枚举,回溯,动态规划解决01背包问题课程设计.doc

问题描述 01背包问题： 一个商人带着一个能装m千克的背包去收购货物。现 有n种货物，且第i种货物有wi千克，可获得pi元。假设货物不能拆零，请编写算法帮助商人收购货物，获得最高利润。 算法设计与分析 枚举法分析： 设n个物品的重量和价值分别存储于数组w[ ]和v[ ]中，限制重量为tw.考虑一个n元组（x0，x1，…，xn-1），其中xi=0 表示第i个物品没有选取，而xi=1则表示第i个物品被选取。用枚举法解决背包问题，需要枚举所有的选取方案，而根据上述方法，我们只要枚举所有的n元组，就可以得到问题的解。 显然，每个分量取值为0或1的n元组的个数共为2n个。而每个n元组其实对应了一个长度为n的二进制数，且这些二进制数的取值范围为0～2n-1.因此，如果把0～2n-1分别转化为相应的二进制数，则可以得到我们所需要的2n个n元组。 回溯法分析： 先确定搜索空间：n件物品的取舍数字化，”取”标识为1，否则为0，则搜索的空间为一维数组如：（0,0,0、、、0,0），（0,0,0、、、0，1），（0,0,0、、、10）、、、（1,1,1、、、1，1）这是一颗子集树 确定约束条件：所取物品的质量和不超过m，只有取当前物品时才需要判断所取的质量和不超过m，若不取当前物品时，就无需进行判断，只要一步步进行搜索。 搜索过程中的主要操作：累加所取物品的质量，回溯是还要做现场清理，也就是将当前的物品置为不取状态，且从累加质量中减去当前物品的质量。 动态规划法： 0-1背包问题可以看作是寻找一个序列，对任一个变量 的判断是决定=1还是=0.在判断完之后，已经确定了，在判断时，会有两种情况： 背包容量不足以装入物品i，则=0，背包的价值不增加； 背包的容量可以装下物品i，则=1，背包的价值增加。 这两种情况下背包的总价值的最大者应该是对判断后的价值。 我们可以一步一步的解出我们所需要的解。第一步，只装入第一个物品，确定在各种情况下背包能得到的最大价值；第二步，只装入前两个物品，确定在各种情况下的背包能够得到的最大价值；一次类推，到了第n步就得到我们所需要的最优解了。 测试分析 枚举法 对于一个有n个元素的集合，其子集数量为，所以，不论生成子集的算法效率有多高，穷举法都会导致一个的算法。 回溯法 由于计算上界的函数需要O(n)时间，在最坏情况下有个右儿子结点需要计算上界，所以解0-1背包问题的回溯法算法所需要的计算时间为 动态规划 由于函数中有一个两重for循环，所以时间复杂度为O[(n+1)x(m+1)].空间复杂度也是O[(n+1)x(m+1)]，即O（nm）. 附录：源代码 枚举法 #include iostream using namespace std; #include math.h #define MAX 100 #include stdlib.h #includetime.h //将n化为二进制形式，结果存放到数组b中 void conversion(int n,int b[MAX]) { int i; for(i=0;iMAX;i++) { b[i] = n%2; n = n/2; if(n==0)break; } } void main() { long start,end; start=clock(); int i,j,n,b[MAX],temp[MAX]; float tw,maxv,w[MAX],v[MAX],temp_w,temp_v; coutplease input n: ; cinn; // 输入物品个数 coutplease input tw:; cintw; // 输入背包的限制重量 //输入各个物品的重量 coutplease input the weight : ; for(i=0;in;i++) { cinw[i]; } //输入各个物品的价值 coutplease input the value : ; for(i=0;in;i++) { cinv[i]; } maxv = 0; /*穷举2n个可能的选择，找出物品的最佳选择*/ for (i=0;ipow(2,n);i++) { for (j=0;jn;j++) { b[j] = 0; } conversion(i,b); temp_v = 0; temp_w = 0;