N元的判断，若不超过，才需要进行更深的搜索；若判断购买后总价格大于N元，则无需进行更深的搜索。 算法实现 在算法实现过程中需要增加辅助变量如下： 记录物品重要性、价格分别为数组w[]、v[]；记录总钱数为tm。 在每次搜索过程中，记录当前搜索结果的当前最大重要性、当前花费钱数分别为cmax、total，当前最大重要性下对物品的取舍情况t[]；记录每次搜索对物品的取舍状态数组sign[]； 设计回溯搜索的核心算法如下： void www(int i) // 从第i层开始; { int j; float sum=0; // 当前分支重要性总和 if (i==n+1) // 到达叶结点 { for (j=0;jn;j++) // 当前分支重要性总和 sum+=sign[j]*v[j]*w[j]; // 若当前重要性大于记录的重要性，则更改当前记录 if (sumcmax) { cmax=sum; // 更改重要性 for (j=0;jn;j++) { t[j]=sign[j]; } } return; } sign[i-1]=0; // 未到叶节点，不买第i件物品时; www(i+1); if (total+v[i-1]=tm) // 可买第i件物品的情况; { sign[i-1]=1; total+=v[i-1]; www(i+1); sign[i-1]=0; total-=v[i-1]; // 回溯之前清理现场; } } 算法复杂度分析 理论分析 在搜索过程中，对于不同的N，算法进行搜索的情况都不同。但该算法需要搜索的问题解空间共有2n个分支，因此，算法时间复杂度为O(2n)。 实际分析 对实验进行统计，其统计结果如表一所示： 表一：实际实验时间复杂度 数量n 2 3 4 5 6 7 8 时间t1 1.85877 1.88387 2.16217 2.44537 3.15822 5.59405 7.94152 时间t2 1.69044 1.81702 2.10872 2.37360 3.12712 5.56921 8.35889 时间t3 1.64233 1.88512 2.11097 2.22727 3.15479 5.61848 7.82389 时间t4 1.64858 2.00136 2.03537 2.32861 3.14016 5.61588 7