回溯法求0-1背包问题学习资料.docx

回溯法求 0-1 背包问题 《算法设计与分析》实验报告 学号： 姓名： 日期： 得分： 、实验内容： 用回溯法求解0/1背包问题 注：给定n种物品和一个容量为C的背包，物品i的重量是Wi ,其价值 为Vi，背包问题是如何使选择装入背包内的物品，使得装入背包中的物品 的总价值最大。其中，每种物品只有全部装入背包或不装入背包两种选 择。 、所用算法的基本思想及复杂度分析： 1.回溯法求解背包问题： 1) 基本思想： 回溯法：为了避免生成那些不可能产生最佳解的问题状态，要不断 地利用限界函数(bounding function) 来处死那些实际上不可能产生所 需解的活结点，以减少问题的计算量。这种具有限界函数的深度优先生 成法称为回溯法。 对于有n种可选物品的0/1背包问题，其解空间由长度为 n的0-1 向量组成，可用子集数表示。在搜索解空间树时，只要其左儿子结点是 一个可行结点，搜索就进入左子树。当右子树中有可能包含最优解时就 进入右子树搜索。 2)复杂度分析： 回溯法求解0/1背包问题的时间复杂度为：T(n) O(2n)。 空间复杂度：有n个物品，即最多递归n层，存储物品信息就是 个一维数组，即回溯法求解0/1 个一维数组，即回溯法求解 0/1背包问题的空间复杂度为0(n)。 2.以动态规划法验证: 1)基本思想: 令V(i, j) 令V(i, j)表示在前i(1 i n)个物品中能够装入容量为j(1 j C) 的背包中的物品的最大值,则可以得到如下动态函数: 的背包中的物品的最大值, 则可以得到如下动态函数: V(i,0) V(0,j) 0 V(i,j) V(i 1，j)(j Wi) maxV(i 1, j),V(i 1, j wj v, (j wj 2个物按照下述方法来划分阶段：第一阶段，只装入前 1 2个物 各种情况下的背包能够得到的最大价值；第二阶段，只装入前 品，确定在各种情况下的背包能够得到的最大价值；以此类推，直到第 n个阶段。最后，V(n,C)便是在容量为C的背包中装入n个物品时取得 的最大价值。 2)复杂度分析: 动态规划法求解0/1背包问题的时间复杂度为：T(n) O(n C)。 三、源程序及注释: #in cludeiostream #i ncludealgorithm using n amespace std; struct goods //物品结构体 { int sign; //物品序号 int w; //物品重量 intv; //物品价值 }a[100]; bool m(goods a,goods b) { return (a.v/a.w)(b.v/b.w); } int max(i nt a,i nt b) { retur n ab?b:a; } int n,C,bestP=0,cp=0,cw=0; int x[100],cx[100]; //回溯法函数 int BackTrack(i nt i) { if(i n-1){ if(bestPcp){ x[k]=cx[k];//存储最优路径 x[k]=cx[k];//存储最优路径 bestP=cp; } return bestP; } if(cw+a[i].w=C){ // 进入左子树 cw=cw+a[i].w; cp=cp+a[i].v; cx[a[i].sign]=1; // 装入背包 BackTrack(i+1); cw=cw_a[i].w; cp=cp-a[i].v; //回溯，进入右子树 } cx[a[i].sign]=0; // 不装入背包 BackTrack(i+1); return bestP; } //回溯法求解0/1背包问题 int Kn apSack(i nt n, goods a[],i nt C,i nt x[]) { for(int i=0;in;i++) { x[i]=0; a[i].sig n=i; } sort(a,a+n,m);〃将各物品按单位重量价值降序排列 BackTrack(O); return bestP; } //动态规划法求解0/1背包问题 int Knap Sack1(i nt n,goods a[],i nt C,i nt x[]) { int V[100][1000]; for(int i=0;i=n;i++) // 初始化第 0 列 V[i][0]=0; //初始化第0 //初始化第0行 //计算第i行，进行第i次迭代 V[0][j]=0; for(i=1;i=n ;i++) for(j=1;j=C;j++) if(ja[i-1].w) V[i][j]=V[i-1][j]; else V[i][j]=max(V[i-1][j],V[i-1][j-a[i-1].w]+a[i-1].v); j=