回溯法解决0-1背包问题

我们以0-1背包问题，来分析回溯算法，

解空间：对于n种可选物品的0-1背包问题，解空间由长度为n=3的 0-1向量组成。该解空间包含了对变量的所有可能的0-1赋值。当n=3时，其解空间是{(1,1,1),(1,1,0),(1,0,1),(1,0,0)(0,1,1)(0,1,0)(0,0,1)(0,0,0)}

解空间树：

 

 

 

回溯法的基本思想：在确定了解空间的组织结构后，回溯法从开始结点（根结点）A出发，以深度优先的方式搜索整个解空间。这个开始结点A就成为一个活结点，同时成为当前的扩展结点。在当前的扩展结点处，搜索向纵深方向移至一个新结点B。这个新结点B就成为一个新的活结点，并成为当前的扩展结点。如果在当前扩展结点处不能在向纵深方向移动，则当前的扩展结点就成为死结点。换句话说，这个结点不再是一个活结点。此时，往回移动（回溯）至最近的一个活结点A处，并使这个活结点成为当前的扩展结点。回溯法即以这种工作方式递归地在解空间中搜索，直到找到所要求的解或解空间中已无活结点为止。

 

回溯法的解空间树上的任何一个结点，都有机会成为活结点和扩展结点，最终所有的点都会成为死结点。

 

限界函数：利用背包问题解决0-1背包问题的界限函数，尽可能多和尽可能早地"杀掉"不可能产生最优解的活结点。好的限界函数的通用直到原则是尽可能多和尽可能早地"杀掉"不可能产生最优解的活结点。好的限界函数可以大大减少问题的搜索空间，从而大大提高算法的效率。

回溯法是一条通路走到头，没有办法走下去了，然后选择

考虑贪心策略，先对所有物品按其单位重量价值从大到小排序，对当前的某个扩展结点，通过背包问题的贪心策略 计算能获得的最大价值。若该价值比当前已经得到某个可行解要小，则该结点不必再扩展，成为死结点。

物品i	1	2	3	4	5	6	7	8
vi	11	21	31	33	43	53	55	65
wi	1	11	21	23	33	43	45	55
vi/wi	11	1.909	1.476	1.435	1.303	1.233	1.222	1.181

 

 

下图是贪心算法求解。

按深度优先的策略，当前的扩展结点是A，此时背包剩余容量为21，第6个物品放不进去了,分支向右（X(6)=0））此时背包容量仍然为21，第7个物品同样放不进去了，分支向右，X(7)，同理X(8)分支也向右。

重量89	89=1+11+21+23+33
价值139	139=11+21+31+33+43

 

164.66=139+21*55/45（将7号物品按背包的贪心策略，加入剩余容量中）

163.81=139+21*65/55（将8号物品按背包的贪心策略，加入剩余容量中）

D成为死结点，向上回溯到C，C成为死结点，向上回溯到B,B成为死结点，向上回溯到A,A成为死结点，向上回溯到E,E成为当前的扩展结点，又开始深度优先，到F。

之前同学们一定很疑惑，164.66和163.81都是从何而来，为什么会有这两个数字。当我们当前结点选择不放入下一个物品时，我们就要考虑，不放入它的最大价值和放入它的最大价值那个大，如果不放入它的价值比放入它的价值大，我们选择继续顺着解空间树向下走，如果放入的价值比较大，则当前结点成为死结点。所以标在结点旁的数值是不放入某个物品之后的最大价值。

最大值的求法：按价值量从小到大排列，一次奖物品放入背包中，当背包容量不足够放入下一个物品时，将此物品按背包的贪心策略，放入背包中，即可得到最大值。

 

在回溯法中我们时时刻刻都想着使某一个点成为死结点，以减少解空间的范围。