0-1背包问题(回溯法)
2015-03-16 12:39
274 查看
给定n中物品和一个容量为c的背包,物品i的重量为Wi,其价值为Vi,0-1背包问题是如何选择装入背包的物品(物品不可分割),使得装入背包的物品的价值为最大。
1.题目分析:
考虑到每种物品只有2 种选择,即装入背包或不装入背包,并且物品数和背包容量已给定,要计算装入背包物品的最大价值和最优装入方案,可用回溯法搜索子集树的算法进行求解。
2.算法设计:
a. 物品有n种,背包容量为C,分别用p[i]和w[i]存储第i种物品的价值和重量,用
x[i]标记第i种物品是否装入背包,用bestx[i]存储第i种物品的最优装载方案;
b. 用递归函数Backtrack (i,cp,cw)来实现回溯法搜索子集树(形式参数i表示递归深
度,n用来控制递归深度,形式参数cp和cw表示当前总价值和总重量,bestp表示当前
最优总价值):
① 若i >n,则算法搜索到一个叶结点,判断当前总价值是否最优:
1> 若cp>bestp,更新当前最优总价值为当前总价值(即bestp=cp),更新
装载方案(即bestx[i]=x[i]( 1≤i≤n));
② 采用for循环对物品i装与不装两种情况进行讨论(0≤j≤1):
1> x[i]=j;
2> 若总重量不大于背包容量(即cw+x[i]*w[i]<=c),则更新当前总价 br=""> 值和总重量(即cw+=w[i]*x[i],cp+=p[i]*x[i]),
对物品i+1调用递归函
数Backtrack(i+1,cp,cw) 继续进行装载;
3> 函数Backtrack(i+1,cp,cw)调用结束后则返回当前总价值和总重量
(即 cw-=w[i]*x[i],cp-=p[i]*x[i]);
4> 当j>1时,for循环结束;
③ 当i=1时,若已测试完所有装载方案,外层调用就全部结束;
c. 主函数调用一次backtrack(1,0,0)即可完成整个回溯搜索过程,最终得到的bestp和bestx[i]即为所求最大总价值和最优装载方案。
代码1
源码版本2
1.题目分析:
考虑到每种物品只有2 种选择,即装入背包或不装入背包,并且物品数和背包容量已给定,要计算装入背包物品的最大价值和最优装入方案,可用回溯法搜索子集树的算法进行求解。
2.算法设计:
a. 物品有n种,背包容量为C,分别用p[i]和w[i]存储第i种物品的价值和重量,用
x[i]标记第i种物品是否装入背包,用bestx[i]存储第i种物品的最优装载方案;
b. 用递归函数Backtrack (i,cp,cw)来实现回溯法搜索子集树(形式参数i表示递归深
度,n用来控制递归深度,形式参数cp和cw表示当前总价值和总重量,bestp表示当前
最优总价值):
① 若i >n,则算法搜索到一个叶结点,判断当前总价值是否最优:
1> 若cp>bestp,更新当前最优总价值为当前总价值(即bestp=cp),更新
装载方案(即bestx[i]=x[i]( 1≤i≤n));
② 采用for循环对物品i装与不装两种情况进行讨论(0≤j≤1):
1> x[i]=j;
2> 若总重量不大于背包容量(即cw+x[i]*w[i]<=c),则更新当前总价 br=""> 值和总重量(即cw+=w[i]*x[i],cp+=p[i]*x[i]),
对物品i+1调用递归函
数Backtrack(i+1,cp,cw) 继续进行装载;
3> 函数Backtrack(i+1,cp,cw)调用结束后则返回当前总价值和总重量
(即 cw-=w[i]*x[i],cp-=p[i]*x[i]);
4> 当j>1时,for循环结束;
③ 当i=1时,若已测试完所有装载方案,外层调用就全部结束;
c. 主函数调用一次backtrack(1,0,0)即可完成整个回溯搜索过程,最终得到的bestp和bestx[i]即为所求最大总价值和最优装载方案。
代码1
#include<stdio.h> int n,c,bestp;//物品的个数,背包的容量,最大价值 int p[10000],w[10000],x[10000],bestx[10000];//物品的价值,物品的重量,x[i]暂存物品的选中情况,物品的选中情况 void Backtrack(int i,int cp,int cw) { //cw当前包内物品重量,cp当前包内物品价值 int j; if(i>n)//回溯结束 { if(cp>bestp) { bestp=cp; for(i=0;i<=n;i++) bestx[i]=x[i]; } } else for(j=0;j<=1;j++) { x[i]=j; if(cw+x[i]*w[i]<=c) { cw+=w[i]*x[i]; cp+=p[i]*x[i]; Backtrack(i+1,cp,cw); cw-=w[i]*x[i]; cp-=p[i]*x[i]; } } } int main() { int