动态规划求解背包问题.docVIP

算法分析与设计实验报告 第 三 次实验 姓名 学号 班级 时间 11.14上午 地点 工训楼309 实验名称 动态规划法求解背包问题 实验目的 通过上机实验，要求掌握动态规划算法的问题描述、算法设计思想、程序设计。 实验原理 给定任意几组数据，利用动态规划法的思想，把0-1背包装满并使得其价值最大。 程序思路： （1）首先从剩余容量是考虑当前物品能不能放入背包； （2）其次从价值上考虑当前物品要不要放入背包，是不是最优的。 实验步骤 找出最优解的性质，并刻画其结构特征（利用反证法）。 递归的定义最优值。 以自底向上的方法计算最优值。 根据计算最优值时的信息构造最优解。 关键代码 void Knapsack(int v[],int w[],int c,int n,int **m) { //初始化0-1背包表格 int jmax=min(w[n],c); //背包剩余容量上限，范围[0~w[n])(左闭右开区间) for(int j=0;jjmax;j++) m[n][j]=0; for(int j=w[n];j=c;j++) //限制范围[w[n]~c] m[n][j]=v[n]; //利用最优子结构性质，从最后一个元素开始，利用递推公式 for(int i=n-1;i=1;i--) { jmax=min(w[n],c); //第一种情况，背包剩余容量j在区间[0,jmax)，该物品不能放入背包 for(int j=0;jjmax;j++) m[i][j]=m[i+1][j]; //没产生任何效益 for(int j=w[i];j=c;j++) //第二种情况，背包剩余容量j在区间[w[i],c] m[i][j]=max(m[i+1][j],m[i+1][j-w[i]]+v[i]); //根据效益值增加vi，选择该物品放入背包或者不放入背包 } } 不同之处在于0-1表格的第一行的填法//x[]数组存储对应物品0-1向量，不装入背包，装入背包 不同之处在于0-1表格的第一行的填法 void Traceback(int **m,int w[],int c,int n,int x[]) { for(int i=1;in;i++) { if(m[i][c]==m[i+1][c]) //若前一个和后一个效益值比没变化，说明该物品没放入背包中 x[i]=0; else //否则放入了背包中，由m[2][c-w1]继续构造最优解 { x[i]=1; c-=w[i]; } } x[n]=(m[n][c])?1:0; //最后一个元素需要单独判断 } for(int i=n-1;i1;i--) { jmax=min(w[n]-1,c); for(int j=0;j=jmax;j++) //背包不同剩余容量j=jmaxc m[i][j]=m[i+1][j]; //没产生任何效益 for(int j=w[i];j=c;j++) //背包不同剩余容量j-w[i]c m[i][j]=max(m[i+1][j],m[i+1][j-w[i]]+v[i]); /效益值增加vi } //之所以讲m[1][c]单独拿出来计算，是为了计算的方便，并不需要在和前面一样的麻烦，只有判断最后一步就可以 m[1][c]=m[2][c]; if(c=w[1]) m[1][c]=max(m[1][c],m[2][c-w[1]]+v[1]); 测试结果 输入及背包容量较小的结果（数据手动收入）： 输入及背包容量中等大小的结果（数据由随机函数产生）： 输入及背包容量较大的结果（数据由随机函数产生）： 实验心得 对于这一次的实验，利用动态规划的算法求解0-1背包问题，虽然课本上有函数的实现但是实验做起来还是有一定的难度的，毕竟我们追求的不是将代码敲出来而是真正掌握了这一个经典的算法实例。首先我是自己写了主函数，然后照着课本敲的代码，然后自己一步步分析代码中的不足的部分，加以完善，后来经过自己对于这个问题的理解，发现课本上的代码有一些不太容易理解的地方，就按照自己的理解进行了一些改变，最终实现了将自己的理解与代码完全融合，后来自己又仔细研究了一下书上的代码，发觉自己的代码效率不高，就有进行了改进，最终得到了较为满意的代码。不过在实验过程中也遇到了很多的问题，最主要的问题是经常出现中断，这使我很郁闷，不过好在在同学的帮助下都顺利解决了，感觉很开心，然后由于要