算法分析与设计：0-1背包问题（回溯法）【本文算法的时空复杂度都未达到最优，核心目的在于展现并理解回溯法的算法过程】

===== 本文算法的时空复杂度都未达到最优，核心目的在于展现并理解回溯法的算法过程。=====

---

0-1背包问题

给定 $n$ 种物品和一个背包。物品 $i$ 的重量为 $w_i$，其价值为 $p_i$，背包的容积为 $c$。问如何选择装入背包中的物品，使得装入背包中物品的总价值最大？

---

回溯法

回溯法是最常用的解题方法，有“通用的解题法”之称。当要解决的问题有若干可行解时，则可以在包含问题所有解的空间树中，按深度优先的策略，从根节点出发搜索解空间树。算法搜索至解空间树的任一结点时，总是先判断该结点是否肯定不包含问题的解。如果肯定不包含，则跳过对以该结点为根的子树的搜索，继续查找该结点的兄弟结点，若它的兄弟结点都不包含问题的解，则返回其父结点——这个步骤称为回溯。否则进入一个可能包含解的子树，继续按深度优先的策略进行搜索。这种以深度优先的方式搜索问题的解的算法称为回溯法。它本质上是一种穷举法，但由于在搜索过程中不断略过某些显然不合适的子树，所以搜索的空间大大少于一般的穷举，故它适用于解一些组合数较大的问题。

---

问题分析

回溯法是通过深度优先搜索进行构建解空间树的算法。在搜索解空间树时，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 $r$ 是当前剩余物品的价值总和，$cp$ 是当前背包中已装物品的价值，$bestp$ 是当前最优价值。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。

---

解空间树

测试用例：物品个数 $n=5$，背包容积 $c=50$，物品的体积数组 $w=[5,15,25,27,30]$， 物品的价值数组 $p=[12,30,44,46,50]$。

如图所示为算法的解空间树，红线标注的是最优解。节点的命名（A~Q）是按照生成的先后顺序命名的。

---

C++源代码

#include <iostream>
#include <algorithm>
using namespace std;

// 回溯节点类
class Knap
{
public:
    double Bound(int i);
    void Backtrack(int i);
    int c;     // 背包容量
    int n;     // 物品数量
    int *w;    // 物品重量数组
    int *p;    // 物品价值数组
    int cw;    // 当前重量
    int cp;    // 当前价值
    int bestp; // 当前最优价值
};

// 物品类
class Object
{
public:
    int ID;
    double d; // 物品的单位价值
};

// 冒泡排序
Object *Sort(Object *array, int len)
{
    Object temp;
    for (int i = 0; i < len; i++)
    {
        for (int j = 0; j < len - 1 - i; j++)
        {
            if (array[j + 1].d > array[j].d)
            {
                temp = array[j + 1];
                array[j + 1] = array[j];
                array[j] = temp;
            }
        }
    }
    return array;
}

// 计算当前上界
double Knap::Bound(int i)
{
    int tp_i = i;        // 临时储存i的值
    int c_left = c - cw; // 剩余容量
    double b = cp;
    // 剩余以物品单位重量价值递减序装入物品
    while (i <= n && w[i] <= c_left)
    {
        c_left -= w[i];
        b += p[i];
        i++;
    }
    // 装满背包
    if (i <= n)
    {
        b += (double)p[i] * c_left / w[i];
    }
    cout << "--- 计算上界: " << tp_i << "\t上界为: " << b << endl;
    return b;
}

// 回溯核心函数
void Knap::Backtrack(int i)
{
    cout << "第" << i << "层: "
         << "当前价值(cp): " << cp << ",\t已使用的背包容量(cw): " << cw << endl;
    if (i > n) // 到达叶节点
    {
        bestp = cp;
        return;
    }
    if (cw + w[i] <= c) // 进入左子树
    {
        cw += w[i];
        cp += p[i];
        Backtrack(i + 1);
        cw -= w[i];
        cp -= p[i];
    }
    // 选择进入右子树，如果当前商品不装，计算上界（按照当前的方案最多能装的价值），
    // 若大于则进入右子树
    // 反之则进行剪枝
    if (Bound(i + 1) > bestp)
    {
        cout << "(进入右子树)" << endl;
        Backtrack(i + 1);
    }
}

// 回溯法的初始化
int Knapsack(int p[], int w[], int c, int n)
{
    int W = 0, P = 0;          // 总重量和总价值
    Object *Q = new Object[n]; // 物品单位价值数组
    // 初始化物品队列
    for (int i = 1; i <= n; ++i)
    {
        Q[i - 1].ID = i;
        Q[i - 1].d = (double)p[i] / w[i];
        P += p[i];
        W += w[i];
    }
    Sort(Q, n);
    // 如果总重量都小于背包容量，则装所以物品
    if (W <= c)
        return P;
    // 依照物品的单位重量进行排序

    Knap K;
    K.p = new int[n + 1];
    K.w = new int[n + 1];
    for (int i = 1; i <= n; ++i)
    {
        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()
{
    int n, c;
    cin >> n >> c;
    int *p = new int[n + 1];
    int *w = new int[n + 1];
    for (int i = 1; i <= n; ++i)
    {
        cin >> w[i] >> p[i];
    }
    int res = Knapsack(p, w, c, n);
    cout << "\n======= 最大背包价值：" << res << " =======" << endl;
    return 0;
}
/*
5 50
5 12
15 30
25 44
27 46
30 50
*/

---

程序输出

在程序输出中，展示了回溯算法进入左右子树的过程，在进入右子树之前会有一个上界判断的过程（--- 计算上界: 5 上界为: 94.3333），进入左子树则不需要。

结合程序输出和上图中的解空间树，可以更好的理解回溯法构造子树的过程。

第1层: 当前价值(cp): 0, 	   已使用的背包容量(cw): 0
第2层: 当前价值(cp): 12,     已使用的背包容量(cw): 5
第3层: 当前价值(cp): 42,     已使用的背包容量(cw): 20
第4层: 当前价值(cp): 86,     已使用的背包容量(cw): 45
--- 计算上界: 5 上界为: 94.3333
(进入右子树)
第5层: 当前价值(cp): 86,        已使用的背包容量(cw): 45
--- 计算上界: 6 上界为: 86
(进入右子树)
第6层: 当前价值(cp): 86,        已使用的背包容量(cw): 45
--- 计算上界: 4 上界为: 93
(进入右子树)
第4层: 当前价值(cp): 42,        已使用的背包容量(cw): 20
第5层: 当前价值(cp): 88,        已使用的背包容量(cw): 47
--- 计算上界: 6 上界为: 88
(进入右子树)
第6层: 当前价值(cp): 88,        已使用的背包容量(cw): 47
--- 计算上界: 5 上界为: 92
(进入右子树)
第5层: 当前价值(cp): 42,        已使用的背包容量(cw): 20
第6层: 当前价值(cp): 92,        已使用的背包容量(cw): 50
--- 计算上界: 6 上界为: 42
--- 计算上界: 3 上界为: 90.0741
--- 计算上界: 2 上界为: 91.037

======= 最大背包价值：92 =======