分支限界法01背包问题_01背包问题

最新推荐文章于 2024-06-17 00:06:23 发布
最新推荐文章于 2024-06-17 00:06:23 发布
阅读量1.3k 收藏
点赞数
文章标签： 分支限界法01背包问题
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42524945/article/details/113330986
版权

给定

equation?tex=n 个物品，每个物品都有其重量
equation?tex=w_i 和价值
equation?tex=v_i 以及一个容量为
equation?tex=W 的背包，01背包问题是在满足不超过背包容量的前提下在给定的
equation?tex=n 个物品中挑选若干个物品，使得所挑选的物品的价值总和最大。

经典的01背包求解方式是通过动态规划求解，算法的时间复杂度为

equation?tex=O%28nW%29 ，但是这个算法实际上并不是一个多项式时间算法。我们一般衡量算法的时间复杂度是判断它是否是关于输入规模大小的多项式函数。
equation?tex=W 只是一个输入数据，它可以表示成输入规模
equation?tex=n 的指数形式，因此这个算法实际上是一个伪多项式算法。

实际上01背包问题是NP-hard的，我们无法在多项式时间求到它的最优解。但是我们可以在多项式时间内求到它的一个可行解。比如，我们可以用贪心算法来求解。对于每一个物品，按照它的性价比（价值/重量）排序，优先选择性价比高的物品。若

equation?tex=%5Csum+w_i+%5Cle+W ，则全选。不妨设
equation?tex=v_1%2Fw_1%5Cge+v_2%2Fw_2%5Cge+%5Cldots+%5Cge+v_n%2Fw_n ，假设
equation?tex=k 是满足
equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bk%7Dw_i%5Cle+W%3C%5Csum_%7Bi%3D1%7D%5E%7Bk%2B1%7Dw_i 的最大数值，那么将
equation?tex=max+%5C%7Bv_%7Bk%2B1%7D%2C%5Csum_%7Bi%3D1%7D%5Ek+v_i%5C%7D 作为算法的解。很显然的是，这样的贪心选择策略并不是正确的。假设我们有3个物品
equation?tex=n_1%E3%80%81n_2%E3%80%81n_3 ,其重量分别为
equation?tex=10%E3%80%8120%E3%80%8130 ，价值分别为
equation?tex=60%E3%80%81100%E3%80%81120 ，其性价比分别为
equation?tex=6%E3%80%815%E3%80%814 。假设背包容量为
equation?tex=50 ，则按照这个策略，应该选择
equation?tex=n_1 和
equation?tex=n_2 ，所得价值为160。但是最优解是选择
equation?tex=n_2 和
equation?tex=n_3 ，所得价值为220。虽然，这个贪心算法返回的一个局部最优解，但是我们可以证明在最坏的情况下，它返回的解至少是最优解的
equation?tex=1%2F2 。

证明之前，我们先简单了解一下近似算法。近似算法是针对一个优化问题而言的，该优化问题是一个最大化问题或者最小化问题。以最大化问题为例子，假设多项式算法

equation?tex=%5Cmathcal%7BA%7D 返回的值为
equation?tex=sol ，最优解为
equation?tex=opt ，我们用一个比值
equation?tex=ratio%3Dmax%5C%7B%5Cfrac%7Bsol%7D%7Bopt%7D%2C%5Cfrac%7Bopt%7D%7Bsol%7D%5C%7D 来衡量
equation?tex=%5Cmathcal%7BA%7D 返回的解跟最优解之间的偏离程度。这个比值，通常称为近似比。近似比越接近
equation?tex=1 ，说明算法的效果越好。近似算法主要是为那些NP-hard的问题提供一个多项式时间的可行解的解决方案，可以理解成它是在时间代价和求解质量之间寻求一个平衡。近似算法与启发式算法最大的区别就是，近似算法是有严格的理论保证的，即它有近似比。近似比保证了算法在最坏情况下的性能。

