C#使用回溯法解决背包问题实例分析

本文实例讲述了C#使用回溯法解决背包问题的方法。分享给大家供大家参考。具体如下:

背包问题描述:

给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最高

实现代码:

using System;
using System.Collections.Generic;
using System.Text;
namespace BackRack
{
 //要装入书包的货物节点
 class BagNode
 {
  public int mark;//货物编号,从0开始记
  public int weight;//货物重量
  public int value;//货物价值
  public BagNode(int m, int w, int v)
  {
   mark = m;
   weight = w;
   value = v;
  }
 }
//根据货物的数目,建立相应的满二叉树,如:3个货物,需要建立15个节点的二叉树,共三层(根节点所在的层记为0)
 class BulidFullSubTree
 {
  public static int treeNodeNum = 0;//满二叉树节点总数
  public int noleafNode = 0;//满二叉树出去叶子节点外所剩余的非叶子节点
   public static TreeNode[] treeNode;//存储满二叉树所有节点的数组
  public BulidFullSubTree(int nodeNum)
  {
   treeNodeNum = Convert.ToInt32(Math.Pow(2,nodeNum+1)-1);
    noleafNode = Convert.ToInt32(treeNodeNum - Math.Pow(2,nodeNum));
    treeNode = new TreeNode[treeNodeNum];
    for (int i = 0; i < treeNodeNum; i++)
    {
     treeNode[i] = new TreeNode(i.ToString());
 //对二叉树的所有节点初始化
    }
     for (int i = 0; i < noleafNode; i++)
     {
      //建立节点之间的关系
      treeNode[i].left = treeNode[2 * i + 1];
      treeNode[i].right = treeNode[2 * i + 2];
      treeNode[2 * i + 1].bLeftNode = true;
  //如果是左孩子,则记其标识变量为true
      treeNode[2 * i + 2].bLeftNode = false;
     }
   treeNode[0].level=0;//约定根节点的层数为0
   //根据数组下标确定节点的层数
   for (int i = 1; i <= 2; i++)
   {
    treeNode[i].level = 1;
   }
   for (int i = 3; i <= 6; i++)
   {
    treeNode[i].level = 2;
   }
   for (int i = 7; i <= 14; i++)
   {
    treeNode[i].level = 3;
   }
  }
 }
//利用回溯法寻找最优解的类
 class DealBagProblem
 {
  public TreeNode[] treeNode = BulidFullSubTree.treeNode;
  //获取建立好的二叉树
  int maxWeiht = 0;//背包最大承重量
  int treeLevel =Convert.ToInt32(Math.Floor(Math.Log(BulidFullSubTree.treeNodeNum,2)))+1;
  //二叉树的最大层数
  int []optionW=new int[100];//存储最优解的数组
  int[] optionV = new int[100];//存储最优解的数组
  int i = 0;//计数器,记录相应数组的下标
  int midTw = 0;//中间变量,存储程序回溯过程中的中间值
  int midTv = 0;//中间变量,存储程序回溯过程中的中间值
  int midTw1 = 0;//中间变量,存储程序回溯过程中的中间值
  int midTv2 = 0;//中间变量,存储程序回溯过程中的中间值
  BagNode[] bagNode;//存储货物节点
  string[] solution=new string[3];
  //程序最终所得的最优解,分别存储:最优价值,总重量,路径
  // int[] bestWay=new int[100];
  TraceNode[] Optiontrace=new TraceNode[100];//存储路径路径
  public DealBagProblem(BagNode[] bagN,TreeNode[] treeNode,int maxW)
  {
   bagNode = bagN;
   maxWeiht = maxW;
   for (int i = 0; i < Optiontrace.Length; i++)
   {
    //将路径数组对象初始化
    Optiontrace[i] = new TraceNode();
   }
  }
  //核心算法,进行回溯
  //cursor:二叉树下一个节点的指针;tw:当前背包的重量;tv:当前背包的总价值
  public void BackTrace(TreeNode cursor,int tw,int tv)
  {
   if(cursor!=null)//如果当前节点部位空值
   {
    midTv = tv;
    midTw = tw;
    if (cursor.left != null && cursor.right != null)
 //如果当前节点不是叶子节点
    {
     //如果当前节点是根节点,分别处理其左右子树
     if (cursor.level == 0)
     {
      BackTrace(cursor.left, tw, tv);
      BackTrace(cursor.right, tw, tv);
     }
     //如果当前节点不是根节点
     if (cursor.level > 0)
     {
      //如果当前节点是左孩子
      if (cursor.bLeftNode)
      {
       //如果将当前货物放进书包而不会超过背包的承重量
       if (tw + bagNode[cursor.level - 1].weight <= maxWeiht)
       {
        //记录当前节点放进书包
        Optiontrace[i].mark = i;
        Optiontrace[i].traceStr += "1";
        tw = tw + bagNode[cursor.level - 1].weight;
        tv=tv+bagNode[cursor.level - 1].value;
        if (cursor.left != null)
        {
         //如果当前节点有左孩子,递归
         BackTrace(cursor.left, tw, tv);
        }
        if (cursor.right != null)
        {
         //如果当前节点有左、右孩子,递归
         BackTrace(cursor.right, midTw, midTv);
        }
       }
      }
       //如果当前节点是其父节点的右孩子
      else
      {
       //记录当前节点下的tw,tv当递归回到该节点时,以所记录的值开始向当前节点的右子树递归
       midTv2 = midTv;
