回溯法解决最小机器重量问题

1.问题描述:

       设某一机器由n个部件组成,每一种部件都可以从m个不同的供应商处购得。设 wij 是从供应商j 处购得的部件i的重量,cij 是相应的价格。
试设计一个回溯算法对于给定的机器部件重量和机器部件价格,计算总价格不超过c的最小重量机器设计。

2.解题思路:

    由于题目已经给出总价格的上限,因此算法通过使用回溯来选择合适的机器使得在总价格不超过d时得到的机器重量最小。首先初始化当前价格cp=0,当前重量cw=0,此外,还要设置一个变量sum表示选择机器的总重量,初始化其为每个部件从1号供应商购买的重量。在循环选择i号机器时,判断从j号供应商购买机器后的价格是否大于总价格,如果不大于则选择,否则不选,继续选择下一供应商进行判断。在得到一个合适的供应商后,继续选择下一机器的供应商,从第一个选到最后一个供应商。当所有机器选择结束后,判断得到的总重量是否比之前的sum小,如果小就赋给sum,然后从这一步开始,回溯到上一机器,选择下一合适供应商,继续搜索可行解,直到将整个排列树搜索完毕。这样,最终得到的sum即为最优解。 
     当然,考虑到算法的时间复杂度,还可以加上一个剪枝条件,即在每次选择某一机器时,再判断选择后的当前重量是否已经大于之前的sum,如果大于就没必要继续搜索了,因为得到的肯定不是最优解。

3.算法设计:

       回溯法要求要给出约束条件,很明显:总价格不超过c,

设当前已选部件的重量和为cw,价格之和为cc,

当前最优重量用bestw表示,初始化bestw=∞;

限界条件:cw<bestw;

a.部件有n个,供应商有m个,分别用w[i][j]和c[i][j]存储从供应商j 处购得的部件i的重量和相应价格,d为总价格的上限。 
b.用递归函数backtrack(i)来实现回溯法搜索排列树(形式参数i表示递归深度)。 
  ① 若cp>d,则为不可行解,剪去相应子树,返回到i-1层继续执行。 
  ② 若cw>=sum,则不是最优解,剪去相应子树,返回到i-1层继续执行。 
  ③ 若i>n,则算法搜索到一个叶结点,用sum对最优解进行记录,返回到i-1层继续执行; 
  ④ 用for循环对部件i从m个不同的供应商购得的情况进行选择(1≤j≤m)。 
c.主函数调用一次Knapsack(1)即可完成整个回溯搜索过程,最终得到的sum即为所求最小总重量。

4.代码:

程序中最大的循环出现在递归函数backtrack(i)中,而此函数遍历排列树的时间复杂度为O(n!),故该算法的时间复杂度为O(n!)。

[cpp]  view plain  copy
  1. #include<iostream>  
  2. #include<stdio.h>  
  3. using namespace std;  
  4. int w[100][100];//w[i][j]为第i个零件在第j个供应商的重量  
  5. int c[100][100];//c[i][j]为第i个零件在第j个供应商的价格  
  6. int bestx[100];//bestx[i]表示一次搜索到底后的最优解,用来存放第i个零件的供应商,  
  7. int x[100];//x[i]临时存放第i个零件的供应商  
  8. int cw=0,cc=0,bestw=10000;  
  9. int cost;//限定价格  
  10. int n;//部件数  
  11. int m;//供应商数  
  12. void Backtrack(int t)  
  13. {  
  14.     int j;  
  15.     if(t>n)//搜索到叶子结点,一个搜索结束,所有零件已经找完  
  16.     {  
  17.         bestw=cw;//当前最小重量  
  18.         for(j=1;j<=n;j++)  
  19.             bestx[j]=x[j];  
  20.     }  
  21.     else  
  22.     {  
  23.         for(j=1;j<=m;j++)  
  24.         {  
  25.             if(cc+c[t][j]<=cost && cw+w[t][j]<bestw)  
  26.             {  
  27.                 x[t]=j;  
  28.                 cc+=c[t][j];  
  29.                 cw+=w[t][j];  
  30.                 Backtrack(t+1);  
  31.                 cc-=c[t][j];  
  32.                 cw-=w[t][j];  
  33.             }  
  34.         }  
  35.     }  
  36. }  
  37.   
  38. int main()  
  39. {  
  40.     int i,j;  
  41.     cout<<"请输入部件数:"<<endl;  
  42.     cin>>n;  
  43.     cout<<"请输入供应商数:"<<endl;  
  44.     cin>>m;  
  45.     cout<<"请输入限定价格:"<<endl;  
  46.     cin>>cost;  
  47.     cout<<"请输入各部件的在不同供应商的重量:"<<endl;  
  48.     for(i=1; i<=n; i++)  
  49.         for(j=1; j<=m; j++)  
  50.             cin>>w[i][j];  
  51.     cout<<"请输入各部件的在不同供应商的价格:"<<endl;  
  52.     for(i=1; i<=n; i++)  
  53.         for(j=1; j<=m; j++)  
  54.             cin>>c[i][j];  
  55.     Backtrack(1);  
  56.     cout<<"每个部件的供应商:"<<endl;  
  57.     for(i=1;i<=n;i++)  
  58.         cout<<bestx[i]<<' ';  
  59.     cout<<endl;  
  60.     cout<<bestw;  
  61.     return 0;  
  62. }  
  63. /* 
  64. 测试数据: 
  65. 3 
  66. 3 
  67. 7 
  68. 1 2 3 
  69. 3 2 1 
  70. 2 3 2 
  71. 1 2 3 
  72. 5 4 2 
  73. 2 1 2 
  74. */  

