算法分析与设计实验报告之01背包问题.docVIP

算法分析与设计实验报告 [0/1背包问题] 0/1背包问题的不同算法解决方案 组员0945532112黄希龙育强0945532145周麒  目录 一.问题描述 1 二.算法分析 2 1.穷举法： 2 2.递归法： 4 3.贪心法： 5 4.动态规划法分析： 6 5.回溯法分析： 7 6.分支限界法： 9 三.时空效率分析 10 1.穷举法： 10 2.递归法： 11 3.动态规划法： 11 4.回溯法： 11 5分支限界法： 11 四.运行结果 12 1.穷举法输出结果： 12 2.递归法输出结果： 13 3.动态规划法输出结果： 14 4.回溯法输出结果： 15 5.分支限界法输出结果： 16 五.分析输出结果 17 六.总结与反思 18 一.问题描述 0/1背包问题: 现有n种物品，对1=i=n，已知第i种物品的重量为正整数Wi，价值为正整数Vi，背包能承受的最大载重量为正整数W，现要求找出这n种物品的一个子集，使得子集中物品的总重量不超过W且总价值尽量大。（注意：这里对每种物品或者全取或者一点都不取，不允许只取一部分） 二.算法分析 根据问题描述，可以将其转化为如下的约束条件和目标函数： 于是，问题就归结为寻找一个满足约束条件（1），并使目标函数式（2）达到最大的解向量。 首先说明一下0-1背包问题拥有最优解。 假设是所给的问题的一个最优解，则是下面问题的一个最优解：。如果不是的话，设是这个问题的一个最优解，则，且。因此，，这说明是所给的0-1背包问题比更优的解，从而与假设矛盾。 1.穷举法： 用穷举法解决0-1背包问题，需要考虑给定n个物品集合的所有子集，找出所有可能的子集（总重量不超过背包重量的子集），计算每个子集的总重量，然后在他们中找到价值最大的子集。由于程序过于简单，在这里就不再给出，用实例说明求解过程。下面给出了4个物品和一个容量为10的背包，下图就是用穷举法求解0-1背包问题的过程。 四个物品和一个容量为10的背包 序号 子集 总重量 总价值 序号 子集 总重量 总价值 1 空集 0 0 9 {2，3} 7 52 2 {1} 7 42 10 {2，4} 8 37 3 {2} 3 12 11 {3，4} 9 65 4 {3} 4 40 12 {1,2,3} 14 不可行 5 {4} 5 25 13 {1,2,4} 15 不可行 6 {1，2} 10 54 14 {1,3,4} 16 不可行 7 {1，3} 11 不可行 15 {2,3,4} 12 不可行 8 {1，4} 12 不可行 16 {1,2,3,4} 19 不可行 穷举法代码如下: 2.递归法： 在利用递归法解决0-1背包问题时，我们可以先从第n个物品看起。每次的递归调用都会判断两种情况： 背包可以放下第n个物品，则x[n]=1，并继续递归调用物品重量为W-w[n],物品数目为n-1的递归函数，并返回此递归函数值与v[n]的和作为背包问题的最优解； 背包放不下第n个物品，则x[n]=0，并继续递归调用背包容量为W，物品数目为n-1的递归函数，并返回此递归函数值最为背包问题的最优解。 递归调用的终结条件是背包的容量为0或物品的数量为0.此时就得到了0-1背包问题的最优解。 用递归法解0-1背包问题可以归结为下函数： 第一个式子表示选择物品n后得到价值比不选择物品n情况下得到的价值小，所以最终还是不选择物品n;第二个式子刚好相反，选择物品n后的价值不小于不选择物品n情况下得到了价值，所以最终选择物品n。 在递归调用的过程中可以顺便求出所选择的物品。下面是标记物品被选情况的数组x[n]求解的具体函数表示： 在函数中，递归调用的主体函数为KnapSack，m表示背包的容量，n表示物品的数量，x[n]表示是否选择了第n个物品（1—选，0—不选）。每个物品的重量和价值信息分别存放在数组w[n]和v[n]中。代码如下: 3.贪心法： 0-1背包问题与背包问题类似，所不同的是在选择物品装入背包时，可以选择一部分，而不一定要全部装入背包。这两类问题都具有最优子结构性质，相当相似。但是背包问题可以用贪心法求解，而0-1背包问题却不能用贪心法求解。贪心法之所以得不到最优解，是由于物品不允许分割，因此，无法保证最终能将背包装满，部分闲置的背包容量使背包单位重量的价值降低了。事实上，在考虑0-1背包问题时，应比较选择物品和不选择物品所导致的方案，然后做出最优解。由此导出了许多相互重叠的子问题，所以，0-1背包问题可以用动态规划法得到最优解。在这里就不再用贪心法解0-1背包问题了。 4.动态规划法分析： 0-1背包问题可以看作是寻找一个序列，对任一个变量 的判断是决定=