计算机科学与工系.docVIP

计算机科学与工程系 《高级语言程序设计》 课程设计报告 课程设计题目：背包问题 指导教师：张 星 仝瑞阳 姓名：周飞 班级：0614073 学号：45 同组人员：赵鹏飞 程金英 目录 设计题目..................................................3 实验环境..................................................3 实验内容..................................................3 设计解决方案..............................................3 流程图、模块图及说明......................................4 设计程序..................................................6 设计中遇到的问题及解决方法...............................11 心得体会.................................................11 课程设计报告 【设计题目】 背包问题 【实验环境】 Windows XP , Microsoft Visual C++ 6.0 【设计内容】 有不同重量的物品n件，求从这n件物品中任取一部分物品放入背包，使选中的物品的总重量不超过指定的限制重量，但选中物品的价值之合为最大。即任意给定物品个数及它们的重量和价值，在最大的限制重量一定的情况下，为了使价值最大，选出最优解。 【设计解决方案】 动态规划： 　 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。 二、算法框架：1.在该背包问题中，其基本思路是：每件物品只有一件，可以选择取或者不取，同时需要根据限制质量c进行选择。从n 个物品中选取，每件物品i 的重量为wi ，价值为pi 。对于可行的背包装载，物品的总重量不能超过限制的最大重量，最佳装载是指所装入的物品价值最高，即p1*x1+p2*x1+...+pi*xi(其1=i=n，x取0或1，取1表示选取物品i) 取得最大值。　　利用最优序列由最优子序列构成的结论，可得到m 的递归式为：　　当j=wi时：　m(i,j)=max{f(i+1,j),f(i+1,j-wi)+vi} ①式当0=jwi时：m(i,j)=f(i+1,j) ②式。这个方程非常重要，基本上所有跟背包相关的问题的方程都是由它衍生出来的。 “选择前i件物品放入限制质量为c的背包中”这个子问题，若只考虑第i件物品的策略（放或不放），那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品被选中”，价值为f[i-1][c]；如果选第i件物品，那么问题就转化为“前i-1件物品放入剩下的限制质量为c-w[i]的背包中”，此时能获得的最大价值就是f[i-1][c-w[i]]再加上通过选中第i件物品获得的价值w[i]。 有一个主循环i=1..N，每次算出来二维数组f[i][0..c]的所有值。那么，如果只用一个数组f[0..c]，能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][c]呢？f[i][c]是由f[i-1][c]和f[i-1][c-w[i]]两个子问题递推而来，能否保证在推f[i][c]时（也即在第i次主循环中推f[c]时）能够得到f[i-1][c]和f[i-1][c-w[i]]的值呢？事实上，这要求在每次主循环中我们以c=C..0的顺序推f[c]，这样才能保证推f[v]时f[c-w[i]]保存的是状态f[i-1][c-w[i]]的值。伪代码如下： for i=1..N for c=C..0 f[c]=max{f[c],f[c-w[i]]+w[i]}; 2.改进算法： 由m(i,j)的递归式容易证明，在一般情况下，对每一个确定的i(1≤i≤n)，函数m(i,j)是关于变量j的阶梯状单调不减函数。跳跃点是这一类函数的描述特征。在一般情况下，函数m(i,j)由其全部跳跃点惟一确定。对每