问题描述
有n个重量分别为{w1,w2,…,wn}的物品,它们的价值分别为{v1,v2,…,vn},给定一个容量为W的背包。
设计从这些物品中选取一部分物品放入该背包的方案,每个物品要么选中要么不选中,要求选中的物品不仅能够放到背包中,而且满足重量限制具有最大的价值
bi
显然0/1背包问题的解空间是一棵子集树。
求解问题
装入背包中的物品重量和恰好为W
- 用w[1…n]/v[1…n]存放物品信息,x[1…n]数组存放最优解,其中每个元素取1或0,x[i]=1表示第i个物品放入背包中,x[i]=0表示第i个物品不放入背包中。
- 这是一个求最优解问题。找到更优解(op,tv) ➡️ (x,maxv)
对第i层上的某个分枝结点,对应的状态为dfs(i,tw,tv,op),其中tw表示装入背包中的物品总重量,tv表示背包中物品总价值,op记录一个解向量。该状态的两种扩展如下:
- 叶子结点表示已经对n个物品做了决策
- 对所有叶子结点进行比较求出满足tw=W的最大maxv,对应的最优解op存放到x中。
改进
-
左剪枝:对于第i层的有些结点,tw+w[i]已超过了W,显然再选择w[i]是不合适的。应仅仅扩展tw+w[i]<=W的左孩子结点。
-
右剪枝:rw=w[i]+w[i+1]+…+w[n]
当不选择物品i时:rw-w[i]=w[i+1]+…+w[n],若tw+rw-w[i]<W,也就是说即使选择后面的所有物品,重量也不会达到W,因此不必要再考虑扩展这样的结点。仅仅扩展满足tw+rw-w[i]≥W的右孩子结点。
代码表示
void dfs(int i,int tw,int tv,int rw,int op[])
{ //初始调用时rw为所有物品重量和
int j;
if (i>n) //找到一个叶子结点
{ if (tw==W && tv>maxv) //找到一个满足条件的更优解,保存
{ maxv=tv;
for (j=1;j<=n;j++) //复制最优解
x[j]=op[j];
}
}
else //尚未找完所有物品
{ if (tw+w[i]<=W) //左孩子结点剪枝
{ op[i]=1; //选取第i个物品
dfs(i+1,tw+w[i],tv+v[i],rw-w[i],op);
}
if ( tw+rw-w[i]>=W )//右剪枝
{ op[i]=0; //不选取第i个物品,回溯
dfs(i+1,tw,tv,rw-w[i],op);
}
}
}
算法分析
该算法不考虑剪枝时解空间树中有2n+1-1个结点(剪枝的结点个数不确定),所以最坏情况下算法的时间复杂度为O(2^n)。
装入背包中物品重量和不超过W
方案
- 左剪枝方式不变
- 右剪枝改为采用上界函数进行
int bound(int i,int tw,int tv) //求上界
{ i++; //从i+1开始
while (i<=n && tw+A[i].w<=W) //若序号为i的物品可以整个放入
{ tw+=A[i].w;
tv+=A[i].v;
i++;
}
if (i<=n)
return tv+(W-tw)*A[i].p; //序号为i的物品不能整个放入
else
return tv;
}
剪枝
- 左剪枝:仅仅扩展tw+w[i]≤W的左孩子结点
- 右剪枝:仅仅扩展bound(i,tw,tv)>maxv的右孩子结点。一旦找到一个解后,后面找到的其他解(tv,op)只能越来越优
代码表示
void dfs(int i,int tw,int tv,int op[]) //求解0/1背包问题
{ if (i>n) //找到一个叶子结点
{ maxv=tv; //存放更优解
for (int j=1;j<=n;j++)
x[j]=op[j];
}
else //尚未找完所有物品
{ if (tw+A[i].w<=W) //左孩子结点剪枝
{ op[i]=1; //选取序号为i的物品
dfs(i+1,tw+A[i].w,tv+A[i].v,op);
}
if (bound(i,tw,tv)>maxv) //右孩子结点剪枝
{ op[i]=0; //不选取序号为i的物品,回溯
dfs(i+1,tw,tv,op);
}
}
}
算法分析
该算法不考虑剪枝时解空间树中有2n+1-1个结点(剪枝的结点个数不确定),所以最坏情况下算法的时间复杂度为O(2^n)。