装载问题(回溯法过程和方案选取)
一、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n个集装箱装上这2艘轮船。如果有,找出一种装载方案。
二、问题分析
主要思想:将第一艘船尽可能装满,剩余的装入第二艘船。
1.n和t是什么?
- n是解向量的分量的个数,t指的是当前要确定第t个分量。
2.框架中的解向量,f(n,t)和g(n,t)在这里是什么?
- 在这个问题中,我们一共要确定n个集装箱的取或者不取, 每一个节点都只有两个子节点,分别对应0和1,因此解向量是n维的01向量。
- f(n,t)和g(n,t)一般指的未被搜索过的子树的最小编号和最大编号)
3.是np问题
- c1!=c2子集和问题
- c1==c2集合划分问题
4.运用框架(解空间):子集树
void backtrack(int t){
if(t>n) output(x);
else
for(int i=0;i<=1;i++){//只有两个儿子
x[t]=i;
if(legal(t)) backtrack(t+1);
}
}
5.约束
- 可行性约束:装进第一个集装箱的重量当然不可以比它的容量大。
- 限界函数:
,
当前载重量+剩余集装箱的重量(注意在cw的构建过程中被赋予0的xi不属于剩余的,也就是它是已经表明过不选取的)
- 如果要选择第t个分量:目前的重量加上剩余的所有重量,都没有当前最优解的重量大,那还进一步考虑这个解分支干什么呢?剪掉!说明你目前的解不可取,你可以回去改一改路径上的x分量(当然你应该最先考虑换一个x[t-1]试一试)
①递归法
class loading{
friend int MaxLoading(int w[],int c, int n,int bestx[]);
private:
void backtrack(int t);
int n,*x,*bestx;//件数,当前解向量,当前最优解向量
int *w,cw,r,bestw; //重量信息,目前部分解的重量,目前剩余物品的总重量,最优解的重量
};
void loading::backtrack(int t){
//已经到达叶子节点,一定是最优解
if(t>n){
for(int i=0;i<n;i++)
bestx[i]=x[i];
bestw=cw;
return;
}
r-=w[t];
//考虑左子树选择t
if(cw+w[t]<=c){ //可以放进去的话,为1的左子树可以进入
cw+=w[t];
x[t]=1;
backtrack(t+1);
cw-=w[t];
}
//考虑右子树不选择t
if(cw+r<bestw){//就算其余的全部放进去都没有当前最优解的bestw大,那就剪枝,这个点变为死结点
r+=w[t];
return;
}
//为0的右子树可以进入
x[t]=0;
backtrack(t+1);
//这个点变为死结点了,回溯
r+=w[t];
}
int MaxLoading(int w[],int c,int n,int bestx[]){
loading X;
//初始化
X.x=new int[n+1];
X.w=w;
X.c=c;
X.n=n;
X.bestx=bestx;
X.bestw=0;
X.cw=0;
X.r=0;
for(int i=1;i<=n;i++){
X.r+=w[i];
}
//从第一个结点开始
X.backtrack(1);
delete[]X.x;
return X.bestw;
}
②迭代法
每次我们都优先往左子树深入,直到无法进入(放不下),被迫选择右子树。过程中可能会出现这样的情况:选择了某个结点的右子树后发现,即使剩下所有集装箱都放入也没有当前最优解的重量大,这时候我们回溯。
int MaxLoading(int w[],int c,int n, int bestx[]){
//初始化
int cw=0,r=0,t=1,x[n+1];
for(int i=1;i<=n;i++)
r+=w[i];
//没有搜索完整棵树
while(t>0){
//左子树,能放进去就放进去
while(t<=n&&cw+w[t]<c){
cw+=w[t];
r-=w[t];
x[t]=1;
t++;
}
//如果已经将全部的物品选择完毕,那一定是当前的最优解
if(t>n){
for(int i=1;i<=n;i++)
bestx[i]=x[i];
bestw=cw;
}
//右子树,如果剩下的空间放不下第t个物品
else{
r-=w[t];//不选t
x[t]=0;
t++;
}
while(cw+r<=bestw){//后面的全部加上都没有bestw优,回到之前的某一位重新选择
t--;
while(t>0&&!x[t]){//回到最近的1,修改它
r+=w[t];
t--;
}
if(t==0) break;//最优的解已经无法超越了,退到了极致
x[t]=0;//修改1为0
cw-=w[t];
t++;
}
}
return bestw;
}
——参考自王晓东《算法设计与分析》(第5版)