按照上述贪心选择策略我们选择了前

equation?tex=k 个物品，即
equation?tex=sol%3Dmax%5C%7B%5Csum_%7Bi%3D1%7D%5E%7Bk%7D+v_i%2Cv_%7Bk%2B1%7D%5C%7D 。很明显，最优解
equation?tex=opt 满足

equation?tex=opt%5Cle+%5Csum_%7Bi%3D1%7D%5E%7Bk%7D+v_i+%2B+%5Cfrac%7Bv_%7Bk%2B1%7D%7D%7Bw_%7Bk%2B1%7D%7D%28W-%5Csum_%7Bi%3D1%7D%5E%7Bk%7D+w_i%29%3C%5Csum_%7Bi%3D1%7D%5Ek+v_i+%2B%5Cfrac%7Bv_%7Bk%2B1%7D%7D%7Bw_%7Bk%2B1%7D%7Dw_%7Bk%2B1%7D%3D%5Csum_%7Bi%3D1%7D%5E%7Bk%2B1%7Dv_i%E3%80%82

equation?tex=sol%3Dmax%5C%7Bv_%7Bk%2B1%7D%2C%5Csum_%7Bi%3D1%7D%5Ek+v_i%5C%7D%5Cge+%5Cfrac%7B1%7D%7B2%7D%5Csum_%7Bi%3D1%7D%5E%7Bk%2B1%7D+v_i%3E%5Cfrac%7B1%7D%7B2%7Dopt ，因此，该贪心算法的近似比为2。