另一种写法:
[cpp]  view plain  copy

  1. #include<iostream>  
  2. #define N 1000  
  3. using namespace std;  
  4.   
  5. int n,m,d,cp=0,cw=0,sum=0;  
  6. int c[N][N],w[N][N];  
  7.   
  8. void backtrack(int i){  
  9.      if(i>n){  
  10.        if(cw<sum)  
  11.          sum = cw;  
  12.        return ;  
  13.      }  
  14.      for(int j=1;j<=m;j++){  
  15.          cw+=w[i][j];  
  16.          cp+=c[i][j];  
  17.          if(cw<sum && cp<=d)  
  18.            backtrack(i+1);  
  19.          cw-=w[i][j];  
  20.          cp-=c[i][j];  
  21.      }  
  22. }  
  23.   
  24. int main(){  
  25.     cin>>n>>m>>d;  
  26.     for(int i=1;i<=n;i++){  
  27.       for(int j=1;j<=m;j++)  
  28.         cin>>c[i][j];  
  29.       sum+=c[i][1];  
  30.     }  
  31.     for(int i=1;i<=n;i++)  
  32.       for(int j=1;j<=m;j++)  
  33.         cin>>w[i][j];  
  34.     backtrack(1);  
  35.     cout<<sum<<endl;  
  36.     system("pause");  
  37.     return 0;  
  38. }  

  • 4
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最小重量机器设计问题是一个经典的优化问题回溯法可以用来解决问题。 该问题的目标是设计一个机器,使其在一定的工作条件下达到最小重量。在设计机器时,需要考虑多个因素,如结构强度、材料强度、制造成本等。因此,该问题是一个复杂的多目标优化问题回溯法是一种搜索算法,通过逐步构造可行解来寻找最优解。具体来说,回溯法会从某一个可行解开始,通过搜索和剪枝操作逐步扩展解空间,直到找到最优解或者搜索完所有可能的解。 在最小重量机器设计问题中,回溯法可以从某一个可能的机器设计开始,逐步扩展设计空间,直到找到满足所有工作条件的最小重量机器。具体来说,回溯法可以按照以下步骤进行: 1. 定义状态:将机器设计的每一个部分作为一个状态,每一个状态都有多个可选的设计方案。 2. 定义操作:定义从一个状态到另一个状态的操作,即从一个部件的一个设计方案转移到下一个部件的一个设计方案。 3. 定义约束条件:定义机器设计的工作条件,并将其作为约束条件,以确保生成的机器设计可以满足这些条件。 4. 定义目标函数:定义机器设计重量作为目标函数,以便在搜索过程中评估每一个机器设计的优劣。 5. 定义搜索策略:定义搜索顺序和剪枝规则,以便在搜索过程中尽快找到最优解。 6. 开始搜索:从一个初始状态开始,通过搜索和剪枝操作逐步扩展状态空间,直到找到最优解或者搜索完所有可能的解。 需要注意的是,回溯法虽然可以解决最小重量机器设计问题,但是在实际应用中可能存在搜索空间过大,搜索时间过长等问题。因此,在实际应用中,可能需要采用其他优化算法来解决问题

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值