       midTw1 = midTw;
       Optiontrace[i].traceStr += "0";
       if (cursor.left != null)
       {
        BackTrace(cursor.left, midTw, midTv);
       }
       if (cursor.right != null)
       {
        //递归所传递的midTw1与midTv2是先前记录下来的
        BackTrace(cursor.right, midTw1, midTv2);
       }
      }
     }
    }
    //如果是叶子节点,则表明已经产生了一个临时解
    if (cursor.left == null && cursor.right == null)
    {
     //如果叶子节点是其父节点的左孩子
     if (cursor.bLeftNode)
     {
      if (tw + bagNode[cursor.level - 1].weight <= maxWeiht)
      {
       Optiontrace[i].traceStr += "1";
       tw = tw + bagNode[cursor.level - 1].weight;
       tv = tv + bagNode[cursor.level - 1].value;
       if (cursor.left != null)
       {
        BackTrace(cursor.left, tw, tv);
       }
       if (cursor.right != null)
       {
        BackTrace(cursor.right, midTw, midTv);
       }
      }
     }
     //存储临时优解
     optionV[i] = tv;
     optionW[i] = tw;
     i++;
     tv = 0;
     tw = 0;
    }
   }
  }
  //从所得到的临时解数组中找到最优解
  public string[] FindBestSolution()
  {
   int bestValue=-1;//最大价值
   int bestWeight = -1;//与最大价值对应的重量
   int bestMark = -1;//最优解所对应得数组编号(由i确定)
   for (int i = 0; i < optionV.Length; i++)
   {
    if (optionV[i] > bestValue)
    {
     bestValue=optionV[i];
     bestMark = i;
    }
   }
   bestWeight=optionW[bestMark];//重量应该与最优解的数组下标对应
   for (int i = 0; i < Optiontrace.Length; i++)
   {
    if (Optiontrace[i].traceStr.Length == bagNode.Length&&i==bestMark)
    {
     //找到与最大价值对应得路径
     solution[2]=Optiontrace[i].traceStr;
    }
   }
    solution[0] = bestWeight.ToString();
   solution[1] = bestValue.ToString();
   return solution;
  }
 }
class Program
 {
  static void Main(string[] args)
  {
   //测试数据(货物)
   //Node[] bagNode = new Node[100];
   //BagNode bagNode1 = new BagNode(0, 5, 4);
   //BagNode bagNode2 = new BagNode(1, 3, 4);
   //BagNode bagNode3 = new BagNode(2, 2, 3);
   //测试数据(货物)
   BagNode bagNode1 = new BagNode(0, 16, 45);
   BagNode bagNode2 = new BagNode(1, 15, 25);
   BagNode bagNode3 = new BagNode(2, 15, 25);
   BagNode[] bagNodeArr = new BagNode[] {bagNode1,bagNode2,bagNode3};
   BulidFullSubTree bfs = new BulidFullSubTree(3);
   //第3个参数为背包的承重
   DealBagProblem dbp = new DealBagProblem(bagNodeArr,BulidFullSubTree.treeNode,30);
   //找到最优解并将其格式化输出
   dbp.BackTrace(BulidFullSubTree.treeNode[0],0,0);
   string[] reslut=dbp.FindBestSolution();
   if (reslut[2] != null)
   {
    Console.WriteLine("该背包最优情况下的货物的重量为:{0}\n   货物的最大总价值为:{1}", reslut[0].ToString(), reslut[1].ToString());
    Console.WriteLine("\n");
    Console.WriteLine("该最优解的货物选择方式为:{0}", reslut[2].ToString());
    char[] r = reslut[2].ToString().ToCharArray();
    Console.WriteLine("被选择的货物有:");
    for (int i = 0; i < bagNodeArr.Length; i++)
    {
     if (r[i].ToString() == "1")
     {
      Console.WriteLine("货物编号:{0},货物重量:{1},货物价值:{2}", bagNodeArr[i].mark, bagNodeArr[i].weight, bagNodeArr[i].value);
     }
    }
   }
   else
   {
    Console.WriteLine("程序没有找到最优解,请检查你输入的数据是否合适!");
   }
  }
 }
//存储选择回溯路径的节点
public class TraceNode
 {
  public int mark;//路径编号
  public string traceStr;//所走过的路径(1代表取,2代表舍)
  public TraceNode(int m,string t)
  {
   mark = m;
   traceStr = t;
  }
  public TraceNode()
  {
   mark = -1;
   traceStr = "";
  }
 }
//回溯所要依附的满二叉树
 class TreeNode
 {
  public TreeNode left;//左孩子指针
  public TreeNode right;//右孩子指针
  public int level;//数的层,层数代表货物的标识
  string symb;//节点的标识,用其所在数组中的下标,如:“1”,“2”
  public bool bLeftNode;//当前节点是否是父节点的左孩子
  public TreeNode(TreeNode l, TreeNode r, int lev,string sb,bool ln)
  {
   left = l;
   right = r;
   level = lev;
   symb = sb;
   bLeftNode = ln;
  }
  public TreeNode(string sb)
  {
   symb = sb;
  }
 }
}

