01背包问题不同算法设计、分析与对比报告.pdfVIP

实验三 01 背包问题不同算法设计、分析与对比 一．问题描述 给定 n 种物品和一背包。 物品 i 的重量是 wi ，其价值为 vi ，背包的容量为 c 。 问题：应如何选择装入背包中的物品，使得装入背包中物品的总价值最大。 说明：在选择装入背包的物品时，对每种物品 i 只有两个选择，装入背包或 不装入背包，也不能将物品装入背包多次。 二．实验内容与要求 实验内容： 1. 分析该问题适合采用哪些算法求解（包括近似解）。 动态规划、贪心、回溯和分支限界算法。 2. 分别给出不同算法求解该问题的思想与算法设计，并进行算法复杂性分 析。 动态规划： 递推方程： m(i,j) = max{m(i-1,j),m(i-1,j-wi)+vi} j = wi; m(i-1,j) j wi; 时间复杂度为 O(n). 贪心法： 算法思想：贪心原则为单位价值最大且重量最小，不超过背包最大承重量 为约束条件。 也就是说， 存在单位重量价值相等的两个包， 则选取重量较小的那 个背包。但是， 贪心法当在只有在解决物品可以分割的背包问题时是正确的。 贪 心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考 虑，它所作出的选择只是在某种意义上的局部最优选择。 用贪心法设计算法的特点是一步一步地进行， 根据某个优化测度 （可能是目 标函数，也可能不是目标函数），每一步上都要保证能获得局部最优解。每一步 只考虑一个数据， 它的选取应满足局部优化条件。 若下一个数据与部分最优解连 在一起不再是可行解时，就不把该数据添加到部分解中， 直到把所有数据枚举完，或者不能再添加为止。 回溯法： 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。 时间复杂度为： O(2 n ) 空间复杂度为： O(n) 分支限界算法： 首先，要对输入数据进行预处理， 将各物品依其单位重量价值从大到小进行 排列。在优先队列分支限界法中， 节点的优先级由已装袋的物品价值加上剩下的 最大单位重量价值的物品装满剩余容量的价值和。 算法首先检查当前扩展结点的左儿子结点的可行性。 如果该左儿子结点是可 行结点，则将它加入到子集树和活结点优先队列中。 当前扩展结点的右儿子结点 一定是可行结点， 仅当右儿子结点满足上界约束时才将它加入子集树和活结点优 先队列。当扩展到叶节点时为问题的最优值。 3. 设计并实现所设计的算法。 4. 对比不同算法求解该问题的优劣。 这动态规划算法和贪心算法是用来分别解决不同类型的背包问题的， 当一件 背包物品可以分割的时候， 使用贪心算法， 按物品的单位体积的价值排序， 从大 到小取即可。 当一件背包物品不可分割的时候，（因为不可分割，所以就算按 物品的单位体积的价值大的先取也不一定是最优解）