算法分析与设计实验报告实验3：分支限界法的应用
算法设计与分析---分支界限法实验报告
《算法设计与分析》实验报告实验四分治限界法1. 迷宫最短路径在下图中，请使用广度搜索求出a到b的最短路径，有色区域为不可通过区域。
2. 树上最短路径dashen是个牛人。
很多人都想认识dashen，但没有这个机会，于是shen粉们便想了一个方法，计算自己与dashen的ACM距离，因此很多人都去参加ACM，而ACM因此也改名为ACM国际水赛。
每个ACM有n个组，每组3个人。
同组的3个人都是队友。
大家都想知道自己与dashen的最小距离是多少。
dashen与自己的最小距离当然是0。
dashen的队友和dashen的最小距离是1。
dashen的队友的队友和dashen的最小距离是2……以此类推。
如果实在和dashen没有关系的只好输出undefined了。
1. 迷宫最短路径1.2 解题思路迷宫搜索最短路径，主要考察的就是最简单裸的BFS。
BFS只要掌握如何标记好数组、边界的考虑、出队进队就好了。
如何保存搜索的层数？每一次节点扩散层，标记的层数值都是当前层的+1 即可。
至于写BFS的写法。
步骤都是一样的：放第一个进队，然后出队、扩散开进队并标记、出队......循环下去直到队空。
写法太基础就不讲解了。
1.2 测试样例73 24 6..#......##.......#.....##..#...#..###....###....1.3 程序运行情况2.3 程序运行情况2.4 程序源码（含注释）#include"bits/stdc++.h"using namespace std;#define inf 999#define INF 999999999int n,num;//行数，以及不重复人数int origin;// 起点，即dashen 的标号int book[inf];//标记vector<int>edge[inf];//每个点的边集struct Student{//学生类,下标自1始string name;int id;int rank;void set(string s,int i){name=s;id=i;rank=INF;//所有人的距离默认无穷大。
实验报告分支限界法01背包
实验报告分支限界法01背包实验报告：分支限界法解决01背包问题一、引言背包问题是数学和计算机科学中一个经典的问题。
背包问题通常分为01背包问题和完全背包问题两种情况。
本实验主要探讨的是分支限界法解决01背包问题，该算法常用于解决NP难问题。
分支限界法通过将问题分解为一系列子问题，并借助剪枝技术，逐步缩小问题的空间，从而找到最优解。
本实验将通过具体的案例来展示分支限界法的求解过程和原理，并对算法的时间复杂度和空间复杂度进行分析。
二、算法原理01背包问题的数学模型为：有n个物品，每个物品有一个重量wi和一个价值vi，在限定的背包容量为W的情况下，如何选择物品放入背包，使得背包中物品的总价值最大。
分支限界法的基本思想是：通过不断地分解问题为更小的子问题，并使用估算函数对子问题进行优先级排序，将优先级最高的子问题优先求解。
具体步骤如下：1.根节点：将背包容量W和物品序号0作为初始状态的根节点。
2.扩展节点：对于任意一个节点S，选择装入下一个物品或者不装入两种分支。
计算新节点的上界。
3.优先级队列：将扩展节点按照上界从大到小的顺序插入优先级队列。
4.剪枝条件：当扩展节点的上界小于当前已找到的最优解时，可以剪枝。
5.结束条件：当到叶节点或者队列为空时，结束。
若叶节点的上界高于当前最优解，更新最优解。
三、实验过程1.输入数据：给定一个物品序列，每个物品有重量和价值，以及一个背包的最大容量。
2.算法实现：根据算法原理，使用编程语言实现分支限界法的求解过程。
3.结果分析：比较算法求解得到的最优解和其他算法（如动态规划）得到的最优解之间的差异。
四、实验结果以一个具体的案例来说明分支限界法的求解过程。
假设有4个物品，其重量和价值分别为{2,3,4,5}和{3,4,5,6}，背包的最大容量为8、通过分支限界法求解，得到最优解为9，对应的物品选择为{2,3,5}。
通过与动态规划算法的结果比较，可以发现分支限界法的最优解与动态规划算法得到的最优解是一致的。
算法分析与设计分支限界法
算法分析与设计分支限界法分支限界法是一种常用的优化算法，它通过剪枝和分支的方式在空间中找到最优解。
在算法设计与分析中，分支限界法在求解组合优化问题和图论问题中有广泛应用。
