算法设计与分析实验二：动态规划法实现TSP问题和0/1背包问题

【实验目的】
1、熟练掌握动态规划思想及教材中相关经典算法。
2、使用动态规划法编程，求解0/1背包问题和TSP问题。

TSP问题

一、实验内容：
TSP问题是指旅行家要旅行n个城市，要求每个城市经历且仅经历一次然后回到出发城市，并要求所走的路程最短。
对于图G=(V,E),假设从顶点i出发,令V’=V-i,则d(i,V’)表示从顶点i出发经过V’中各个顶点一-次且仅一次,最后回到出发点i的最短路径长度，显然，初始子问题是d(k,{}),即从顶点i出发只经过顶点k回到顶点i。现在考虑原问题的一部分,d(k,V’-{k})表示从顶点k出发经过V’-{k}中各个顶点一次且仅一次,最后回到出发点i的最短路径长度，则:
d(k, {}) = c[k][i]
d(i, V’) = min{c[i][k]+d(k，V’- {k})}(k∈V’)
如图为最近邻点贪心策略求解TSP问题的过程。


假设n个顶点分别用0_{n-1的数字编号，顶点之间的代价存放在数组arcrnT[n]中，下面考虑从顶点0出发求解TSP问题的填表形式。首先,按个数为1、2、…n1的顺序生成1}n-1个元素的子集存放在数组V[2^(n-1)]中。
例如当n=4时，V[1]={1}，V[2]={2},V[3]={3},V[4]={1,2},V[5]={1,3},V[6]={2,3},V[7]={1,2,3}。设数组d[n][2^(n-1)]存放迭代结果,其中d[i][j]表示从顶点i经过子集V[j]中的顶点一次且仅一次,最后回到出发点0的最短路径长度，动态规划法求解TSP问题的算法如下。

三、实验源程序及结果截图：
1、实验代码:

#include<iostream>
#include<iomanip>
using namespace std;
int main()
{
   
	int n,i,j,k,m=1;
	cout<<"请输入顶点个数：\n";
	cin>>n;
	for(i=1;i<n;i++){
   //n个顶点有m个子集，m=2^(n-1)
		m=m*2;
	} 
	int **arc=new int*[n];//图的代价矩阵
	for(i=0;i<n;i++){
    
		arc[i]=new int[n];
	} 
	int **d=new int*[n];//存放迭代结果，即过程矩阵
	for(i=0;i<n;i++){
    
		d[i]=new int[m];
	} 
	cout<<"请输入带权图的代价矩阵："<<endl;
	for(i=0;i<n;i++){
   
		for(j=0;j<n;j++){
   
			cin>>arc[i][j];
		}			
	}		
	//纠正用户输入的数据
	for(i=0;i<n;i++)
		arc[i][i]=-1;
	//初始化第0列
	for(i=0;