分支限界法设计技术--求解0/1背包问题

实验目的:

通过本次实验，了解分支限界法的基本思想，掌握分支限界法在实际问题中使用方法。

实验环境:

硬件：PC机

软件：windows操作系统，C语言

实验内容：

求解0/1背包问题：通过队列式分枝限界法求解该问题。

实验学时：2

实验过程：

1.算法设计

这段程序实现了使用分枝界限法求解0/1背包问题（0/1 Knapsack Problem）。以下是该程序的算法设计：

1. 定义了结构体NodeType，用于表示节点的信息，包括节点编号no、当前处理的物品序号 i、当前背包重量w、当前背包总价值v、每个物品是否装入背包的状态x[]、节点的上界估计值 ub。

2. 实现了函数bound(NodeType &e)，用于计算节点e的上界估计值 ub。该函数在当前节点的基础上，向后遍历未处理的物品，计算能够装入背包的最大总价值。

3. 实现了函数EnQueue(NodeType e, queue<NodeType> &qu)，用于将节点e 入队列。如果当前节点处理到最后一个物品，且得到的总价值比之前的最大价值大，则更新最大价值和最优解。

4. 实现了函数bfs()，用于进行分枝界限法求解。该函数初始化第一个节点，将其入队列，然后循环处理队列中的节点，根据当前节点状态进行分支限界，生成新的节点，并将满足条件的节点入队列。

5. 实现了main()函数，在该函数中调用bfs()函数进行求解，并输出结果。

总体思路是通过不断生成新的节点，根据上界估计值进行剪枝，从而逐步搜索到最优解。

2.程序清单

#include<stdio.h>

#include<queue>

using namespace std;

#define MAXN 20



//物品数量，背包承重最大值

int n = 3, W = 30;

//重量

int w[] = { 0,16,15,15 };

//价值

int v[] = { 0,45,25,25 };

//最大价值

int maxv = -9999;

//最优解

int bestx[MAXN];

//解的节点数量

int total = 1;

//队列中的节点

struct NodeType

{

int no;

int i;

int w;

int v;

int x[MAXN];

double ub;

};

void bound(NodeType &e)

{

int i = e.i + 1;

int sumw = e.w;

double sumv = e.v;

while ((sumw + w[i] <= W) && i <= n)

{

sumw += w[i];

sumv += v[i];

i++;

}

if (i <= n)

e.ub = sumv + (W - sumw) * v[i] / w[i];

else

e.ub = sumv;

}

//节点入队列

void EnQueue(NodeType e, queue<NodeType> &qu)

{

if (e.i == n)

{

if (e.i > maxv)

{

maxv = e.v;

for (int j = 1; j <= n; j++)

bestx[j] = e.x[j];

}

}

else qu.push(e);

}

//求最优解

void bfs()

{

int j;

NodeType e, el, e2;

queue<NodeType> qu;

e.i = 0;

e.w = 0;

e.v = 0;

e.no = total++;

for (j = 1; j <= n; j++)

e.x[j] = 0;

bound(e);

qu.push(e);

while (!qu.empty())

{

e = qu.front();

qu.pop();

if (e.w + w[e.i + 1] <= W)

{

el.no = total++;

el.i = e.i + 1;

el.w = e.w + w[el.i];

el.v = e.v + v[el.i];

for (j = 1; j <= n; j++)

el.x[j] = e.x[j];

el.x[el.i]=1;

bound(el);

EnQueue(el, qu);

}

e2.no = total++;

e2.i = e.i + 1;

e2.w = e.w;

e2.v = e.v;

for (j = 1; j <= n; j++)

e2.x[j] = e.x[j];

e2.x[e2.i] = 0;

bound(e2);

if (e2.ub > maxv)

EnQueue(e2,qu);

}

}

void main()

{

bfs();

printf("分枝界限法求解0/1背包问题：\nX=[");

for (int i = 1; i <= n; i++)

printf("],装入总价值为%d\n", maxv);

}

3.复杂度分析

(1)时间复杂度

该程序使用了分枝界限法来解决0/1背包问题。在最坏情况下，需要考虑所有可能的解空间，因此时间复杂度是指数级别的，即 O(2^n)，其中 n 是物品的数量。

1. 空间复杂度

空间复杂度主要取决于存储节点信息的数据结构和队列的空间占用。在这段程序中，使用了结构体NodeType存储节点信息，并且使用了 STL 中的队列queue<NodeType>存储节点队列。此外，还有一些额外的数组用于存储物品的重量、价值等信息。因此，空间复杂度主要由这些数据结构和数组的空间占用决定，是 O(n) 级别的，其中n是物品的数量。

4.运行结果

实验总结：

收获与体会：

我了解了分枝界限法在解决组合优化问题中的应用，特别是在解决0/1背包问题时的实现方式。熟悉了如何利用队列来管理节点，通过不断扩展节点的方式搜索最优解。理解了如何通过界限函数（bound function）来剪枝，减少搜索空间，提高算法效率。通过实验结果，可以看到算法得出的最优解和装入总价值，加深了对算法运行过程的理解。

今后的努力方向：

    我将深入理解分枝界限法的原理和优化技巧，掌握更多的剪枝策略，以提高算法的效率和性能。学习其他高级的组合优化算法，如动态规划、贪心算法、遗传算法等，扩展解决问题的思路和方法。