若从另一个角度来看，假设我们将每个物品分成若干个小块，那么利用背包最有效的方式就是把前

equation?tex=k 个先装进背包，再装第
equation?tex=k%2B1 个物品的若干个小块，直到背包装满，因为这样性价比是最高的。这就意味着背包所能装的物品的总价值必然少于
equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bk%2B1%7D+v_i ，它是最优解
equation?tex=opt 的一个上界。
今天也要开心呢
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
算法分析 | 分支限界法 | 01背包问题
01-07
红色代表错误或者特别注意 蓝色代表修复后的正确代码 黄色表示变量 一.问题分析 1.问题的性质 回溯法是对树的深度遍历,需要用到递归. 分支限界法是对树的广度遍历,需要用到数据结构.而且每个状态都是一个数据结构实体 状态应该表示如下几个属性: int cp    //已放入物品总价值 int rp    //剩余物品的总价值 int rw   //剩余容量 int id    //物品序号,比如某结点id=0,拓展当前结点时就要检查物品0  放入/不放入. int[] x   //当前解向量 运算过程可以描述为: 将当前状态结点的符合条件的子结点push到队尾,并让当前节点出队. 2.限界条
算法设计与分析/数据结构与算法实验7：0-1背包问题（分支限界法）
zombotany的博客
01-24 6397
给定$n$种物品和一背包。物品$i$的重量是$w_i$，其价值为$v_i$，背包的容量为$C$。问：应该如何选择装入背包的物品，使得装入背包中物品的总价值最大？ 在选择装入背包的物品时，对每种物品$i$只有两种选择，即装入背包或不装入背包。不能将物品$i$装入背包多次，也不能只装入部分的物品$i$。因此，该问题称为0-1背包问题。 此问题的形式化描述是：给定$C>0,w_i>0,v_i>0,1 \le i
DP：01背包问题
最新发布
weixin_51142926的博客
06-17 2949
背包问题是⼀种组合优化的NP完全问题。 本质上是为了找出“带有限制条件的组合最优解”
0-1背包问题-分支限界法(优先队列分支限界法)
热门推荐
迷雾总会解
06-22 5万+
算法的思想 首先，要对输入数据进行预处理，将各物品依其单位重量价值从大到小进行排列。 在优先队列分支限界法中，结点的优先级定义为：以结点的价值上界作为优先级（由bound函数计算出） 步骤 算法首先根据基于可行结点相应的子树最大价值上界优先级，从堆中选择一个节点（根节点）作为当前可扩展结点。 检查当前扩展结点的左儿子结点的可行性。 如果左儿子结点是可行结点，则将它加入到子集树和活结点优先队列中。 当前扩展结点的右儿子结点一定是可行结点，仅当右儿子结点满足上界函数约束时,才将它加入子集树和活结点优先队
分支限界法解决零一背包问题
qq_41176163的博客
05-29 1万+
1、零一背包问题 1.1概述 在M件物品取出若干件放在空间为W的背包里，每件物品的体积为W1，W2……Wn，与之相对应的价值为V1,V2……Vn。最后选可行解中价值最大的解。 1.2问题分析 零一背包问题不同于背包问题，背包问题的物件可分。 在解决背包问题时，可以直接使用贪心法进行求解，思路也容易理解：先将物品的性价比进行排序，然后从高到低进行选取，保证选取的物品是当前最优选择。由于物件可分得缘故，所以每一步都可行。因此每一步可行以及每一步的最优达成了整个问题的最优（贪心法的使用需要...
【算法】优先队列式分支限界法，以01背包问题为例
成长之路
10-24 1万+
介绍分支限界的基本思路，并着重讨论了“如何选择上界函数”的问题，附完整C++代码。分支限界法类似于广度优先搜索，可使用队列实现，但进行了一些优化。优先队列式分支限界法：每次算完限界后，把搜索树上当前所有叶结点的限界进行比较。找出限界最优的结点，此结点即为下次分支的结点。优先队列的一个意义在于，总是搜索当前看起来最优的结点，因此更有可能更快地找到最优解。此外，它可以帮助进行上界的更新。
分支限界法求01背包c语言
12-17
01背包问题是一种经典的组合优化问题，常在...总之，通过分支限界法求解01背包问题，我们可以学习到组合优化、搜索算法、数据结构和剪枝策略等多个重要概念，这对于理解和解决其他复杂的优化问题具有重要的指导意义。
算法分析与设计-（分支限界法解决01背包问题和4皇后问题）的题目及答案
07-15
**算法分析与设计——分支限界法在01背包问题和4皇后问题的应用** 分支限界法（Branch and Bound）是一种用于求解最优化问题的有效算法，它通过系统地搜索问题的解空间，并在搜索过程中逐步排除那些不可能产生最优...
cpp代码-分支限界法求解0-1背包问题
07-16
在这个“cpp代码-分支限界法求解0-1背包问题”的项目中，作者使用了C++编程语言实现了分支限界法来解决这个问题。分支限界法是一种搜索算法，它的核心思想是在一棵表示所有可能解的搜索树上进行剪枝操作，避免无效的...
01背包_0/1背包问题_
10-04
0/1背包问题是一种经典的组合优化问题，在计算机科学和运筹学中有着广泛的应用。它描述的是这样的场景：你有一个...在实际应用中，还需要考虑问题的具体约束和优化策略，如贪心+回溯、分支限界等方法，以提高算法效率。
分支限界法解决0/1背包问题（C语言实现）
YuxiaoCyuyan的博客
12-13 4869
分支限界法解决0/1背包问题
基于分支限界的0-1背包问题
m0_49071428的博客
04-23 9228
山东科技大学 算法设计与分析 基于分支限界的0-1背包问题
0-1背包问题（分支限界法）
哈哈哈哈哈哈哈哈的博客
05-27 1万+
1.优先级如何确定? 在优先队列分支限界法中，节点的优先级由已装袋的物品价值加，上剩下的最大单位重量价值的物品装满剩余容量的价值和。 2.如何实现? 对输入数据进行预处理，将各物品依其单位重量价值从大到小进行排列。 算法首先检查当前扩展结点的左儿子结点的可行性。 如果该左儿子结点是可行结点，则将它加入到子集树和活结点优先队列中。 当前扩展结点的右儿子结点一定是可行结点。 仅当右儿子结点满足上界约束时才将它加入子集树和活结点优先队列。 当扩展到叶节点时为问题的最优值。 优先队列里面的元素包装成
算法实验-0/1背包(分支限界法)
11-13 2114
算法实验-0/1背包(分支限界法)
01背包问题三种解决（贪心动态规划分支限界）
Edward_Mcc的博客
01-18 2万+
一、实验目的 1、深入理解背包相关问题。 2、能正确设计相应的算法，解决实际问题。 3、掌握算法时间复杂度分析。 二、实验要求 用3种方法求解0-1背包问题（贪心算法、动态规划、分支限界法），获得精确最优解或近似最优解均可。 通过一个规模较大的实例比较不同方法的求解速度，分析不同算法的时间复杂度，并分析是否能获得最优解。 实验结果跟实验设置的参数（如：背包容量、物品的体积）关系很大，简要分析参数对结果的影响。 三、实验原理 1.动态规划解0-1背包原理： 动态规划基本思想是将带.
【算法导论12】分支限界法—01背包问题
qq_37739859的博客
10-13 9972
