一.问题描述
略
二.解题思路
0-1背包问题是子集选取问题.一般情况下,0-1背包问题是NP完全问题.
0-1背包问题的解空间用子集树来表示,解0-1背包问题的回溯法和解装载问题的回溯法十分相似.搜索解空间树时,只要其左儿子节点是一个可行节点,搜索就进入其左子树.当右子树中有可能包含最优解时(即上界大于当前最优价值,试想一下,若上界都不大于当前最优价值,那么在进入右子树就根本不可能找到更优解,何况上界还是一种理想状态下的最佳)才进入右子树搜索;否则将右子树剪去.
设r是当前剩余物品价值总和,cp是当前价值;bestp是当前最最优价值;
当 cp + r <= bestp时,可剪去右子树.
计算右子树中解的上界的更好方法是,将剩余物品依照其单位重量价值排序,然后依次装入物品,直至装不下时,再装入该物品的一部分而装满背包,由此得到的价值是右子树中解的上界
为了便于计算上界,可先将物品依其单位重量价值从大到小排序,此后只要按顺序考察各物品即可.
在实现时,由Bound计算当前节点处的上界.类Knap的数据成员记录解空间树中的节点信息,以减少参数传递及递归调用所需的栈空间.在解空间树的当前扩展结点处,仅当要进入右子树时才计算上界Bound,以判断是否可将右子树剪去.进入左子树时不需要算上界,因为其上界与其父节点的上界相同.
具体代码如下:
// 0-1背包问题回溯解法
#include<bits/stdc++.h>
using namespace std;
class Knap
{
friend int Knapsack(int *, int *, int, int);
private:
int Bound(int i); //计算上界
void Backtrack(int i);
int c; //背包容量
int n; //物品数
int *w; //物品重量数组
int *p; //物品价值数组
int *number; //排序后的编号情况
bool *select; //用来记录物品的选择情况
int cw; //当前重量
int cp; //当前价值
int bestp; //当前最优价值
};
void Knap::Backtrack(int i)
{
static int k = 1;
if(i > n) //到达叶节点
{
bestp = cp;
cout<<"第"<<k++<<"次到达叶节点,得到的最优价值为:"<<bestp<<endl;
cout<<"此次物品选择情况为:"<<endl;
for(int i=1; i<=n; i++)
{
if(select[i]==true) cout<<"选择物品"<<number[i]<<": 重量"<<w[i]<<" 价值"<<p[i]<<endl;
}
return ;
}
if(cw + w[i] <= c) //进入左子树
{
cout<<"进入左子树深入一层,将到达第"<<i+1<<"层"<<endl;
cw += w[i];
cp += p[i];
select[i] = true;
Backtrack(i+1);
cout<<"从左子树回溯一层,将到达第"<<i<<"层"<<endl;
select[i] = false;
cw -= w[i];
cp -= p[i];
}
else cout<<"此时: cw:"<<cw<<" w[i]:"<<w[i]<<" 则cw+w[i]>c,不满足约束条件,无法继续向左,尝试向右"<<endl;
if(Bound(i+1) > bestp) //进入右子树,此时右子树上界大于当前最优价值,所以可能找到更优解.
{
cout<<"进入右子树深入一层,将到达第"<<i+1<<"层"<<endl;
Backtrack(i+1);
cout<<"从右子树回溯一层,将到达第"<<i<<"层"<<endl;
}
else cout<<"尝试向右,计算得到Bound[i+1]:"<<Bound(i+1)<<" Bound(i+1)<=bestp,不满足限界条件,直接剪枝"<<endl;
}
int Knap::Bound(int i) //计算上界
{
int cleft = c - cw; //当前剩余容量
int b = cp; //当前价值
while(i<=n && w[i]<=cleft) //以物品单位重量价值递减序装入背包
{
cleft -= w[i];
b += p[i];
i++;
}
if(i<=n) //装满背包
b += p[i]*cleft/w[i];
return b;
}
class Object
{
friend int Knapsack(int *, int *, int, int);
public:
// int operator<=(Object a) const {return d >= a.d;}
int ID; //编号,保证排序后还能找到原来自己的重量和价值,从而用来构造一个新的重量数组以及价值数组
float d; //单位重量价值
};
bool cmp(Object a, Object b)
{
return a.d >= b.d;
}
//template<class int, class int>
int Knapsack(int *p, int *w, int c, int n) //为Knap::Backtrack初始化
{
int W = 0;
int P = 0;
Object *Q = new Object[n+1];
for(int i=1; i<=n; i++)
{
Q[i-1].ID = i;
Q[i-1].d = 1.0*p[i]/w[i];
P += p[i];
W += w[i];
}
if(W <= c) //能装入所有物品,直接返回P
return P;
sort(Q, Q+n, cmp); //依物品单位重量价值排序
// Sort(Q, n);
int *temp_Number = new int[n+1];
cout<<"排序后的数组为:";
for(int i=1; i<=n; i++)
{
temp_Number[i] = Q[i-1].ID;
cout<<Q[i-1].ID<<" ";
}
cout<<endl;
Knap K; //利用处理好的Object对象来构建背包对象
K.number = new int[n+1];
K.number = temp_Number;
K.select = new bool[n+1];
for(int i=0; i<=n; i++) K.select[i] = false;
K.p = new int[n+1];
K.w = new int[n+1];
for(int i=1; i<=n; i++) //构建一个排序之后的重量数组以及价值数组
{
K.p[i] = p[Q[i-1].ID];
K.w[i] = w[Q[i-1].ID];
}
K.cp = 0;
K.cw = 0;
K.c = c;
K.n = n;
K.bestp = 0;
K.Backtrack(1);
delete[] Q;
delete[] K.w;
delete[] K.p;
return K.bestp;
}
int main()
{
cout<<"请输入背包总容量:";
int c;
while(cin>>c && c)
{
cout<<"请输入物品总件数:";
int n;
cin>>n;
cout<<"请输入每件物品的重量以及价值"<<endl;
int *w = new int[n+1];
int *p = new int[n+1];
for(int i=1; i<=n; i++)
{
cout<<"物品"<<i<<":";
cin>>w[i]>>p[i];
}
int ans = Knapsack(p, w, c, n);
cout<<"最优装载价值为:"<<ans<<endl;
delete[] w;
delete[] p;
cout<<"请输入背包总容量:";
}
system("pause");
return 0;
}
运行结果如下:
![](https://i-blog.csdnimg.cn/blog_migrate/6302f5316fb5b434badd20f5cdcc9a62.png)
由此画出的子集树图为:
![](https://i-blog.csdnimg.cn/blog_migrate/6dec98539b72db7e98bb2453832b68cd.png)
可以看到,剪枝函数的合理运用为我们省去了很多不必要的搜索,提高了搜索效率.
这也是回溯算法设计的核心,前面说过,回溯算法本质就是去遍历所有的情况,但是它与穷举法的差别就在于它有着剪枝函数来帮助它砍掉很多无效搜索.所以说,正确的提炼出题目要求所给的剪枝函数十分重要.
参考毕方明老师《算法设计与分析》课件.
欢迎大家访问个人博客网站—乔治的编程小屋,一起加油!