【算法设计与分析】最优装载问题（回溯算法）

问题描述：有一批共n个集装箱要装上两艘载重量分别为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两艘轮船。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 。

下面讨论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）。
 

下面的解装载问题的回溯法中,方法maxLoading返回不超过c的最大子集和。

算法maxLoading调用递归方法backtrack(1)实现回溯搜索。backtrack(i)搜索子集树中第i层子树。类Loading的数据成员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,算法搜索至叶结点,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是子集树的内部结点。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时进人左子树,对左子树递归搜索。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,故进人右子树时不需检查可行性。

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(2^n)，故Backtrack所需的计算时间O(2^n)。另外Backtrack还需要额外的O(n)的递归栈空间。