您的当前位置:首页正文

回溯法、分支限界法解0-1背包问题(计算机算法设计与分析实验报告)

2021-03-26 来源:步旅网
实 验 报 告

课程名称: 算法设计与分析 实验名称:回溯法、分支限界法解0-1背包问题 任课教师: 张锦雄 专 业: 计算机科学与技术 班 级: 2007 级 1班 学 号: 姓 名: 蓝冠恒 完成日期: 2011年1月12日 一、实验目的: 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。 二、主要实验内容及要求: 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。 三、实验环境和工具: 操作系统:win7操作系统 开发工具:eclipse3.4、jdk1.6 开发语言:java 四、实验结果与结论:(经调试正确的源程序和程序的运行结果) 1.1、回溯法求解0-1背包问题源代码: package cn.lgh; import java.io.BufferedReader; import java.io.InputStreamReader; import java.util.Arrays; import java.util.Comparator; /** * 回溯法解0-1背包问题。 * @author 蓝冠恒 */ public class BTKnapsack { double c;// 背包重量 int n; // 物品总数 double[] w;// 物品重量数组 double[] p;// 物品价值数组 double cw; // 当前重量 double cp; // 当前价值 double bestp; // 当前最优价值 /** * 回溯法解0-1背包问题。 * @param pp * 物品价值数组 * @param ww * 物品重量数组 * @param cc * 背包重量 * @return 最优价值 */ public double knapsack(double pp[], double ww[], double cc) { } // 回溯过程 private void backtrack(int i) { if (i > n) {// 达到叶节点 bestp = cp; } return; c = cc; n = pp.length; cw = 0.0; cp = 0.0; bestp = 0.0; Element[] q = new Element[n]; for (int i = 0; i < n; i++) { } Arrays.sort(q, new ElemComparator()); p = new double[n + 1]; w = new double[n + 1]; for (int i = 1; i <= n; i++) { } backtrack(1); return bestp; p[i] = pp[q[i - 1].id - 1]; w[i] = ww[q[i - 1].id - 1]; q[i] = new Element(i + 1, pp[i] / ww[i]); /** * 物体编号和单位重量价值载体。 * @author 蓝冠恒 */ public class Element { int id;// 编号 double d;// 单位重量价值 public Element(int id, double d) { this.id = id; } return bound; // 装满背包 if (i <= n) { } bound += p[i] * cleft / w[i]; // 以物品单位重量价值递减顺序装入物品 while (i <= n && w[i] <= cleft) { } cleft -= w[i]; bound += p[i]; i++; // 计算上界值 private double bound(int i) { double cleft = c - cw; double bound = cp; } if (bound(i + 1) > bestp) { } backtrack(1 + i); if (cw + w[i] <= c) { } cw += w[i]; cp += p[i]; backtrack(1 + i); cw -= w[i]; cp -= p[i]; } } this.d = d; /** * 比较器 * @author 蓝冠恒 */ public class ElemComparator implements Comparator { } public static void main(String[] args) { String input; String flag; double capacity = 0; double[] pp; double[] ww; double bestP=0.0; BTKnapsack btKnapsack=new BTKnapsack(); BufferedReader in = new BufferedReader(new InputStreamReader(System.in)); do { try { do { System.out.println(\"请选择数字功能键: 1--输入数据,2--退出系统\"); flag = in.readLine().trim(); public int compare(Object object1, Object object2) { } Element element1 = (Element) object1; Element element2 = (Element) object2; if (element1.d < element2.d) { } return 1; return 0; } else { } while (!(flag.equals(\"1\") || flag.equals(\"2\"))); if (flag.equals(\"2\")) { } do { System.out.println(\"请输入各物品重量,数据之间必须以顿号间隔分开!\"); input = in.readLine().trim(); input = in.readLine().replaceAll(\" \", \"\"); break; } while (input.equals(\"\")); if(input.equals(\"2\")){ } String datas[] = input.split(\"[、]\"); int n1 = datas.length; pp=new double[n1]; ww=new double[n1]; for (int i = 0; i < n1; i++) { } do { System.out.println(\"请输入各物品价值,数据之间必须以顿号间隔分开!\"); input = in.readLine().trim(); input = in.readLine().replaceAll(\" \", \"\"); ww[i]= Double.parseDouble(datas[i]); break; } while (input.equals(\"\")); if(input.equals(\"2\")){ } datas= input.split(\"[、]\"); int n2 = datas.length; if(n1!