【算法导论12】分支限界法—01背包问题 问题描述： 一个背包有固定体积和容量两个参数，针对n件商品，商品包含体积和价值两个参数，如何选择商品的装入，使得背包所装入的总价值最大。 问题分析： 一个商品有装和不装两种状态，因此此问题的解可以用一颗二叉树来表示，二叉树根节点到叶节点的路径穷举就是所有的选择。在此基础上，再删去不符合条件的结点路线即可。下面对此算法进行优化： 考虑三个问题： 1、如何确定某个结点选还是不选。 2、如何设计算法实现当某个结点已经不符合限制或最优解时，对结点进行剪枝。 3、如何设计算法
用分支限界法求解01背包
One of thre_tigers的博客
06-01 1万+
问题描述 0-1背包问题:给定n种物品和一背包。物品i的重量是wi， 其价值为Vi， 背包的容量为C。问应如何选择装入背包中的物品，使得装入背包中物品的总价值最大?在选择装入背包的物品时，对每种物品i可以选择这个物品的一部分。 输入： 通过文件读入，第一行包括两个整数n和c，代表物品数和背包容量，接下来的n行每行包括两个整数，w[i]和v[i]代表物品的重量和价值。 输出： 将计算结果输出到文件，包括最优价值和选取方案包括2行，第一行一个整数，表示计算结果，第二行包括一组序列，表示选取方案，按照T={1，0
分枝限界解决0/1背包问题
m0_64583181的博客
01-09 702
优先队列分枝限界解决0/1背包问题
分支限界法解决01背包问题
weixin_30682127的博客
06-06 4453
1. 问题描述 设有n个物体和一个背包,物体i的重量为wi价值为pi ,背包的载荷为M, 若将物体i（1<= i <=n）装入背包,则有价值为pi . 目标是找到一个方案, 使得能放入背包的物体总价值最高. 设N=3, W=(16,15,15), P=(45,25,25), C=30（背包容量） 2. 队列式分支限界法 可以通过画分支限界法状态空间树的搜索图来理解...
分支限界法 01背包 java_分支限界法解决01背包问题
06-12
好的，我了解了你的问题。下面是使用分支限界法解决01背包问题的Java代码示例： ```java import java.util.*; public class KnapsackProblem { public static void main(String[] args) { int[] weight = {2, 2, 4, 6, 3}; // 物品重量 int[] value = {3, 4, 8, 9, 6}; // 物品价值 int capacity = 9; // 背包容量 int maxValue = knapsack(weight, value, capacity); System.out.println("背包能装的最大价值为：" + maxValue); } /** * 分支限界法解决01背包问题 * * @param weight 物品重量数组 * @param value 物品价值数组 * @param capacity 背包容量 * @return 背包能装的最大价值 */ public static int knapsack(int[] weight, int[] value, int capacity) { int n = weight.length; PriorityQueue<Node> queue = new PriorityQueue<Node>(n, new Comparator<Node>() { @Override public int compare(Node o1, Node o2) { return o2.upperBound - o1.upperBound; } }); // 优先队列，按照上界排序 Node u = new Node(); Node v = new Node(); int[] x = new int[n]; // 当前解 int maxValue = 0; // 背包能装的最大价值 u.level = -1; u.profit = 0; u.weight = 0; while (true) { if (u.level == -1) { // 第一步，初始化u节点 v.level = 0; } else if (u.level == n - 1) { // 最后一步，已经遍历完了所有物品 break; } else { // 中间步骤 v.level = u.level + 1; v.weight = u.weight + weight[v.level]; v.profit = u.profit + value[v.level]; } // 计算v节点的上界 v.upperBound = bound(v, weight, value, capacity, n); // 如果v节点的上界比当前最大价值更大，则将v节点加入优先队列 if (v.upperBound > maxValue) { queue.offer(v); } // 取出优先队列中上界最大的节点作为下一个节点 u = queue.poll(); if (u == null) { break; } } // 计算最大价值 for (int i = 0; i < n; i++) { if (x[i] == 1) { maxValue += value[i]; } } return maxValue; } /** * 计算节点的上界 * * @param node 节点 * @param weight 物品重量数组 * @param value 物品价值数组 * @param capacity 背包容量 * @param n 物品数量 * @return 节点的上界 */ public static int bound(Node node, int[] weight, int[] value, int capacity, int n) { int j, k; int totWeight; int bound; if (node.weight >= capacity) { // 物品重量大于等于背包容量，无法放入 return 0; } else { bound = node.profit; j = node.level + 1; totWeight = node.weight; while ((j < n) && (totWeight + weight[j] <= capacity)) { // 贪心选择物品 totWeight += weight[j]; bound += value[j]; j++; } if (j < n) { // 不能装满背包，计算上界 bound += (capacity - totWeight) * value[j] / weight[j]; } return bound; } } /** * 节点类 */ public static class Node { int level; // 节点所在层数 int weight; // 节点对应的物品总重量 int profit; // 节点对应的物品总价值 int upperBound; // 上界 public Node() { } public Node(int level, int weight, int profit, int upperBound) { this.level = level; this.weight = weight; this.profit = profit; this.upperBound = upperBound; } } } ``` 希望这段代码能够帮助到你，如果还有任何问题，请随时提出。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值