分支限界法的基本思想是将问题划分为一个个子问题，并对每个子问题进行求解，同时通过剪枝操作减少空间。
算法从一个初始状态开始，通过扩展子节点来生成树。
在每个节点上，先判断该节点是否需要剪枝操作。
如果需要剪枝，则舍弃该节点及其子节点；如果不需要剪枝，则继续扩展该节点为新的可能解。
通过不断扩展和剪枝操作，最终找到最优解。
分支限界法的核心是选择一个合适的策略来确定节点的扩展顺序。
常用的策略包括优先级队列、最小堆、最大堆等。
这些策略可以根据问题的性质和特点来选择，以保证效率。
同时，剪枝操作也是分支限界法中关键的一环。
剪枝操作有多种方式，如上界和下界剪枝、可行剪枝、标杆剪枝等。
通过剪枝操作，可以减少空间，提高算法的效率。
分支限界法的时间复杂度通常是指数级别的，因为每个节点需要根据策略进行扩展，并进行剪枝操作。
然而，通过合理选择策略和剪枝操作，可以显著减少空间，降低时间复杂度。
此外，分支限界法还可以通过并行计算等技术进一步提高效率。
分支限界法在求解组合优化问题中有广泛应用。
组合优化问题是在有限的资源条件下，通过组合和选择来达到最优解的问题。
例如，旅行商问题、背包问题等都是经典的组合优化问题，而分支限界法可以在有限的时间内找到最优解。
在图论问题中，分支限界法也有重要的应用。
例如，最短路径问题、图着色问题等都可以通过分支限界法求解。
总之，分支限界法是一种基于和剪枝的优化算法，通过合理选择策略和剪枝操作，在有限的时间内找到最优解。
该算法在组合优化问题和图论问题中有广泛应用，可以有效提高问题求解的效率。
在实际应用中，可以根据问题性质和特点选择合适的策略和剪枝操作，以达到最佳的求解效果。
分支限界法实验（单源最短路径）
分⽀限界法实验（单源最短路径）算法分析与设计实验报告第七次实验基本思想：附录：完整代码（分⽀限界法）Shorest_path.cpp//单源最短路径问题分⽀限界法求解#include#include#include#include"MinHeap2.h"using namespace std;templateclass Graph //定义图类{friend int main();public:void shortest_path(int); private:int n, //图的顶点数*prev; //前驱顶点数组Type **c, //图的邻接矩阵*dist; //最短距离数组};templateclass MinHeapNode //最⼩堆中的元素类型为MinHeapNode{friend Graph;public:operator int() const{return length;}private:int i; //顶点编号Type length; //当前路长};//单源最短路径问题的优先队列式分⽀限界法templatevoid Graph::shortest_path(int v){MinHeap> H(1000);//定义最⼩堆的容量为1000//定义源为初始扩展结点MinHeapNode E;//初始化源结点E.i=v;E.length=0;dist[v]=0;while(true)//搜索问题的解空间{for(int j=1;j<=n;j++)if((c[E.i][j]!=0)&&(E.length+c[E.i][j]{//顶点i到顶点j可达，且满⾜控制约束//顶点i和j之间有边，且此路径⼩于原先从源点i到j的路径长度dist[j]=E.length+c[E.i][j];//更新dist数组prev[j]=E.i;//加⼊活结点优先队列MinHeapNode N;N.i=j;N.length=dist[j];H.Insert(N);//插⼊到最⼩堆中}try{H.DeleteMin(E); // 取下⼀扩展结点}catch (int){break;}if(H.currentsize==0)//优先队列空{break;}}}int main(){int n=11;int prev[12]={0,0,0,0,0,0,0,0,0,0,0,0};//初始化前驱顶点数组intdist[12]={1000,1000,1000,1000,1000,1000,1000,1000,1000,1000,1000,1000};//初始化最短距离数组cout<<"单源图的邻接矩阵如下："<int **c=new int*[n+1];for(int i=1;i<=n;i++) //输⼊图的邻接矩阵{c[i]=new