同一个算法，数据规模越大，运行时间越长吗？——0-1背包之优先队列式分支限界法

最新推荐文章于 2022-04-23 22:41:10 发布

_飘

最新推荐文章于 2022-04-23 22:41:10 发布

阅读量1k

点赞数

分类专栏：随笔文章标签：算法经验分享

本文链接：https://blog.csdn.net/HNU212/article/details/106566575

版权

本文探讨使用优先队列式分支限界法解决0-1背包问题时，数据规模如何影响运行时间。通过算法分析和实验验证，发现数据规模大但总重小于某个阈值时，运行时间会增加；而当总重大于或等于阈值，所有物品都能放入，算法能快速找到最优解，运行时间反而减少。结论强调了剪枝函数的重要性。

摘要由CSDN通过智能技术生成

写在前面

邻近期末，惰性上升，有点懒，除了做算法实验，就没怎么干其他的事，偶然又想起以前胡适之的日记lmao，言归正传，这次算法实验要求用优先队列式分支限界法解决0-1背包问题，但在调试过程中除了一些问题，一开始以为是Dev抽风（尤记得以前常说：编译器从不会骗你lmao），开始有些浮躁，因为出现了数据规模越大，反而运行时间变小的情况，而又冷静分析，方得其要领。

算法过程

言简意赅，直接上我的算法过程（能力有限，如有不好的地方，望不吝赐教）
1.将所有物品按性价比排序（降序）——优先选择条件
2.依次搜寻，并对当前路径的可行性进行判断（按贪心算法求出当前路径的最大解，与当前可行解比较，若更小的话，这条路径可以废了————剪枝）
3.重复2直到结束

关键函数

判断上界（用贪心法求）

int judge(int num,int tmp,int w)
{
   
	int k=0,i;
	//按贪心法求上界
	for(i=num;i<n;i++)
	{
   
		if(w>b[i].w)
		tmp=tmp+b[i].v,w=w-b[i].w;
		else if(w==0)
		break;
		else
		tmp=tmp+b[i].v*w,w=0;
	}
	//上界与当前可行解ans进行比较，若比当前还小，则剪枝
	if(tmp>ans)
	k=1;
	return k;
}

主递归函数

//tmp表示当前路径可行解  w表示当前剩余重量  now表示当前搜索位置 
//y表示出队元素个数（也就是此路径放入背包的物品数）n表示总的物品数（物品已排序）
void find(int tmp,int w,int now,int y)
{
   
	int i,k,w0,j,l;
	j=now+1;
	//若遍历完成，则讨论 
	if(now==n)
	{
   
		//若此路径下求出的可行解大于当前最优解，则交换
		if(ans<tmp)
		{
   
			ans=tmp;
			memset(u, 0, sizeof(u));
			//解向量赋值
			for(i=0;i<y;i++)
			{
   
				u[a[i]]=1