/*
Name: 0-1背包问题
Copyright:
Author: 巧若拙
Date: 07-03-17 15:30
Description:
给定n中物品和一个容量为c的背包,物品i的重量为Wi,其价值为Vi,
0-1背包问题是如何选择装入背包的物品(物品不可分割),使得装入背包的物品的价值为最大。
1.题目分析:
考虑到每种物品只有2种选择,即装入背包或不装入背包,并且物品数和背包容量已给定,
要计算装入背包物品的最大价值和最优装入方案,可用回溯法搜索子集树的算法进行求解。
2.算法设计:
a. 物品有n种,背包容量为tc,创建一个物品类,分别用w和p存储物品的重量和价格,
设置对象数组A[N]存储各个物品的重量和价格信息,
设置对象c和best分别记录背包当前存储物品的信息,和已经获得的最优解信息,
x[i]标记第i种物品是否装入背包,用bestx[i]存储第i种物品的最优装载方案;
b. 用递归函数Backtrace(t)来实现回溯法搜索子集树(形式参数t表示递归深度):
① 若t == N,则算法搜索到一个叶结点,判断当前总价值是否最优:
1> 若c.p>best.p,更新当前最优解(即best=c),更新装载方案(即bestx[i]=x[i]( 0≤i < n));
② 对物品i装与不装两种情况进行讨论,先分析装t号物品的情形,再分析不装t号物品的情形,这样回溯到上一层时,
X[t]再次归零,同时c不包含A[t],以便讨论完上层结点后,再次分析结点t。
if(c.w <= tc && c.p+Sum(t) > best.p) Backtrace(t+1);继续进行装载;
③ 若已测试完所有装载方案,外层调用就全部结束。
c. 主函数调用一次Backtrace(0)即可完成整个回溯搜索过程,
最终得到的bestp和bestx[i]即为所求最大总价值和最优装载方案。
在非递归回溯中,我们用X[t]的值表示是第几次访问结点t,刚开始X[t]==0,
如果t == N,表示t为叶子结点的子孙(即不存在t号物品),判断已装载的物品是否为最优解,然后直接回溯。
否则先分析装t号物品的情形,并令X[t] = 1;c.w += A[t].w;c.p += A[t].p;
再分析不装t号物品的情形,并令X[t] = 2;c.w += A[t].w;c.p += A[t].p;这样cw和cp的值就已经还原了
两种情况都分析完后X[t]==2,通过语句X[t--] = 0; 来卸掉t号集装箱并回溯到上层结点。
利用Sum(int t);计算结点t的子树结点价格之和时,原来的算法是把所有子孙结点的价格都累积起来,这样会比实际值大,
因为很有可能某些子孙结点超载,根本不能装进去,而我们也把它的价格累积进来了。
一个改进算法是将物品按照单位价格排好序,单位价格高的靠前,这样如果某个物品超载时,没必要再累积其后面物品的价格,
而是按照该物品的单位价格乘以剩余容量,这样算出的总价格虽然比实际装载的总价格略高些,但总比全部都加进去更接近真实值,
而且也减少了计算量(后面的物品就不用再计算了)。
本例给出了改进后的算法
3. 复杂度分析:
因为装载问题解空间的子集树中叶子节点的数目为2^n,因而最坏情况下时间复杂度为O(2^n)。
*/
#include<iostream>
#include<cmath>
#include<vector>
using namespace std;
class Goods
{
public:
Goods(int _w=0, int _p=0) {w = _w; p = _p;}
bool operator < (const Goods &b)const {return (p*1.0/w > b.p*1.0/b.w);}//递减序
friend int Sum(int t);//结点t的子树结点价格之和
friend void Backtrace(int t); //递归回溯
friend void Backtrace_2(); //非递归回溯
int w, p; //分别存储物品的重量,价格
};
const int N = 4; //物品的个数
int X[N]; //解向量
int bestX[N]; //最优解解向量
vector<Goods> A;
Goods c, best;//分别记录背包当前存储物品的信息和已经获得的最优解信息
int tc = 10; //背包总容量
int main()
{
Goods s(4,5);
A.push_back(s);
s = Goods(3,17);
A.push_back(s);
s = Goods(5,9);
A.push_back(s);
s = Goods(5,8);
A.push_back(s);
sort(A.begin(), A.end()); //先按照单位价格递减排序,注意物品的下标已经变化
Backtrace(0);
//Backtrace_2();
cout << "背包的最大价值:" << best.w << "(" << best.p << ")" << endl;
cout << "背包的最优解:";
for (int i=0; i<N; i++)
{
if (bestX[i] == 1)
cout << A[i].w << "(" << A[i].p << ")" << " ";
}
cout << endl;
system("pause");
return 0;
}
int Sum(int t)//结点t的子树结点的最大价值和
{
int i = 0;
int s = 0;
int r = tc - c.w; //剩余容量
for (i=t+1; i<N && r>A[i].w; i++)
{
s += A[i].p;
r -= A[i].w;
}
if (i < N) //说明到A[i]就超载了,后面的物品无需再分析,直接按照A[i]的单位价格乘以剩余容量计算总价值
s += int(r * A[i].p * 1.0 / A[i].w);
return s;
}
void Backtrace(int t) //递归回溯
{
if(t == N)
{
if(c.p > best.p)
{
best = c;
for(int i=0; i<N; i++)
{
bestX[i] = X[i];
}
}
}
else
{
//先分析装t号物品的情形,注意要还原到未装该物品的情形
if(c.w+A[t].w <= tc)//还可以继续装(肯定可能会得到更好的解,否则来不到这一层,早被剪枝了)
{
X[t] = 1;
c.w += A[t].w;
c.p += A[t].p;
Backtrace(t+1);
c.w -= A[t].w;
c.p -= A[t].p;
}
//再分析不装t号物品的情形,相当于把结点t的数据还原了
X[t] = 0;
if(c.p+Sum(t) > best.p)//可能会得到更好的解(装都没装,判断是否超载也是白判断,放到下一层再做判断)
Backtrace(t+1);
}
}
void Backtrace_2() //非递归回溯,用X[t]的值表示是第几次访问结点t
{
int t = 0; //第一个顶点入栈
while(t >= 0)
{
if(t == N)//叶子结点的子孙
{
if(c.p > best.p)
{
best = c;
for(int i=0; i<N; i++)
{
bestX[i] = (X[i] == 1) ? 1 : 0;
}
}
t--; //回溯
}
else if (X[t] == 0)//先分析装t号物品的情形
{
X[t] = 1;
c.w += A[t].w;
c.p += A[t].p;
if(c.w <= tc) //未超载
t++;
}
else if (X[t] == 1)//再分析不装t号物品的情形,这样cw和cp的值就已经还原了
{
X[t] = 2;
c.w -= A[t].w;
c.p -= A[t].p;
if(c.p+Sum(t) > best.p)//可能会得到更好的解
t++;
}
else //表示 X[t] == 2,已经分析完毕,该回溯到上一层结点了
{
X[t--] = 0; //卸掉t号集装箱并回溯
}
}
}
0-1背包问题(回溯结点类排序改进)
最新推荐文章于 2022-05-19 12:02:38 发布