int[n+1];for(int j=1;j<=n;j++){cin>>c[i][j];}}int v=1; //源结点为1Graph G;G.n=n;G.c=c;G.dist=dist;G.prev=prev;clock_t start,end,over; //计算程序运⾏时间的算法start=clock();end=clock();over=end-start;start=clock();G.shortest_path(v);//调⽤图的最短路径查找算法//输出从源结点到⽬的结点的最短路径cout<<"从S到T的最短路长是："<for(int i=2;i<=n;i++)//输出每个结点的前驱结点{cout<<"prev("<}for(int i=2;i<=n;i++) //输出从源结点到其他结点的最短路径长度{cout<<"从1到"<}for(int i=1;i<=n;i++) //删除动态分配时的内存{delete[] c[i];}delete[] c;c=0;end=clock();printf("The time is %6.3f",(double)(end-start-over)/CLK_TCK); //显⽰运⾏时间cout< system("pause");return 0;}MinHeap.h#includetemplateclass Graph;templateclass MinHeap //最⼩堆类{templatefriend class Graph;public:MinHeap(int maxheapsize=10); //构造函数，堆的⼤⼩是10~MinHeap(){delete[] heap;} //最⼩堆的析构函数int Size() const{return currentsize;} //Size()返回最⼩堆的个数T Max(){if(currentsize) return heap[1];} //第⼀个元素出堆MinHeap& Insert(const T& x); //最⼩堆的插⼊函数MinHeap& DeleteMin(T& x); //最⼩堆的删除函数void Initialize(T x[],int size,int ArraySize); //堆的初始化void Deactivate();void output(T a[],int n);private:int currentsize,maxsize;T *heap;};templatevoid MinHeap::output(T a[],int n) //输出函数，输出a[]数组的元素{for(int i=1;i<=n;i++)cout<cout<}templateMinHeap::MinHeap(int maxheapsize){maxsize=maxheapsize;heap=new T[maxsize+1]; //创建堆currentsize=0;}templateMinHeap& MinHeap::Insert(const T& x){if(currentsize==maxsize) //如果堆中的元素已经等于堆的最⼤⼤⼩return *this; //那么不能在加⼊元素进⼊堆中int i= ++currentsize;while(i!=1 && x{heap[i]=heap[i/2];i/=2;}heap[i]=x;return *this;}templateMinHeap& MinHeap::DeleteMin(T& x) //删除堆顶元素{if(currentsize==0){cout<<"Empty heap!"<return *this;}x=heap[1];T y=heap[currentsize--];int i=1,ci=2;while(ci<=currentsize){if(ciheap[ci+1])ci++;if(y<=heap[ci])break;heap[i]=heap[ci];i=ci;ci*=2;}heap[i]=y;return *this;}templatevoid MinHeap::Initialize(T x[],int size,int ArraySize) //堆的初始化{ delete[] heap;heap=x;currentsize=size;maxsize=ArraySize;for(int i=currentsize/2;i>=1;i--){T y=heap[i];int c=2*i;while(c<=currentsize){if(cheap[c+1])c++;if(y<=heap[c])break;heap[c/2]=heap[c];c*=2;}heap[c/2]=y;}}templatevoid MinHeap::Deactivate() {heap=0;}。
