一、问题
1.问题描述
给定一个背包,容量为c,对于n件物品,每件物品i的价值v[i],重量w[i],每件物品可以放入一部分,求在不超过背包容量的情况下能放进背包的物品最大价值
2.问题分析
问题分析
- 对于每一个物品可以选择放或不放
- 解空间是一颗完全二叉树(子集树)
- 搜索解空间树时,只要其左儿子结点是一个可行结点,搜索就进入其左子树。当右子树中有可能包含最优解时才进入右子树搜索;否则将右子树剪去。
约束函数
- 背包剩余容量不为0时可以继续放入物品
- 设r是当前剩余物品价值总和;cp是当前价值;bestp 是当前最优价值。当cp+r≤bestp时,可剪去右子树。
二、算法设计与分析
1.基本思想
- 为了便于计算上界,可先将物品依其单位重量价值从大到小排序,此后只要按顺序考察各物品即可。
- 在实现时,由Bound计算当前结点处的上界。类Knap的数据成员记录解空间树中的结点信息,以减少参数传递及递归调用所需的栈空间。
- 在解空间树的当前扩展结点处,仅当要进入右子树时才计算上界Bound,以判断是否可将右子树剪去。进入左子树时不需计算上界,因为其上界与其父结点的上界相同。
2.具体步骤
#include <iostream>
#include <fstream>
#include <algorithm>
using namespace std;
class object{
public:
bool operator <(object o){
return perw>o.perw;
}
float w;//重量
float v;//价值
float perw;//单位重量价值
};
class Knap{
public:
void Backtrack(int t);
int bound(int i);//计算上界,用于剪枝
float getResult(){//返回计算得到的结果
return bestv;
}
void init(int n,int c,object ob[]);
private:
int n;//物品件数
float c;//背包容量
float currw;//当前重量
float currv;//当前价值
float bestv;//最优价值
object *ob;
};
ifstream in("input.txt");
ofstream out("output.txt");
//初始化
void Knap::init(int n,int c,object ob[]){
bestv=currw=currv=0;
this->n=n;
this->c=c;
this->ob=new object[n];
for(int i=0;i<n;i++)
this->ob[i]=ob[i];
}
//计算上界
int Knap::bound(int i){
int rest=c-currw;
int value=0;
while(rest>0&&i<n){
if(rest>=ob[i].w){//能放入整个i物品
value+=ob[i].v;
rest-= ob[i].w;
}
else{
value+=ob[i].perw*rest;
break;
}
}
return value;
}
//回溯
void Knap::Backtrack(int t){
if(t>n){//叶子节点,得到最优解
bestv=currv;
return;
}
float rest=c-currw;
object o=ob[t];
//左子树
if(o.w<=rest){//物品重量小于背包剩余容量
currw+=o.w;
currv+=o.v;
Backtrack(t+1);
currw-=o.w;//恢复
currv-=o.v;
}
//右子树
if(currv+bound(t+1)>bestv) //剪枝
Backtrack(t+1);
return;
}
int main(){
int n,c;
in>>n>>c;
object ob[n];
for(int i=0;i<n;i++){
in>>ob[i].v>>ob[i].w;
ob[i].perw=ob[i].v/ob[i].w;
}
sort(ob,ob+n);
Knap k;
k.init(n,c,ob);
k.Backtrack(0);
out<<k.getResult();
return 0;
}