解01背包问题的动态规划算法.docxVIP

解 0/1 背包问题的动态规划算法 摘要：本文通过研究动态规划原理，提出了根据该原理解决０／１背包问题的方法与算法实现， 并对算法的正确性作了验证．观察程序运行结果，发现基于动态规划的算法能够得到正 确的决策方案且比穷举法有效． 关键字：动态规划；０／１背包；约束条件；序偶；决策序列；支配规则 1、引 言 科学研究与工程实践中，常常会遇到许多优化问题，而有这么一类问题，它们 的活动过程可以分为若干个阶段，但整个过程受到某一条件的限制。这若干个阶段 的不同决策的组合就构成一个完整的决策。0/1背包问题就是一个典型的在资源有 限的条件下，追求总的收益最大的资源有效分配的优化问题。 对于0/1背包问题，我们可以这样描述：设有一确定容量为C的包及两个向量C’ =（S1，S2，……，Sn）和P=（P1，P2，……，PN），再设X为一整数集合，即 X=1，2，3，……，N，X为SI、PI的下标集，T为X的子集，那么问题就是找出满足 约束条件∑S i 〈=C，使∑PI获得最大的子集T。在实际运用中，S的元素可以是N个 经营项目各自所消耗的资源，C可以是所能提供的资源总量，P的元素可是人们从各 项项目中得到的利润。 0/1背包问题是工程问题的典型概括，怎么样高效求出最优决策，是人们关心 的问题。 2、求解问题的动态规划原理与算法 2．1动态规划原理的描述 求解问题的动态规划有向前处理法向后处理法两种，这里使用向前处理法求解 0/1背包问题。对于0/1背包问题，可以通过作出变量X 1 ，X 2 ，……，X N 的一个决策 序列来得到它的解。而对于变量X的决策就是决定它是取0值还是取1值。假定决策 这些X的次序为X n ，X N-1 ，……，X 0 。在对X 0 做出决策之后，问题处于下列两种状态 之一：包的剩余容量是M，没任何效益；剩余容量是M-w，效益值增长了P。显然， 之后对X n-1 ， Xn-2 ，……，X 1 的决策相对于决策X所产生的问题状态应该是最优的， 否则Xn，……，X1就不可能是最优决策序列。如果设Fj（X）是KNAP（1，j，X）最 优解的值，那么Fn（M）就可表示为 FN（M）=max(fn(M),fn-1(M-wn)+pn)} 　（1） 对于任意的fi(X),这里i0，则有 f i (X)=max{f i-1 (X),f i-1 (X-w i )+p i } （2） 为了能由前向后推而最后求解出F N （M），需从F 0 （X）开始。对于所有的X=0,有 F 0 （X）=0，当X0时，有F 0 （X）等于负无穷。根据（2），可求出0〈X〈W 1 和X〉 =W 1 情况下F 1 （X）的值。接着由（2）不断求出F 2 ，F 3 ，……，F N 在X相应取值范围 内的值。 2．2 0/1背包问题算法的抽象描述 (1)初始化各个元素的重量W[i]、效益值P[i]、包的最大容量M； (2)初始化Ｓ0； 1 in-1 ni i i-1 i n-1 n i i i-1 i i n n i-1 i i-1 i-1 i n i n n (3)生成S i ； a．在中Ｓ i-1 找满足约束条件的第R对序偶； ．生成S1 ; ．清除不满足条件的序偶； ．将S 中满足条件的序偶复制到S 中； （4）对S n+1 置初值； （5）若不满足循环次数转（3）,否则转（６）； （6）用回溯法确定决策序列；终止程序。 2．3计算复杂性分析 假设S i 的序偶是|Ｓ |。在i＞０的情况下，每个Ｓ 由Ｓ1 和Ｓ1 归并而成， 并且｜Ｓ 1 i |=|Ｓ i-1 |,因此｜Ｓ i |=2|Ｓ i-1 |。在最坏情况下没有序偶被清除， 所以 对|Ｓ |求和(i=0,1,2,．．．n-1)的结果是２ -1,也就是说ＤＫＮＡＰ的 空间复杂度为Ｏ（２ ）。 由Ｓ 生成Ｓ 需要|Ｓ ||的时间，所以在计算S0，S1，S2，……，Sn-1时所消 耗的总时间为（∑|Ｓ |），0〈＝i〈＝n－１。由于｜Ｓ ｜〈＝２ ，所以计算 这些Ｓ 总的时间为Ｏ（２ ）。 该算法的时间复杂性为Ｏ（２ ），似乎表明当Ｎ很大时它的有效性不会让人 满意，但由于支配规则的引入，很好的清除了不满足约束的序偶，因而该算法在很 多情况下都能在可接受的时间内求出决策序列。 ２．４基于动态规划的算法源程序 　　　由于算法源程序有一定的篇幅，将其附后。 3、性能测试 ３．１测试问题 为了验证算法的正确性与有效性，用两个数组Ｐ［Ｎ］和Ｗ［Ｎ］分别存储 始记录Ｃ’和 P，记录为用穷举法已求出最优决策的实例。现分别取Ｎ＝3，4 ，6，10 进行实验。 3．2 试验结果与分