实验3.基于动态规划方法求解01背包问题.docxVIP

精品文档 你我共享 实验 3. 基于动态规划方法求解 0-1 背包问题 实验内容 本实验要求基于算法设计与分析的一般过程（即待求解问题的描述、算法设计、算法 描述、算法正确性证明、算法分析、算法实现与测试） ，在针对 0-1 背包问题求解的实践中 理解动态规划 (Dynamic Programming, DP) 方法的思想、求解策略及步骤。 作为挑战： 可以考虑基于跳跃点的改进算法， 以及对连续型物品重量 /背包容量的支持。 实验目的 理解动态规划方法的核心思想以及动态规划方法的求解过程； 从算法分析与设计的角度，对 0-1 背包问题的基于 DP 法求解有更进一步的理解。 环境要求 对于环境没有特别要求。对于算法实现，可以自由选择 C, C++, Java ，甚至于其他程序 设计语言。 实验步骤 步骤 1：理解问题，给出问题的描述。 步骤 2：算法设计，包括策略与数据结构的选择 步骤 3：描述算法。希望采用源代码以外的形式，如伪代码或流程图等； 步骤 4：算法的正确性证明。 需要这个环节， 在理解的基础上对算法的正确性给予证明；步骤 5：算法复杂性分析，包括时间复杂性和空间复杂性； 步骤 6：算法实现与测试。 附上代码或以附件的形式提交， 同时贴上算法运行结果截图 ; 步骤 7：技术上、分析过程中等各种心得体会与备忘，需要言之有物。 说明：步骤 1-6 在“实验结果”一节中描述，步骤 7 在“实验总结”一节中描述。 实验结果 步骤 1：理解问题 给定 n 和物品和一人背包，物品 i 的重量是 wi ，其价值为 vi ，问如何选择装入背包的物品，使得装入背包的物品的总价值最大？ 举例 : 若商店一共有 5 类商品， 重量分别为： 3，4，7，8，9 价值分别为： 4，5，10，11，13 则： 所选商品的最大价值为 24 所选商品的一个序列为： 0 0 0 1 1 AAAAAA 精品文档 你我共享 步骤 2：算法设计 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。 步骤 3：描述算法 1）编写 void Value(Type p[], Type w[], Type c,Type n,Type f[nMax][nMax]) 函数，用以计算各个最优子序列的值； 2）编写 void compute(Type f[nMax][nMax], Type w[],Type p[], Type c, Type n, Type x[]) 函 数用以确定计算装入的物品 x[] 和装入的物品的总重量 totalWeight ； 3）编写主函数，控制输入输出； 4）改进和检验程序。 步骤 4：算法的正确性证明 设(y1,y2, ,yn) 是 (3.4.1) 的一个最优解 .则(y2, ,yn)是下面相应子问题的一个最优解 : 证明 :使用反证法。若不然 ,设(z2,z3, ,zn)是上述子问题的一个最优解,而 (y2,y3, ,yn)不是它的最优解。显然有 ∑vz i ∑vy (i=2,,n) i i i 且 w y + ∑wz i = c 1 1 i 因此 v y + ∑vz (i=2,,n) ∑y, v(i=1,,n) 1 1 i i i i 说明 (y1,z2, z3, ,zn)是(3.4.1)0-1 背包问题的一个更优解 ,导出 (y1,y2, ,yn)不是背包问题的最优解 ,矛盾。 步骤 5：算法复杂性分析； 假设 Si 的序偶是 |Ｓ i | 。在 i ＞０的情况下，每个Ｓ i 由Ｓ 1i-1 和Ｓ 1i 归并而成，并且｜ AAAAAA 精品文档 你我共享 Ｓ1i |=| 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 i|求和 (i=0,1,2, ．．．n-1)的结果是２ n-1,也就 是说ＤＫＮＡＰ的空间复杂度为 Ｏ（２ n ）。 由Ｓ i-1 生成Ｓ i 需要 |Ｓ i-1|| 的时间，所以在计算 S0， S1， S2， ， Sn-1 时所消耗的 总时间为（∑ |Ｓ i-1|）， 0〈＝ i 〈＝ n－１。由于｜Ｓ i ｜〈＝２ n，所以计算这些Ｓ i 总的时间 为Ｏ（