一、问题描述:
设有 n 件工作分配给 n 个人。将工作 i 分配给 j 个人所需的费用为 。试设计一个算法,为每个人都分配 1 件不同的工作,并使得总费用最小。
下面这个表格就是代表成本:
人员 | 任务1 | 任务2 | 任务3 | 任务4 |
1 | 9 | 2 | 7 | 8 |
2 | 6 | 4 | 3 | 7 |
3 | 5 | 8 | 1 | 8 |
4 | 7 | 6 | 9 | 4 |
未优化之前
情况①:cost大于mincost;表示当前累计的费用已经大于已知的最小值,没有继续下去的意义了,费用只会再变大。
情况②:i< n;表示当前分配进展的深度还未到达“叶子结点”(即所有的工作还未分配完);继续进行相应的分配工作。
情况③:t == n;表示当前分配进展的深度达到了“叶子结点”(即所有的工作已经分配完了);此时比较cost和mincost的值,mincost取其中的最小值。
//解空间为子集树
#include<iostream>
#include<cstring>
using namespace std;
#define INF 0x3f3f3f3f
#define MAXN 21
int n=4;//任务数量
//第i个人执行第j个任务的成本
int c[MAXN][MAXN]={{0},{0,9,2,7,8},{0,6,4,3,7},{0,5,8,1,8},{0,7,6,9,4}};
int x[MAXN];//临时解
int cost=0;//临时解的成本
int bestx[MAXN];//最优解
int mincost=INF;//最优解的成本
bool worker[MAXN];//worker[j]表示任务j是否已分配人员
void dfs(int i){
if(i>n){
if(cost<mincost){
mincost=cost;
for(int k=1;k<=n;k++){
bestx[k]=x[k];
}
}
}
else{
for(int j=1;j<=n;j++){ //为人员i试探任务j,从1到n
if(!worker[j]){ //任务j还未分配
worker[j]=true;
cost+=c[i][j];
x[i]=j;
dfs(i+1);
//回溯
worker[j]=false;
cost-=c[i][j];
x[i]=0;
}
}
}
}
int main()
{
memset(worker,false,sizeof(worker));//任务还未分配
dfs(1);
cout<<"最优方案:"<<endl;
for(int k=1;k<=n;k++){
cout<<"第"<<k<<"个人安排任务"<<bestx[k]<<endl;
}
cout<<"总成本为:"<<mincost<<endl;
}
它的状态树是一个排列树,有点繁琐,所以要进行优化
优化代码 :dfs+剪枝
①对于micost的初始值设置进行优化:
在上述代码中,mincost的初值被设置为一个足够大的数,这样使得在实际使用的过程中,mincost是在出现第一个可行解时取其值作为自己的值再利用 if(cost>mincost||i>n) 来筛选不用再继续下去的分配;为了提高其筛选效率,我们可以通过将mincost的初值直接赋予一个可行解再进行分配工作,这样 if(cost>mincost||i>n) 语句就不用等到出现第一个可行解再起作用了;那么我们如何在不通过运算就可以找到一个可行解呢?
②对于分配方式的筛选机制进行了优化:
我们将c二维数组的每一行数据的最小值存储在一个一维数组a中(即完成某一工作的最小花费),当分配到某一个工作时,我们将 cost累计加上剩余未分配工作对应行在一维数组a中存储的最小值,如果得到cost 值大于 mincost,则说明这条分配线路不会得到更优的解。
#include<iostream>
using namespace std;
#define INF 0x3f3f3f3f
#define MAXN 21
int n = 4;//任务数量
//第i个人执行第j个任务的成本
int c[MAXN][MAXN] = { {0},{0,9,2,7,8},{0,6,4,3,7},{0,5,8,1,8},{0,7,6,9,4} };
int x[MAXN];//临时解
int cost = 0;//临时解的成本
int bestx[MAXN];//最优解
int mincost = INF;//最优解的成本
bool worker[MAXN];//worker[j]表示任务j是否已分配人员
int a[100]; //它用来储存每行最小值
void dfs(int i)
{
if (cost + a[i] > mincost)
{
return;
}
if (i > n) {
if (cost < mincost) {
mincost = cost;
for (int k = 1;k <= n;k++) {
bestx[k] = x[k];
}
}
}
else {
for (int j = 1;j <= n;j++)
{ //为人员i试探任务j,从1到n
if (!worker[j])
{ //任务j还未分配
worker[j] = true;
cost += c[i][j];
x[i] = j;
//cout << cost<<" ";
dfs(i + 1);//回溯
worker[j] = false;
cost -= c[i][j];
x[i] = 0;
}
}
}
}
int main()
{
memset(worker, false, sizeof(worker));//任务还未分配
for (int i = 1;i <= n;i++)
{
mincost += c[i][i];
}
for (int i = 1;i <= n;i++)
{//初始化a数组
int minvalue = c[i][1];
for (int j = 1;j <= n;j++)
{//找出每一行的最小值
if (c[i][j] < minvalue)
minvalue = c[i][j];
}
a[i] = minvalue;
}
for (int i = n - 1;i >= 1;i--)
a[i] += a[i + 1];
dfs(1);
cout << endl<<"最优方案:" << endl;
for (int k = 1;k <= n;k++)
{
cout << "第" << k << "个人安排任务" << bestx[k] << endl;
}
cout << "总成本为:" << mincost << endl;
}
分支限界法与回溯法的异同
方法 | 目标 | 对解空间树的搜索方式 | 结点存储特性 | 数据结构 | 应用 |
分支限界法 | 找出满足约束条件的一个解或特定意义下的最优解 | 广度优先搜索 | 每一个活结点只有一次机会成为扩展结点。 | 队列 优先队列 | 求解最优化问题 |
回溯法 | 找出满足约束条件的所有解 | 深度优先搜索 | 活结点的所有可行子结点被遍历后才被从栈中弹出 | 堆栈 数组 | 求解组合数组较大的问题。 |
方法 | 解空间树 | 算法框架 | 相同点 | 存储空间 |
分支限界法 | 看情况 | (1)队列式分支限界法 (2)优先队列式分支限界法 | 都是一种在问题的解空间树的搜索问题的算法 | 大 |
回溯法 | 子集树和排列树 | (1)递归回溯 (2)迭代回溯 (4)排列树算法框架 | 都是一种在问题的解空间树的搜索问题的算法 | 小 |
另一篇关于分支限界法的博客https://blog.csdn.net/lxy994/article/details/124741265