算法 0-1背包问题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一、实验目的与要求
掌握回溯法、分支限界法的原理,并能够按其原理编程实现解决0-1背包问题,以加深对回溯法、分支限界法的理解。
1.要求分别用回溯法和分支限界法求解0-1背包问题;
2.要求交互输入背包容量,物品重量数组,物品价值数组;
3.要求显示结果。
二、实验方案
在选择装入背包的物品时,对每种物品i只有2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。
三、实验结果和数据处理
1.用回溯法解决0-1背包问题:
代码:
import java.util.*;
public class Knapsack
{
private double[] p,w;//分别代表价值和重量
private int n;
private double c,bestp,cp,cw;
private int x[]; //记录可选的物品
private int[] cx;
public Knapsack (double pp[],double ww[],double cc)
{
this.p=pp;this.w=ww;this.n=pp.length-1;
this.c=cc;this.cp=0;this.cw=0;
this.bestp=0;
x=new int[ww.length];
cx=new int[pp.length];
}
void Knapsack()
{
backtrack(0);
}
void backtrack(int i)
{
if(i>n)
{ //判断是否到达了叶子节点
if(cp>bestp)
{
for(int j=0;j x[j]=cx[j]; bestp=cp; } return; } if(cw+w[i]<=c) {//搜索右子树 cx[i]=1; cw+=w[i]; cp+=p[i]; backtrack(i+1); cw-=w[i]; cp-=p[i]; } cx[i]=0; backtrack(i+1); //检查左子树 } void printResult() { System.out.println("回溯法"); System.out.println("物品个数:n=4"); System.out.println("背包容量:c=7"); System.out.println("物品重量数组:w= {3,5,2,1}"); System.out.println("物品价值数组:p= {9,10,7,4}"); System.out.println("最优值:="+bestp); System.out.println("选中的物品是:"); for(int i=0;i { System.out.print(x[i]+" "); } } public static void main(String[] args) { double p[]={9,10,7,4}; double w[]={3,5,2,1}; int maxweight=7; Knapsack ks=new Knapsack(p,w,maxweight); ks.Knapsack(); //回溯搜索 ks.printResult(); } } 运行结果: 2.用优先队列式分支限界法解决0-1背包问题: 代码: public class Knapsack { static double c; static int n; static double w[]; static double p[]; static double cw; static double cp; static int bestX[]; static MaxHeap heap; //上界函数bound计算结点所相应价值的上界 private static double bound(int i) { double cleft=c-cw; double b=cp; while(i<=n&&w[i]<=cleft) { cleft=cleft-w[i]; b=b+p[i]; i++; } //装填剩余容量装满背包 if(i<=n) b=b+p[i]/w[i]*cleft; return b; } //addLiveNode将一个新的活结点插入到子集树和优先队列中 private static void addLiveNode(double up,double pp,double ww,int lev,BBnode par,boolean ch) { //将一个新的活结点插入到子集树和最大堆中 BBnode b=new BBnode(par,ch); HeapNode node =new HeapNode(b,up,pp,ww,lev); heap.put(node); } private static double MaxKnapsack() { //优先队列式分支限界法,返回最大价值,bestx返回最优解 BBnode enode=null; int i=1; double bestp=0;//当前最优值 double up=bound(1);//当前上界 while(i!=n+1){//非叶子结点 //检查当前扩展结点的左儿子子结点 double wt=cw+w[i]; if(wt<=c){ if(cp+p[i]>bestp) bestp=cp+p[i]; addLiveNode(up,cp+p[i],cw+w[i],i+1,enode,true); } up=bound(i+1); if(up>=bestp) addLiveNode(up,cp,cw,i+1,enode,false); HeapNode node =(HeapNode)heap.removeMax(); enode=node.liveNode; cw=node.weight; cp=node.profit; up=node.upperProfit; i=node.level; } for(int j=n;j>0;j--) { bestX[j]=(enode.leftChild)?1:0; enode=enode.parent; } return cp; }