概念:
回溯法采用深搜+剪枝来搜索生成树:
步骤:
1.
假设规定左叉标1(代表选择该物品装入背包),右叉标0(代表不选择该物品装入背包)。给定示例输入:
背包容量c=10
物品个数n=5
物品重量w={2,2,6,5,4}
物品价格p={6,3,5,4,6}
注意:
左子树的解的上界与父节点相同,不用计算。右子树的解的界值:较好的就算方法是将剩余物品依其单位重量价值排序,然后依次装入物品,直到装不下时,再装入该物品的一部分来装满背包。由此得到的价值是右子树中解的上界(尽管这不是一个可行解,但可以证明其价值是最优值的上界)。-----每次进入右子树之前都会计算右子树的界,如果右子树的界大于当前的界,则才能进入右子树(即右子树的界满足约束条件)。每走到一个叶结点时就更新当前的界。
预处理:将物品按照单位重量的价格排序如下:
物品重量w={2,2,4,6,5}
物品价格p={6,3,6,5,4}
界的计算:
2号结点的界:(3+6)+(10-2-4)*(5/6)=12.333;
4号结点的界:6+6+(10-2-4)*(5/6)=15.33;
8号结点的界:(6+3+5)+(10-2-2-6)*(4/5) = 14
16号结点的界:(6+3+6)+(10-2-2-4)*(4/5)=16.6 (计算机处理float类型的16.6的表示形式是16.6000000004)
生成树的表示:
2.程序运行时。从0结点开始出发:只要遇到1就一直往左走(先逐个将物品装入背包,直到装不下再向右走),直到背包装不下物品,才想右走。
程序的路线图:0-1-3-7结点(选择1,2,3号物品装入背包),当要走15结点时,发现背包超重了,(即4号物品放弃装包) ,此时向右走到16结点。对16结点进行判定:16结点的界是16.6,大于当前界0(初始的界为0),所以可以向右走到16结点,然后遇到1,向左走到33结点,选择5号物品装包,又超重了,故向右有,5号不装包。34结点的界满足要求,可以向右走到34结点,此时已经走到了一个叶结点(34结点),所以将,更新当前界的值(初始时当前界的值设为0),此时当前界的值从0变到了15.
然后从34回溯到16-->7-->3,马上要进入8结点了,经计算,8结点的界为(6+3+5)+(10-2-2-6)*(4/5) = 14<15,故8结点不能走,再回溯到1,对4结点判定,可走。然后到9,再走19超重,那就向右走20,接着走41超重,走42,它的界为12<15不满足约束条件,故12结点不能走,因为还没走到叶结点,所以当前的界仍然是15,----回溯到4,走10不行,回溯到0,走2,不行。至此:回溯的递归调用结束。从生成树的遍历路径知道:最佳方案:应该选1,2,3号物品装包。
代码实现:
#include<iostream>
#include<algorithm>
using namespace std;
class Knap {
friend int knapsack(int *,int *,int ,int);
private:
float Bound(int i);
void Backtrack(int i);
int c; //背包容量
int n; //物品数
int *w; //物品重量数组
int *p; //物品价值数组
int cw; //当前重量
int cp; //当前价值
int bestp; //当前最优价值
};
void Knap::Backtrack(int i) {
if (i > n) {
//到达叶结点
bestp = cp;
return;
}
if (cw + w[i] <= c) { //进入左子树
cw += w[i];
cp += p[i];
Backtrack(i + 1);
cw -= w[i];
cp -= p[i];
}
// float u=Bound(i + 1);
// float bb=bestp;
//当前的界是否大于背包当前的值
if (Bound(i + 1) > bestp) { //进入右子树
Backtrack(i + 1);
}
}
float Knap::Bound(int i) {
//计算上界
int cleft = c - cw; //剩余容量
float b = cp;
//以物品单位重量价值递减序装入物品
while (i <= n && w[i] <= cleft) {
cleft -= w[i];
b += p[i];
i++;
}
//装满背包
if (i <= n){
float aa=p[i] * cleft;
float bb=w[i];
float temp=aa/bb;
//注意:如果这样写:float temp=p[i] * cleft/w[i];则temp计算出来是整数,因为右边是先按整数来算,再将int转float;
b += temp;
cout<<b<<endl;
}
return b;
};
class Object {
friend int knapsack(int *,int *,int,int);
public:
int operator<=(Object a) const {
return (d >= a.d);
}
private:
int ID;
float d;
};
int knapsack(int p[], int w[], int c, int n) {
//为Knap: Backtrack初始化
int W = 0;
int P = 0;
Object * Q = new Object[n];
for (int i = 1; i <= n; i++) {
Q[i - 1].ID = i;
Q[i - 1].d = 1.0 * p[i]/w[i];
//cout<<Q[i - 1].d<<endl;
P += p[i];
W += w[i];
}
if (W <= c) return P; //装入所有物品
//所有物品的总重量大于背包容量c,存在最佳装包方案
//sort(Q,n);对物品以单位重量价值降序排序(不排序也可以,但是为了便于计算上界,可将其按照单位重量价格从大到小排序)
//1.对物品以单位重量价值降序排序
//采用简单冒泡排序
for(int i = 1; i<n; i++)
for(int j = 1; j<= n-i; j++)
{
if(Q[j-1].d < Q[j].d)
{
Object temp = Q[j-1];
Q[j-1] = Q[j];
Q[j] = temp;
}
}
Knap K;
K.p = new int[n + 1];
K.w = new int[n + 1];
for (int i = 1; i <= n; i++) {
K.p[i] = p[Q[i - 1].ID];
K.w[i] = w[Q[i - 1].ID];
}
K.cp = 0;
K.cw = 0;
K.c = c;
K.n = n;
K.bestp = 0;
//回溯搜索
K.Backtrack(1);
delete[] Q;
delete[] K.w;
delete[] K.p;
return K.bestp;
}
int main(){
int p[]={0,4,6,3,5,6};
int w[]={0,5,4,2,6,2};
//排好序之后的:
// int p[]={0,6,3,6,5,4};
// int w[]={0,2,2,4,6,5};
int c=knapsack(p,w,10,5);
cout<<"01背包问题的最有值为:"<<c;
return 0;
}