希望本文所述对大家的C#程序设计有所帮助。

(0)

相关推荐

  • PHP动态规划解决0-1背包问题实例分析

    本文实例分析了PHP动态规划解决0-1背包问题.分享给大家供大家参考.具体分析如下: 背包问题描述:一个承受最大重量为W的背包,现在有n个物品,每个物品重量为t, 每个物品的价值为v. 要使得这个背包重量最大(但不能超过W),同时又需要背包的价值最大. 思路:定义一个二维数组,一维为物品数量(表示每个物品),二维是重量(不超过最大,这里是15),下面数组a, 动态规划原理思想,max(opt(i-1,w),wi+opt(i-1,w-wi)) 当中最大值, opt(i-1,w-wi)指上一个最优解

  • C++动态规划之背包问题解决方法

    本文实例讲述了C++动态规划之背包问题解决方法.分享给大家供大家参考.具体分析如下: 问题描述: 背包的最大容量为W,有N件物品,每件物品重量为w,价值为p,怎样选择物品能使得背包里的物品价值最大? 输入: 10 3   (W,N) 4 5   (w,p) 6 7   (w,p) 8 9   (w,p) 实现代码: #include <stdio.h> #define THING 20 #define WEIGHT 100 int arr[THING][WEIGHT]; /* 背包容量为wei

