回溯法——求解0-1背包问题

以前研究过一个简单的N皇后问题,对回溯法也有了个模糊的认识,大致理解就是:先一直做某件事,当完成某个条件时或者是触犯某个条件时,再返回到最近的一个类似还原点的地方。

在用回溯法求解0-1背包问题的时候,主要遇到三个相对难解决的问题:1,什么是界限函数;2,什么时候用它;3,回溯到哪儿。

什么是界限函数?

如下图:

当我们身在一棵搜索空间树中,站在一个K点举棋不定的时候,我们可以用它估算如果我们继续向下走,我们走完本段路会获得的总价值。假设我们现在有一个最大解,当我用界限函数算出一个价值后和我当前的最大解比较,如果能获得更大利益,我们选择继续向下走,如果不能,果断放弃。

从下图中的伪代码可以看出,我们计算后半段最大价值的时候,使用的还是一个贪心算法,虽然分割的情况是不被允许的,但是我们可以用这个结果来进行估算。

回溯法得到的搜索空间树:

什么时候使用界限函数?

数学一点儿的说法是:当X[i]=0时。

通俗一点说:当进入右结点的时候。

如何回溯的问题?

向上回溯到第一个不是0的结点(并且这个结点不是顶点)。

求解思路

如上图搜索树,在建立搜索树之前,我将所有的物品按照V/W(价值重量比)从大到小排序,然后从第一个开始,依次向背包(背包大小110)中放入,放到第6个的时候,这时候发现6太大了,不能装入了,这时候用界限函数判断下,如果继续下去,会获得的最大价值,得出这个价值后,和上几次查找得到的最大价值对比,但是因为我们在这之前还没有获得过别的解,所以界限函数再和最大价值的初值-1比较的时候,总是会选择继续。这样我们就得到了一个解139.然后我们回溯到第一个X[i]不等于0的地方,此处为X[5],然后将X[5]置为0,这时候X[5]置0了,我们就先用界限函数判断下X[6]到X[8]的情况,得出了个164.44,这个比我们上次得到的第一个解也是最大的解139大,说明向后继续,肯会出现一个比139还大的解,所以我们选择向后继续。。。。。。

。。。。。。。。。

但我们回溯到X[1]的时候,我们将X[1]置0,这时候用界限函数估算下物品2到物品8可能获得的最大价值,发现是155.11,比我们实际得到的最大解159还小,然后果断放弃,再向上回溯,发现这已经到了尽头了,然后停止。

结合以前的N皇后问题,N皇后问题是我一行一行的放皇后,如果当下一行放到最后一个位置的时候还是会产生攻击,这时候我们就调整上一行皇后的位置,然后再回到本行从第一个开始放。对比0-1背包,这个是完成一次求解过程,然后就回溯继续求解。

所以,回溯法是先一直做,做不下去了,然后才向回走。

小结:

0-1背包问题的用回溯法解决最开始提出的三个问题挺关键的,试想,如果一个问题足够大的话,用界限函数能够砍掉很多不合条件的子节点,极大的提高了效率。

时间: 2024-08-05 23:46:32

回溯法——求解0-1背包问题的相关文章

利用回溯法求解背包问题

最近看完了利用回溯法求八皇后问题,最后成功求解到92种解法,然后在看利用贪心求解背包问题,突然想到其实也可以利用回溯法求解背包问题,本质上回溯法是一个穷举的方式在求. 回溯法求解出的结果肯定是正确的,这也可以验证自己所写的贪心算法的正确性. 问题描诉: 设定Wmax为最大重量,W[](0~n-1)为编号0~n-1的货物重量,V[](0~n-1)为其价值,x[]为其中解, 在wn=ΣXi*Wi<Wmax的条件下,求Vmax=ΣXi*Vi. 代码如下: //全局变量最大价值int maxvalue=

回溯法求解数独算法(C语言)

没有对输入的待解数独进行一般性验证(同一行.一列以及同一个小九宫格都不能出现重复数字) 算法利用回溯的思想: 从第一个空白处开始,找到其候选解(排除同行.同列以及同一小九宫格的所有出现过的数字,剩下未出现的数字都是候选解)的第一个值填入数独. 对第二个空白执行第一步(前面所填入的数字对此空白处有影响). 当出现某个空白的候选解个数为0时,就开始回溯,找到第一个候选解多于一个的,将其在使用的候选解设为不可取(本程序取值为-1),找到其下一个候选解,继续上面的步骤! 直到所有空白处填满,运算完成,输

