第5章(5.5分支限界算法).pptVIP

5.5.1、分支限界算法基本思想 分支限界算法和回溯算法类似；也是在问题的解空间搜索问题的解； 分支限界算法解题步骤： 1）针对所给问题，定义问题的解空间; 2）分支限界法常以广度优先方式搜索问题的解空间树。 分支：体现在对问题解空间按照广度优先的方式进行搜索； 依次生成E-结点所有分支，也就是所有的儿子结点； 限界：为了提高搜索速度，而采用启发信息剪枝的策略 （判断儿子节点是舍弃还是保留）； 根据节点的扩展方式不同，分支限界算法常分为2种支限界算法； 1） FIFO（先进先出）分支限界算法 开始，根结点是唯一的活结点，根结点入队； 从活结点队中取出根结点后，作为当前扩展结点。 对当前扩展结点，先从左到右地产生它的所有儿子，用约束条件检查，把所有满足约束函数的儿子加入活结点队列中。 再从活结点表中取出队首结点（队中最先进来的结点）为当前扩展结点，……，直到找到一个解或活结点队列为空为止。 2）优先队列式分支限界算法 开始，根结点是唯一的活结点，根结点入队； 从活结点队中取出根结点后，作为当前扩展结点。 对当前扩展结点，先从左到右地产生它的所有儿子节点； 为了加速搜索的进程，应采用有效地方式选择结点进行扩展。 优先队列式搜索，对每一活结点计算一个优先级（某些信息的函数值），并根据这些优先级，从当前活结点表中优先选择一个优先级最高（最有利）的结点作为扩展结点，使搜索朝着解空间树上有最优解的分支推进，以便尽快地找出一个最优解。 还有1种利用栈实现的分支限界算法！ LIFO(后进先出)分支限界算法 一开始，根结点入栈。 从栈中弹出一个结点为当前扩展结点。 对当前扩展结点，先从左到右地产生它的所有儿子，用约束条件检查，把所有满足约束函数的儿子入栈，再从栈中弹出一个结点（栈中最后进来的结点）为当前扩展结点，……，直到找到一个解或栈为空为止。 概括起来，分支限界算法与回溯算法异同： 相同点： 都属于搜索算法，需要在问题的解空间中搜索问题的解； 解空间的组织一般是都是树； 不同点： 1）求解目标不同： 回溯法求解目标是找出解空间树中满足约束条件所有解； 分支限界法求解目标则是找出满足约束条件的一个解，或是在满足约束条件的解中找出在某种意义下的最优解。 2）搜索方式的不同： 回溯法以深度优先的方式搜索解空间树； 分支限界法则以广度优先的方式搜索解空间树。 5.5.2 0－1背包问题 1、问题提出 已知n个物体重量为：w1、w2… n个物体价值为：p1、p2… 背包载重为：M 两类背包问题： ①普通背包问题（贪心算法） 物体i可以部分的装入背包，若物体i的一部分xi装入背包，则装入的重量为wi*xi，装入的价值为pi*xi； ②0－1背包问题（回溯算法、分支限界算法） 每一件物体不能分割，要么全部放入，要么全部不放入，称为0－1背包问题； 2、基本思路 ①确定问题的解空间（子集树）； 1）FIFO （先进先出）分支限界法 从根结点1开始；用一个队列表示活动结点； 初始时活动结点队列为空，结点1为当前扩展结点； 先进先出原则，6作为当前扩展结点，其孩子结点7、8; 结点7是不可行结点舍弃； 2）优先队列分支限界法 (当前价值最大，优先级最高) 从根结点1开始；用一个最大堆表示活动结点的优先队列; 初始时活动结点堆为空，结点1为当前扩展结点； 3、算法描述 2）优先队列分支限界法 double knaspack(double p[ ], double w[ ], double c) {double cw=0; //当前重量 double cp=0; //当前价值 double bestp=0; //当前最优装载价值 backtrack(1); //回溯搜索解空间 return bestp; } double bound(int i) // 计算上界函数 {// 计算当前价值与剩余价值和 double cleft = c - cw; // 剩余容量 double b = cp; // 当前物品价值 // 剩余物品单位重量价值递减序装入物品 while (i = n w[ i] = cleft) { cleft = cleft -w[ i]; b= b +