回溯算法之最优装载问题

问题描述：有一批共n个集装箱要装上2艘载重量分别为c1和c2的轮船，其中集装箱i的重量为wi，且，装载问题要求确定是否有一个合理的装载方案可将这些集装箱装上这2艘轮船。如果有，找出一种装载方案。

     例如：当n=3,c1=c2=50,且w=[10,40,40]时，则可以将集装箱1和2装到第一艘轮船上，而将集装箱3装到第二艘轮船上；如果w=[20,40,40]，则无法将这3个集装箱都装上轮船。

   基本思路： 容易证明，如果一个给定装载问题有解，则采用下面的策略可得到最优装载方案。
    (1)首先将第一艘轮船尽可能装满；
    (2)将剩余的集装箱装上第二艘轮船。
    将第一艘轮船尽可能装满等价于选取全体集装箱的一个子集，使该子集中集装箱重量之和最接近C1。由此可知，装载问题等价于以下特殊的0-1背包问题。

    用回溯法设计解装载问题的O(2^n)计算时间算法。在某些情况下该算法优于动态规划算法。

    算法设计：

    用回溯法解装载问题时，用子集树表示其解空间显然是最合适的。用可行性约束函数可剪去不满足约束条件的子树。在子集树的第j+1层的结点z处，用cw记当前的装载重量，即cw=，则当cw>c1时，以结点z为根的子树中所有结点都不满足约束条件，因而该子树中的解均为不可行解，故可将该子树剪去。（该约束函数去除不可行解，得到所有可行解）。

     可以引入一个上界函数，用于剪去不含最优解的子树，从而改进算法在平均情况下的运行效率。设z是解空间树第i层上的当前扩展结点。cw是当前载重量；bestw是当前最优载重量；r是剩余集装箱的重量，即r=。定义上界函数为cw+r。在以z为根的子树中任一叶结点所相应的载重量均不超过cw+r。因此，当cw+r<=bestw时，可将z的右子树剪去。

算法设计  
   用回溯法解装载问题时，用子集树表示其解空间显然是最合适的。可行性约束函数可剪去不满足约束条件（
   (w1x1+w2x2+...+wixi)<= c1）的子树。在子集树的第j+1层的节点Z处，用cw记当前的装载重量，即cw=(w1x1+w2x2+...+wjxj)，当cw>c1时，以节点Z为根的子树中所有节点都不满足约束条件，因而该子树中解均为不可行解，故可将该子树剪去。
  下面的解装载问题的回溯中，算法MaxLoading返回不超过C的最大子集和，但并未给出达到这个最大子集和的相应子集。稍后加以完善。
   算法Maxloading调用递归函数Backtrack(1)实现回溯搜索。Backtrack(i)搜索子集树中第i层子树。类Loading的数据成语。记录子集树中结点信息，以减少传给Backtrack的参数。cw记录当前结点所相应的装载重量，bestw记录当前最大装载重量。
   在算法Backtrack中，当i>n时，算法搜索至叶节点，其相应的装载重量为cw。如果cw>bestw，则表示当前解优于当前最优解，此时应更新bestw。
   当i<=n时，当前扩展结点Z是子集树中的内部节点。该结点有x[i]=1和x[i]=0两个儿子结点。其左儿子结点表示x[i]=1的情形，仅当cw+w[i] <=c时进入左子树，对左子树进行递归搜索。其右儿子结点表示x[i]=0的情形。由于可行结点的右儿子结点总是可行的，故进入右子树时不需要检查可行性。
  算法Backtrack动态地生成问题的解空间树。在每个结点出算法花费O(1)时间。子集树种结点个数为O(2n),，故Backtrack所需的计算时间O(2n)。另外Backtrack还需要额外的O(n)的递归栈空间。


书上给出的算法：
1.递归回溯：

template <class Type>  
class Loading{  
   friend Type MaxLoading(Type [],Type ,int);  
   private:  
     void Backtrack(int i);  
     int n; \\集装箱数  
     Type * w,  \\集装箱重量数组  
         c ,   \\第一艘轮船的载重量  
         cw ,  \\当前载重量  
         bestw; \\当前最优载重量  
};  
template <class Type>  
void Loading<Type>::Backtrack(int i)  
{  
    if(i>n)  
    {//到达叶子节点  
         if(cw>bestw) bestw=cw;  
         return;  
    }  
    //搜索子树  
    if(cw+w[i]<=c)  
    {//x[i] =1;没有保存x[]数组的值，因此该算法只计算出最优值，而没给出装载的方法  
       cw+=w[i];  
       Backtrack(i+1);  
       cw-=w[i];  
    }  
    Backtrack(i+1);//x[i]=0;  
}  
 
template <class Type>  
Type MaxLoading(Type w[],Type c,int n)  
{  
   Loading <Type> X;  
   X.w = w;  
   X.c =c;  
   X.n =n;  
   X.bestw =0;  
   X.cw =0;  
   X.Backtrack(1);  
   return X.bestw;  
} 
2.增加上界函数和构造最优解的改进
 void backtrack (int i)
 {// 搜索第i层结点
    if (i > n){  // 到达叶结点更新最优解bestx,bestw;return;
         if(cw>bestw){
            for(int j=1)
         }
    }
 
    r -= w[i];
    if (cw + w[i] <= c) //搜索左子树
    { x[i] = 1;
       cw += w[i];
       backtrack(i + 1);
       cw -= w[i];      }
    if (cw + r > bestw)
    { x[i] = 0;  // 搜索右子树
       backtrack(i + 1);      }
    r += w[i];
 }

进一步理解：

1. //再来学习一下回溯法  
2. //一般解题步骤分为三步  
3. //一:针对所给问题,定义问题的解空间  
4. //二:确定易于搜索的解空间结构(一般为子集树或者排列树)  
5. //三:以深度优先的方式搜索解空间,并且在搜索过程中用减枝函数避免无效搜索