动态规划算法求解0,1背包问题

首先我们来看看动态规划的四个步骤: 1. 找出最优解的性质,并且刻画其结构特性: 2. 递归的定义最优解: 3. 以自底向上的方式刻画最优值: 4. 根据计算最优值时候得到的信息,构造最优解 其中改进的动态规划算法:备忘录法,是以自顶向下的方式刻画最优值,对于动态规划方法和备忘录方法,两者的使用情况如下: 一般来讲,当一个问题的所有子问题都至少要解一次时,使用动态规划算法比使用备忘录方法好.此时,动态规划算法没有任何多余的计算.同时,对于许多问题,常常可以利用其规则的表格存取方式,减少动态规划算

回溯法求解N皇后问题

问题描述: 在n*n格的棋盘上放置彼此不受攻击的n个皇后(按照国际象棋的规则),即任意两个皇后不能处在同一行或同一列或同一斜线上. 实现: /* *回溯法,N皇后问题 *author: [email protected] */ #include <iostream> #include <vector> #include <cmath> using namespace std; struct Point{ Point(int _x, int _y): x(_x), y(_

回溯法求解八皇后问题---(初步、未优化)

首先介绍一下回溯算法: 定义来自<百度百科>......名字着很高大上,实际上就是试探法,逐步试错找到最终的可行解. 重要的一点是解空间通常是在搜索可行解过程中动态产生的,所以程序中通常利用到递归的算法,如后面介绍的八皇后问题.这点区别与于前段时间所写的模拟退火算法,模拟退火是首先确定解空间,然后以一定的概率接受当前发现的次优解,从而有更大的可能避免局部最优而得到全局最优. 简单介绍一下八皇后问题: 在8×8格的国际象棋上摆放八个皇后,使其不能互相攻击,即任意两个皇后都不能处于同一行.同一列或

回溯法求解拉丁矩阵问题

问题描述: 如图所示,一个4阶Latin方是一个4X4的方格,在它的每个方格内填入1,2,3或4,并使得每个数字在每行.每列都恰好出现一次.用回溯法求出所有第一行为1,2,3,4的所有4阶Latin方.将每个解的第2行到第4行的数字从左到右写成一个序列.如图中的解是<3,4,1,2,4,3,2,1,2,1,4,3>. 1 2 3 4 3 4 1 2 4 3 2 1 2 1 4 3 本打算随便弄几行代码应付上去,没想到最后给编出来了.回溯算法思想以及实现过程都不是太难. 个人觉得比较重要的部分是

求解0/1背包问题

动态规划 //求解0_1背包问题 //动态规划 #include<stdio.h> #define MaxN 20 #define MaxW 100 int knap(int f[MaxN][MaxW],int w[],int v[],int W,int n){ //动态规划求数组f[][] int i,r; for(i=0;i<=n;i++) f[i][0] = 0; for(r=0;r<=W;r++) f[0][r] = 0; for(i=1;i<=n;i++){ for

回溯法——求解N皇后问题

问题描述 八皇后问题是十九世纪著名数学家高斯于1850年提出的.问题是:在8*8的棋盘上摆放8个皇后,使其不能互相攻击,即任意的两个皇后不能处在同意行,同一列,或同意斜线上.可以把八皇后问题拓展为n皇后问题,即在n*n的棋盘上摆放n个皇后,使其任意两个皇后都不能处于同一行.同一列或同一斜线上. 问题分析 我们以最简单的4皇后问题分析,显然,为了使皇后不相互攻击,首先考虑每一行只能放一个皇后,我们以X[1,2,3-.N]代表此问题的解数组,X[N]代表在第N行第X[N]列放了一个皇后,例如,X[2

迷宫问题(MazePath)的求解——利用回溯法(backtracking)

迷宫问题(MazePath)的求解--利用回溯法(backtracking) 1. 迷宫问题的提法 迷宫问题是典型的图的搜索问题. 假设一个迷宫,只有一个入口和一个出口.如果从迷宫的入口到达出口,途中不出现行进方向错误,则得到一条最佳路线. 为此,用一个二维数组maze[m][p]来表示迷宫. (1)当数组元素maze[i][j]=1 (0≤i≤m-1,1≤j≤p-1),表示该位置是墙壁,不能通行. (2)当数组元素maze[i][j]=0 (0≤i≤m-1,1≤j≤p-1),表示该位置是通路,