=n2){ } for (int i = 0; i < n1; i++) { } do { System.out.println(\"请输入背包的容量:\"); input = in.readLine().trim(); input = in.readLine().replaceAll(\" \", \"\"); pp[i]= Double.parseDouble(datas[i]); System.out.println(\"输入数据个数不一致,重新输入\"); continue; break; } while (input.equals(\"\")); if(input.equals(\"2\")){ } capacity=Double.parseDouble(input); bestP=btKnapsack.knapsack(pp, ww, capacity); break; System.out.println(\"回溯法解得最优价值:\"+bestP); } catch (Exception e) { } e.printStackTrace(); } while (true); } } 1.2、运行结果: 2.1、分支限界法求解0-1背包问题源代码: package cn.lgh; import java.io.BufferedReader; import java.io.InputStreamReader; import java.util.Arrays; /** * 分支界限法解0-1背包问题。 * @author 蓝冠恒 */ public class BBKnapsack { // 优先队列式分支界限法 private double bbKnapsack() { BBnode enode = null; int i = 1; double bestp = 0.0; double up = bound(1); // 添加新的活节点到子集树和优先队列中 private void addLiveNode(double upperProfit, double pp, double ww, } int level, BBnode parent, boolean leftChild) { BBnode b = new BBnode(parent, leftChild); HeapNode node = new HeapNode(b, upperProfit, pp, ww, level); maxHeap.put(node); } // 装填剩余容量装满背包 if (i <= n) { } return b; b += p[i] / w[i] * cleft; // 以物品单位重量价值递减装填剩余容量 while (i <= n && w[i] <= cleft) { } cleft -= w[i]; b += p[i]; i++; double c;// 背包重量 int n; // 物品总数 double[] w;// 物品重量数组 double[] p;// 物品价值数组 double cw; // 当前重量 double cp; // 当前价值 int[] bestx; // 最优解 MaxHeap maxHeap = new MaxHeap();// 活节点优先队列 // 计算节点所对应的节点的上界 private double bound(int i) { double cleft = c - cw; double b = cp; /** * 将个物体依其单位重量价值从大到小排列,然后调用bbKnapsack完成对子集树优先队列式分支界 *限搜索。 * * @return 最优解 */ public double knapsack(double[] pp, double[] ww, double cc, int[] xx) { c = cc; n = pp.length; Element[] q = new Element[n]; double ws = 0.0; } // 构造当前最优解 for (int j = n; j > 0; j--) { } return cp; bestx[j] = (enode.leftChild) ? 1 : 0; enode = enode.parent; } // 检查当前扩展节点的右儿子节点 if (up >= bestp) { } HeapNode node = maxHeap.removeMax(); enode = node.liveNode; cw = node.weight; cp = node.profit; up = node.upperProfit; i = node.level; addLiveNode(up, cp, cw, i + 1, enode, false); // 检查当前扩展节点的左儿子节点 if (wt <= c) { } up = bound(i + 1); if (cp + p[i] > bestp) { } addLiveNode(up, cp + p[i], cw + w[i], i + 1, enode, true); bestp = cp + p[i]; while (i != n + 1) { double wt = cw + w[i]; } double ps = 0.0; for (int i = 0; i < n; i++) { } if (ws <= c) { } // 依单位重量价值排序 Arrays.sort(q, new ElemComparator()); p = new double[n + 1]; w = new double[n + 1]; for (int i = 1; i <= n; i++) { } cw = 0.0; cp = 0.0; bestx = new int[n + 1]; maxHeap = new MaxHeap(); // 调用bbKnapsack求问题的最优解 double maxp = bbKnapsack(); for (int i = 1; i <= n; i++) { } return maxp; xx[q[i - 1].id - 1] = bestx[i]; p[i] = pp[q[i - 1].id - 1]; w[i] = ww[q[i - 1].id - 1]; for (int i = 1; i <= n; i++) { } return ps; xx[i] = 1; q[i] = new Element(i + 1, pp[i] / ww[i]); ps += pp[i]; ws += ww[i]; public static void main(String arg[]) { String input; String flag; double capacity = 0; double[] pp; double[] ww; int[] xx; double bestP=0.0; BBKnapsack bbKnapsack=new BBKnapsack(); BufferedReader in = new BufferedReader(new InputStreamReader(System.in)); do { try { do { System.out.println(\"请选择数字功能键: 1--输入数据,2--退出系统\"); flag = in.readLine().trim(); } while (!(flag.equals(\"1\") || flag.equals(\"2\"))); if (flag.equals(\"2\")) { } do { System.out.println(\"请输入各物品重量,数据之间必须以顿号间隔分开!\"); input = in.readLine().trim(); input = in.readLine().replaceAll(\" \", \"\"); break; } while (input.equals(\"\")); if(input.equals(\"2\")){ } String datas[] = input.split(\"[、]\"); int n1 = datas.length; pp=new double[n1]; ww=new double[n1]; for (int i = 0; i < n1; i++) { } do { System.out.println(\"请输入各物品价值,数据之间必须以顿号间隔分开!