  • C#使用动态规划解决0-1背包问题实例分析

    本文实例讲述了C#使用动态规划解决0-1背包问题的方法.分享给大家供大家参考.具体如下: // 利用动态规划解决0-1背包问题 using System; using System.Collections.Generic; using System.Linq; using System.Text; namespace Knapsack_problem // 背包问题关键在于计算不超过背包的总容量的最大价值 { class Program { static void Main() { int i;

  • 关于背包问题的一些理解和应用

    1.背包问题介绍 背包问题不单单是一个简单的算法问题,它本质上代表了一大类问题,这类问题实际上是01线性规划问题,其约束条件和目标函数如下: 自从dd_engi在2007年推出<背包问题九讲>之后,背包问题的主要精髓基本已道尽.本文没有尝试对背包问题的本质进行扩展或深入挖掘,而只是从有限的理解(这里指对<背包问题九讲>的理解)出发,帮助读者更快地学习<背包问题九讲>中的提到的各种背包问题的主要算法思想,并通过实例解释了相应的算法,同时给出了几个背包问题的经典应用. 2.

  • PHP贪婪算法解决0-1背包问题实例分析

    本文实例讲述了PHP贪婪算法解决0-1背包问题的方法.分享给大家供大家参考.具体分析如下: 贪心算法解决0-1背包问题,全局最优解通过局部最优解来获得!比动态规划解决背包问题更灵活! //0-1背包贪心算法问题 class tanxin{ public $weight; public $price; public function __construct($weight=0,$price=0) { $this->weight=$weight; $this->price=$price; } }

  • PHP回溯法解决0-1背包问题实例分析

    本文实例讲述了PHP回溯法解决0-1背包问题的方法.分享给大家供大家参考.具体分析如下: 这段代码是根据<软件设计师>教程的伪代码写的: 最麻烦的不是伪代码改成php,而是数组下标从0开始,及相应的下标判断问题: 带着调试输出一块写上 <?php $v_arr = array(11,21,31,33,43,53,55,65); $w_arr = array(1,11,21,23,33,43,45,55); $n = count($w_arr ); //测试输出 var_dump(bkna

  • 用贪心法求解背包问题的解决方法

    贪心方法:总是对当前的问题作最好的选择,也就是局部寻优.最后得到整体最优.应用:1:该问题可以通过"局部寻优"逐步过渡到"整体最优",这是贪心选择性质与"动态规划"的主要差别.2:最优子结构性质:某个问题的整体最优解包含了"子"问题的最优解.完整的代码如下: 复制代码 代码如下: #include "iostream"using namespace std;struct goodinfo{ float p;

  • C#用递归算法解决经典背包问题

    1.引子 我们人类是一种贪婪的动物,如果给您一个容量一定的背包和一些大小不一的物品,裝到背包里面的物品就归您,遇到这种好事大家一定不会错过,用力塞不一定是最好的办法,用脑子才行,下面就教您如何解决这样的问题,以获得更多的奖品. 2.应用场景 在一个物品向量中找到一个子集满足条件如下 : 1)这个子集加起来的体积大小不能大于指定阀值 2)这个物品子集加起来价值大小是向量V中所有满足条件1的子集中最大的 3.分析 背包问题有好多版本,本文只研究0/1版本,即对一个物体要么选用,要么就抛弃,不能将一个

  • C#使用回溯法解决背包问题实例分析

    本文实例讲述了C#使用回溯法解决背包问题的方法.分享给大家供大家参考.具体如下: 背包问题描述: 给定一组物品,每种物品都有自己的重量和价格,在限定的总重量内,我们如何选择,才能使得物品的总价格最高 实现代码: using System; using System.Collections.Generic; using System.Text; namespace BackRack { //要装入书包的货物节点 class BagNode { public int mark;//货物编号,从0开始

