实验内容 :
本实验要求基于算法设计与分析的一般过程(即待求解问题的描述、算法设计、算法描述、算法正确性证明、算法分析、算法实现与测试),通过回溯法的在实际问题求解实践 中,加深理解其基本原理和思想以及求解步骤。求解的问题为 0-1 背包。作为挑战:可以考虑回溯法在如最大团、旅行商、图的 m 着色等问题中的应用。
实验目的:
◆ 理解回溯法的核心思想以及求解过程(确定解的形式及解空间组织,分析出搜索 过程中的剪枝函数即约束函数与限界函数);
◆ 掌握对几种解空间树(子集树、排列数、满 m 叉树)的回溯方法;
◆ 从算法分析与设计的角度,对 0-1 背包等问题的基于回溯法求解有进一步的理解。
实验步骤:
步骤 1:理解问题,给出问题的描述。
给定 n 种物品和一背包。物品 i 的重量是 wi>0,其价值为 vi>0,背包的容量为 c。 问应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。
步骤 2:算法设计,包括算法策略与数据结构的选择;
利用回溯法试设计一个算法求出 0-1 背包问题的解,也就是求出一个解向量xi (即 对 n 个物品放或不放的一种的方案)。其中, (xi = 0 或1,xi = 0 表示物体i不放入背包,xi =1 表示把物体i放入背包)。
在递归函数 Backtrack 中, 当 i>n 时,算法搜索至叶子结点,得到一个新的物品装包方案。此时算法适合更新 当前的最优价值。当 i<n时,当前扩展结点位于排列树的第(i-1)层,此时算法选择下一个要安排的 物品,以深度优先方式递归的对相应的子树进行搜索,对不满足上界约束的结点,则剪去相应的子树。
步骤 3:描述算法。采用源代码以外的形式(如伪代码、流程图等)来描述;
步骤 4:算法的正确性证明。这个环节,在理解的基础上对算法的正确性给予证明 ;
在 0-1 背包问题中,解空间为:(x1,x2,...,xn), 如果当前结果 P1=(x1,x2,...,xn)是最优 解,那么 P2=(x1,x2,...,xn−1)的时候,也就是减少一个物品但不改变背包容量的时候, 可以想到 P2 依然是该问题的最优解。从子集树角度来看,也就是最后一层结点全部去 掉后的结果,那么当前结果也是最优的。
步骤 5:算法复杂性分析,包括时间复杂性和空间复杂性;
计算上界需要 O(n)时间,在最坏情况下有 O(2 ⁿ)个右儿子结点需要计算上界,故解 0-1 背包问题的回溯算法 backtrack 所需要的时间为 O(n2 ⁿ).
步骤 6:算法实现与测试。附上代码或以附件的形式提交,同时贴上算法运行结果截图;
#include<iostream>
#include<algorithm>
using namespace std;
class Knap {
friend double knapsack(double *,double *,double ,int);
private:
double Bound(int i)
{
//计算上界
double cleft = c - cw; //剩余容量
double b = cp;
//以物品单位重量价值递减序装入物品
while (i <= n && w[i] <= cleft) {
cleft -= w[i];
b += p[i];
i++;
}
//装满背包
if (i <= n){
b+=p[i]*cleft/w[i];
}
return b;
}
void Backtrack(int i)
{
if (i > n) {
//到达叶结点
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];
}
// float u=Bound(i + 1);
// float bb=bestp;
//当前的界是否大于背包当前的值
if (Bound(i + 1) > bestp) { //进入右子树
Backtrack(i + 1);
}
}
double c; //背包容量
int n; //物品数
double *w; //物品重量数组
double *p; //物品价值数组
double cw; //当前重量
double cp; //当前价值
double bestp; //当前最优价值
};
class Object {
friend double knapsack(double *,double *,double,int);
public:
int operator<=(Object a) const {
return (d >= a.d);
}
private:
int ID;
float d;
};
double knapsack(double p[], double w[], double c, int n) {
//为 Knap: Backtrack 初始化
double W = 0;
double P = 0;
Object * Q = new Object[n];
for (int i = 1; i <= n; i++) {
Q[i - 1].ID = i;
Q[i - 1].d = 1.0 * p[i]/w[i];
//cout<<Q[i - 1].d<<endl;
P += p[i];
W += w[i];
}
if (W <= c) return P; //装入所有物品
//所有物品的总重量大于背包容量 c,存在最佳装包方案
//sort(Q,n);对物品以单位重量价值降序排序(不排序也可以,但是为了便于计
算上界,可将其按照单位重量价格从大到小排序)
//对物品以单位重量价值降序排序
//采用简单冒泡排序
for(int i = 1; i<n; i++)
for(int j = 1; j<= n-i; j++)
{
if(Q[j-1].d < Q[j].d)
{
Object temp = Q[j-1];
Q[j-1] = Q[j];
Q[j] = temp;
}
}
Knap K;
K.p = new double[n + 1];
K.w = new double[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;
//回溯搜索
K.Backtrack(1);
delete[] Q;
delete[] K.w;
delete[] K.p;
return K.bestp;
}
void input(int n,double p[],double w[])
{
cout<<"请输入每件商品价值:"<<endl;
for(int i=1;i<=n;i++)
{
cin>>p[i];
}
cout<<"请输入每件商品重量"<<endl;
for(int i=1;i<=n;i++)
{
cin>>w[i];
}
}
int main(){
double c;
int n;
cout<<"请输入背包容量:";
cin>>c;
cout<<"请输入物品数量:";
cin>>n;
double p[n+1]={0};
double w[n+1]={0};
input(n,p,w);
double m=knapsack(p,w,c,n);
cout<<"此 0-1 背包问题的最优值为:"<<m<<endl;
system("pause");
return 0;
}
实验总结 :
回溯法的思想: 能进则进,不进则换,不换则退.
回溯算法的框架: 以 DFS 的方式进行搜索,在搜索的过程中用剪枝条件(限界函数)避免无效搜索。约束函数,在扩展结点处剪去得不到可行解的子树;限界函数:在扩展结点处剪去得不到最优 解的子树。
回溯算法求解问题的一般步骤:
1、 针对所给问题,定义问题的解空间,它至少包含问题的一个(最优)解。
2 、确定易于搜索的解空间结构,使得能用回溯法方便地搜索整个解空间 。
3 、以深度优先的方式搜索解空间,并且在搜索过程中用剪枝函数避免无效搜索。
常用剪枝函数: 用约束函数在扩展结点处剪去不满足约束的子树; 用限界函数剪去得不到最优解的子树