\"); input = in.readLine().trim(); input = in.readLine().replaceAll(\" \", \"\"); ww[i]= Double.parseDouble(datas[i]); break; } while (input.equals(\"\")); if(input.equals(\"2\")){ } datas= input.split(\"[、]\"); int n2 = datas.length; if(n1!=n2){ } for (int i = 0; i < n1; i++) { } pp[i]= Double.parseDouble(datas[i]); System.out.println(\"输入数据个数不一致,重新输入\"); continue; break; } } } do { System.out.println(\"请输入背包的容量:\"); input = in.readLine().trim(); input = in.readLine().replaceAll(\" \", \"\"); } while (input.equals(\"\")); if(input.equals(\"2\")){ } xx=new int[n1]; capacity=Double.parseDouble(input); bestP=bbKnapsack.knapsack(pp, ww, capacity, xx); System.out.println(\"分支界限法法解得最优价值:\"+bestP); System.out.println(\"各个被装入物品情况(1表示被装入,0表示未被装入):\"); for (int i = 0; i < n1; i++) { } System.out.println(\"\\n\"); e.printStackTrace(); System.out.print(xx[i]+\" \"); break; } catch (Exception e) { } while (true); package cn.lgh; /** * 分支界限节点 * @author 蓝冠恒 */ public class BBnode { BBnode parent;//父节点 } package cn.lgh; boolean leftChild;//左孩子标识 public BBnode( BBnode parent,boolean leftChild) { } this.parent=parent; this.leftChild=leftChild; import java.util.Comparator; /** * Element对象比较器 * @author 蓝冠恒 */ public class ElemComparator implements Comparator{ } public int compare(Object object1, Object object2) { } Element element1 = (Element)object1; Element element2 = (Element)object2; if (element1.d< element2.d) { } return 1; return 0; } else { package cn.lgh; /** * 物品编号和单位重量价值载体。 * @author 蓝冠恒 */ public class Element { } int id;//物品编号 double d;//单位重量价值 public Element(int id,double d) { } this.id=id; this.d=d; package cn.lgh; import java.util.Comparator; /** * 堆节点比较器。 * @author 蓝冠恒 */ public class HeapComparator implements Comparator{ } public int compare(Object object1, Object object2) { } HeapNode heapNode1 = (HeapNode)object1; HeapNode heapNode2 = (HeapNode)object2; if (heapNode1.upperProfit< heapNode2.upperProfit) { } return 1; return 0; } else { package cn.lgh; /** *堆节点 * @author 蓝冠恒 */ public class HeapNode { } import java.util.List; /** * 装载和管理HeapNode对象。 * @author 蓝冠恒 */ public class MaxHeap { BBnode liveNode; // 活节点 double upperProfit; // 节点价值上限 double profit; // 节点所对应的价值 double weight; // 节点所对应的重量 int level; // 活节点在子集树中所处的层次序号 // 构造方法 public HeapNode(BBnode liveNode, double upperProfit, double profit, } double weight, int level) { this.liveNode = liveNode; this.upperProfit = upperProfit; this.profit = profit; this.weight = weight; this.level = level; //堆节点容器 private List heap=new ArrayList(); public void put(HeapNode heapNode){ } heap.add(heapNode); public HeapNode removeMax(){ Collections.sort(heap, new HeapComparator()); HeapNode maxNode=null; if(!heap.isEmpty()){ } heap.remove(maxNode); return maxNode; } } maxNode=heap.get(0); 2.2、运行结果: 五、实验总结 在做本次实验之前,自己对回溯法、分支限界法的原理不是非常的理解,所以就花了半天时间看了课本上的相关内容。同时结合曾做过的利用回溯法、分支限界法解0-1背包问题的几道作业题进行分析,加深自己对回溯法、分支限界法解0-1背包问题的理解。至于课本所提供的相关代码,自己很容易看懂。不过那是C++代码,有些封装好的方法在Java里好像没能找到对应的方法,所以只能自己编写同功能的对应方法。同时课本所提供的代码也是不能直接翻译过来用,当你懂得算法的基本原理后,你会发现数组下标会出错,课本所提供的代码数组下标一般都是从1开始,而我们输入的数据数组下标默认都是从0开始,所以在参考课本所提供的代码的同时,必须结合算法的实际情况对代码中的相关变量进行修改,这样才能充分利用课本所提供的代码完成本次实验。通过本次试验,自己基本上掌握回溯法、分支限界法解0-1背包问题的原理,达到实验的目的。

因篇幅问题不能全部显示,请点此查看更多更全内容

Copyright © 2019- 版权所有