一,问题描述
有一批共n个集装箱要装上2艘载重量分别为c1和c2的轮船上,其中集装箱i的重量为wi,且w1+w2+...+wn <= c1+c2;
装载问题要求确定,是否有一个合理的装载方案可将这n个集装箱装上2艘轮船。如果有,找出一种装载方案。
例如,当n=3,c1=c2=50,且w=[10,40,40]时,可将集装箱1和集装箱2装上一艘轮船,而将集装箱3装在第二艘轮船;如果w=[20,40,40],则无法将这3个集装箱都装上轮船。
当w1+w2+...+wn = c1+c2时,装载问题等价于子集和问题。当c1=c2,且w1+w2+...+wn = 2c1时,装载问题等价于划分问题。
即使限制wi,i=1,2,...,n为整数,c1和c2也是整数。子集和问题与划分问题都是NP难的。由此可知,装载问题也是NP难的。
容易证明,如果一个给定的装载问题有解,则采用下面的策略可以得到最优装载方案。
(1) 首先将第一艘轮船尽可能装满。
(2) 然后将剩余的集装箱装上第二艘轮船。
将第一艘轮船尽可能装满等价于选取全体集装箱的一个子集,使该子集中集装箱重量之和最接近c1。由此可知,装载问题等价于以下特殊的0-1背包问题:
max(w1x1+w2x2+...+wixi)
(w1x1+w2x2+...+wixi)<= c1;
xi @{0,1},1<=i<=n
当然可以用第三章中讨论过的动态规划算反解这个特殊的0-1背包问题。所需的计算时间是O(min{c1,2n})。下面讨论用回溯法设计解装载问题O(2n)计算时间算法。在某些情况下该算法优于动态规划算法。
2 算法设计
用回溯法解装载问题时,用子集树表示其解空间显然是最合适的。可行性约束函数可剪去不满足约束条件(
(w1x1+w2x2+...+wixi)<= c1)的子树。在子集树的第j+1层的节点Z处,用cw记当前的装载重量,即cw=(w1x1+w2x2+...+wjxj),当cw>c1时,以节点Z为根的子树中所有节点都不满足约束条件,因而该子树中解均为不可行解,故可将该子树剪去。
下面的解装载问题的回溯中,算法MaxLoading返回不超过C的最大子集和,但并未给出达到这个最大子集和的相应子集。稍后加以完善。
算法Maxloading调用递归函数Backtrack(1)实现回溯搜索。Backtrack(i)搜索子集树中第i层子树。类Loading的数据成语。记录子集树中结点信息,以减少歘给Backtrack的参数。cw记录当前结点所相应的装载重量,bestw记录当前最大装载重量。
在算法Backtrack中,当i>n时,算法搜索至叶节点,其相应的装载重量为cw。如果cw>bestw,则表示当前解优于当前最优解,此时应更新bestw。
当i<=n时,当前扩展结点Z是子集树中的内部节点。该结点有x[i]=1和x[i]=0两个儿子结点。其左儿子结点表示x[i]=1的情形,仅当cw+w[i] <=c时进入左子树,对左子树进行递归搜索。其右儿子结点表示x[i]=0的情形。由于可行结点的右儿子结点总是可行的,故进入右子树时不需要检查可行性。
算法Backtrack动态地生成问题的解空间树。在每个结点出算法花费O(1)时间。子集树种结点个数为O(2n),,故Backtrack所需的计算时间O(2n)。另外Backtrack还需要额外的O(n)的递归栈空间。
- template <class Type>
- class Loading{
- friend Type MaxLoading(Type [],Type ,int);
- private:
- void Backtrack(int i);
- int n; //集装箱数
- Type * w, //集装箱重量数组
- c , //第一艘轮船的载重量
- cw , //当前载重量
- bestw; //当前最优载重量
- };
- template <class Type>
- void Loading<Type>::Backtrack(int i)
- {
- if(i>n)
- {//到达叶子节点
- if(cw>bestw) bestw=cw;
- return;
- }
- //搜索子树
- if(cw+w[i]<=c)
- {//x[i] =1;
- cw+=w[i];
- Backtrack(i+1);
- cw-=w[i];
- }
- Backtrack(i+1);//x[i]=0;
- }
- template <class Type>
- Type MaxLoading(Type w[],Type c,int n)
- {
- Loading <Type> X;
- X.w = w;
- X.c =c;
- X.n =n;
- X.bestw =0;
- X.cw =0;
- X.Backtrack(1);
- return X.bestw;
- }
装载问题:设有n个集装箱要装上2艘载重量分别为C1和C2的轮船,其中集装箱i的重量为Wi且∑Wi≤C1+C2,求是否有一个合理的装载方案可以将这n个集装箱装上这两艘船?
上述程序可以再加入一个上界函数来剪去已经不含最优解的子树。设Z是解空间树第i层上的一个当前扩展结点,curw是当前载重量,maxw是已经得到的最优载重量,如果能在当前结点确定curw+剩下的所有载重量 ≤ maxw 则可以剪去些子树。所以可以引入一个变量r表示剩余的所有载重量。
#include<iostream>
#include<cassert>
using namespace std;
const int N = 1024;
int w[N]; // Weight
int c;
int n;
int curw; // current weight
int maxw; // max weight
int x[N]; // result
int best[N];
int rest;
void Backtrack(int t)
{
if(t>=n)
{
maxw = curw>maxw ? curw : maxw;
for(int i=0; i<n; i++)
best[i] = x[i];
}
else
{
rest -= w[t];
if(curw+w[t] <= c && curw+w[t]+rest > maxw)
{
x[t] = 1;
curw += w[t];
Backtrack(t+1);
curw -= w[t];
}
if(curw+rest > maxw)
{
x[t] = 0;
Backtrack(t+1);
}
rest += w[t];
}
}
int main()
{
maxw = curw = 0;
cin>>c;
cin>>n;
assert(n<n);
for(int i=0; i<n; i++)
{
cin>>w[i];
rest += w[i];
}
Backtrack(0);
cout<<"MaxLoad Weight: "<<maxw<<endl;
for(int i=0; i<n; i++)
{
cout<<best[i]<<" ";
}
cout<<endl;
return 0;
}