i; bestp=0; printf("请输入背包最大容量:\n"); scanf("%d",&c); printf("请输入物品个数:\n"); scanf("%d",&n); printf("请依次输入物品的重量:\n"); for(i=1;i<=n;i++) scanf("%d",&w[i]); printf("请依次输入物品的价值:\n"); for(i=1;i<=n;i++) scanf("%d",&p[i]); Backtrack(1,0,0); printf("最大价值为:\n"); printf("%d\n",bestp); printf("被选中的物品依次是(0表示未选中,1表示选中)\n"); for(i=1;i<=n;i++) printf("%d ",bestx[i]); printf("\n"); return 0; }
源码版本2
#include <iostream> #define MAX_NUM 5 #define MAX_WEIGHT 10 using namespace std; //动态规划求解 int zero_one_pack(int total_weight, int w[], int v[], int flag[], int n) { int c[MAX_NUM+1][MAX_WEIGHT+1] = {0}; //c[i][j]表示前i个物体放入容量为j的背包获得的最大价值 // <span style="background-color: rgb(255, 0, 0);">状态转移方程:c[i][j] = max{c[i-1][j], c[i-1][j-w[i]]+v[i]}</span> //状态转移方程的解释:第i件物品要么放,要么不放 // 如果第i件物品不放的话,就相当于求前i-1件物体放入容量为j的背包获得的最大价值 // 如果第i件物品放进去的话,就相当于求前i-1件物体放入容量为j-w[i]的背包获得的最大价值 for (int i = 1; i <= n; i++) { for (int j = 1; j <= total_weight; j++) { if (w[i] > j) { // 说明第i件物品大于背包的重量,放不进去 c[i][j] = c[i-1][j]; } else { //说明第i件物品的重量小于背包的重量,所以可以选择第i件物品放还是不放 if (c[i-1][j] > v[i]+c[i-1][j-w[i]]) { c[i][j] = c[i-1][j]; } else { c[i][j] = v[i] + c[i-1][j-w[i]]; } } } } //下面求解哪个物品应该放进背包 int i = n, j = total_weight; while (c[i][j] != 0) { if (c[i-1][j-w[i]]+v[i] == c[i][j]) { // 如果第i个物体在背包,那么显然去掉这个物品之后,前面i-1个物体在重量为j-w[i]的背包下价值是最大的 flag[i] = 1; j -= w[i]; //--i; 移到外面去 }--i; } return c [total_weight]; } int main() { int total_weight = 10; int w[4] = {0, 3, 4, 5}; int v[4] = {0, 4, 5, 6}; int flag[4]; //flag[i][j]表示在容量为j的时候是否将第i件物品放入背包 int total_value = zero_one_pack(total_weight, w, v, flag, 3); cout << "需要放入的物品如下" << endl; for (int i = 1; i <= 3; i++) { if (flag[i] == 1) cout << i << "重量为" << w[i] << ", 价值为" << v[i] << endl; } cout << "总的价值为: " << total_value << endl; return 0; }
相关文章推荐
- 0-1背包问题(回溯法)
- 用回溯法解决0-1背包问题
- 0029算法笔记——【回溯法】n后问题和0-1背包问题
- 回溯法解背包问题分析
- 回溯法(背包问题和八皇后问题)
- 0/1背包问题-回溯法
- C#使用回溯法解决背包问题实例分析
- 0-1背包问题(回溯法)
- 算法分析与设计--0/1背包问题(回溯法)
- 【回溯法】0-1背包问题
- 0-1背包问题求解归纳(动态规划法,贪心算法,回溯法,分治法和分支界限法)__更新到完整
- 回溯法求解0-1背包问题
- 回溯法:0/1背包问题(利用价值密度进行优化)
- 回溯法解0/1背包问题
- 0029算法笔记——【回溯法】n后问题和0-1背包问题
- 贪心法和回溯法 求解“背包、0/1背包问题”——Java 实现
- 0-1背包问题之使用回溯法解决
- 回溯法 0-1背包问题
- 01背包问题-----回溯法的解决方案
- PHP回溯法解决0-1背包问题实例分析