  • Python基于回溯法解决01背包问题实例

    本文实例讲述了Python基于回溯法解决01背包问题.分享给大家供大家参考,具体如下: 同样的01背包问题,前面采用动态规划的方法,现在用回溯法解决.回溯法采用深度优先策略搜索问题的解,不多说,代码如下: bestV=0 curW=0 curV=0 bestx=None def backtrack(i): global bestV,curW,curV,x,bestx if i>=n: if bestV<curV: bestV=curV bestx=x[:] else: if curW+w[i]

  • C++基于回溯法解决八皇后问题示例

    本文实例讲述了C++基于回溯法解决八皇后问题的方法.分享给大家供大家参考,具体如下: 回溯法的基本做法是搜索,或是一种组织得井井有条的,能避免不必要搜索的穷举式搜索法.这种方法适用于解一些组合数相当大的问题. 回溯法在问题的解空间树中,按深度优先策略,从根结点出发搜索解空间树.算法搜索至解空间树的任意一点时,先判断该结点是否包含问题的解.如果肯定不包含,则跳过对该结点为根的子树的搜索,逐层向其祖先结点回溯:否则,进入该子树,继续按深度优先策略搜索. 回溯法指导思想--走不通,就掉头.设计过程:确

  • c++回溯法解决1到9之间插入加减或空使运算结果为100

    目录 问题分析 代码展示 问题分析 这时我最近偶然看到的一道题目,发现实现起来还确实有些麻烦,所以把实现的过程记录下来. 这种要罗列出所有结果的问题,我一般是采用回溯法解决的,说的通俗一点就是暴力解法,去遍历所有的情况. 这个问题有一点比较难处理的地方就在于有这个"什么都不插入"这个选项,所以干脆单独拎出来解决.也就是先把1-9这9个数组相互组合,形成一个数组,比如: {1,2,3,4,5,6,7,8,9} {1,2,3,4,5,6,7,89} {1,2,3,4,5,6,78,9} {

  • Java回溯法解决全排列问题流程详解

    题目描述: 给定一不重复的数组,返回其具有的所有全排列(使用 List<List > 返回) 思路: 以数组 nums = [1, 2, 3] 为例,其具有的解空间可以用这样一棵树表示,相比看到这里大家就可以知道,这是一道可以用 回溯法 解决的题. 难点:如何保证不选到已经使用过的数组元素 —— 使用 used[] 数组标记该元素是否被使用过 细节请看代码注释 // 用于存储结果的数组 List<List<Integer>> ans = new ArrayList<

  • C++使用回溯法解决黄金矿工问题

    目录 题目描述 示例 解题思路 顺心的人大抵一样,坎坷的人各有各的坎坷.也只能坚持自我修行,等待自己的机遇. 题目描述 你要开发一座金矿,地质勘测学家已经探明了这座金矿中的资源分布,并用大小为 m * n 的网格 grid 进行了标注.每个单元格中的整数就表示这一单元格中的黄金数量:如果该单元格是空的,那么就是 0. 为了使收益最大化,矿工需要按以下规则来开采黄金: 每当矿工进入一个单元,就会收集该单元格中的所有黄金. 矿工每次可以从当前位置向上下左右四个方向走. 每个单元格只能被开采(进入)一

  • php选择排序法实现数组排序实例分析

    本文实例分析了php选择排序法实现数组排序的方法.分享给大家供大家参考.具体分析如下: 选择排序法的基本思路:直接用案例来说明吧,比如有一个数组$arr = array(2,6,3,9),从大到小排序. 第一次大循环:它首先假设$arr[0]为最大值,然后分别跟$arr[1]~$arr[3]进行比较,如果比较它大,则进行交换,过程是这样(2,6,3,9)---2和6比 --->(6,2,3,9)---6和3比--->(6,2,3,9)---6和9比--->(9,2,3,6).注意,这里下

随机推荐