算法设计与分析 分支限界
…
13
纲要
一、分支限界的基本思想
二、背包问题
三、P和NP
14
问题定义
0-1背包问题
给定n个物品，商品i有两个属性i 和i ，分别代表重量和价格，
背包所承受的物品重量为W
0-1背包问题的目的是要选择一个物品的子集，使其总重量≤W，而价值最大。
解空间
假设解可以有向量（ , ,…, ）表示， ∈{0,1}， =1表示物品i被放进
（成为死节点），把剩下来的节点加到活节点的表中，然后，从这个
表中选一个节点作为下一个扩展节点。
7
分支限界法
从活节点的表中选一个节点并扩展它。这个扩展操作持续到找到解或这
个表为空为止。
选择下一个扩展节点的方法∶
1)先进先出(FIFO)
这个方法是按节点放进表中的次序从活节点表中选择节点。这个活节点
表可被看作一个队列。使用广度优先来搜索这个棵树。
在这个节点上我们得到的下界大于或等于上界，那么就没有必要在扩
展这个节点既不需在延伸这个分支。
·对于最大化问题规则正好相反:一旦上界小于或等于先前确定的下界，
那么就剪掉这个枝。
4
分支限界法
·首先，分支限界是对最优化问题可行解进行剪枝的一个方法。
·将搜索集中在有希望得到解的分支上。也就是说，在基于上下界和可
时，活节点表可用一个最大堆来表示。下一个扩展节点为最大收益的节点。
9
解空间树
扩展节点
死节点
活节点
success
10
分支限界法
使用分支限界法至少需要注意以下几点：
1．怎么样计算上界，极大值问题；
分支定界算法实验报告
一、实验目的通过本次实验，掌握分支定界算法的基本原理，并学会在实际问题中运用分支定界法求解整数规划问题。
了解算法的搜索策略、分支与定界方法，以及剪枝技巧，从而提高解决实际问题的能力。
二、实验环境1. 操作系统：Windows 102. 编程语言：Python3. 运行环境：Python 3.8三、实验原理分支定界算法是一种用于求解整数规划问题的方法。
它通过构建一个搜索树，将问题分解为一系列子问题，并对这些子问题进行求解。
在搜索过程中，算法会根据子问题的上下界和当前最优解进行剪枝，以减少搜索空间，提高求解效率。
四、实验步骤1. 问题建模：根据实际问题，建立整数规划模型，并确定决策变量、目标函数和约束条件。
2. 分支策略：选择一个分支变量，按照该变量的取值范围进行分支。
例如，如果决策变量x只能取整数，则将x分别取上界和下界，得到两个子问题。
3. 定界策略：对每个子问题，求解其线性松弛问题的最优解，得到该子问题的上界和下界。
4. 剪枝策略：根据子问题的上下界和当前最优解，判断是否需要剪枝。
如果子问题的上界小于当前最优解，则可以剪枝。
5. 求解子问题：对需要求解的子问题，重复执行步骤2-4，直到找到最优解。
五、实验内容本次实验以背包问题为例，说明分支定界算法的求解过程。
背包问题：给定一组物品，每个物品具有重量和价值，背包的容量有限。
求解在不超过背包容量的情况下，如何选择物品，使得背包中的物品总价值最大。
模型：设背包容量为C，物品数量为n，决策变量为x_i（i=1,2,...,n），表示是否选择第i个物品。
目标函数：最大化总价值V = Σ(v_i x_i)约束条件：- 背包容量约束：Σ(w_i x_i) ≤ C- 决策变量约束：x_i ∈ {0,1} (i=1,2,...,n)分支定界算法求解过程：1. 问题建模：根据背包问题的描述，建立整数规划模型。
2. 分支策略：选择重量最大的物品作为分支变量，将x_i分别取0和1，得到两个子问题。
分支限界法实验(单源最短路径)
算法分析与设计实验报告第七次实验姓名学号班级时间12.26上午地点工训楼309实验名称分支限界法实验(单源最短路径)实验目的1.掌握并运用分支限界法的基本思想2.运用分支限界法实现单源最短路径问题实验原理问题描述：在下图所给的有向图G中，每一边都有一个非负边权。
要求图G的从源顶点s 到目标顶点t之间的最短路径。
基本思想：下图是用优先队列式分支限界法解有向图G的单源最短路径问题产生的解空间树。
其中，每一个结点旁边的数字表示该结点所对应的当前路长。
为了加速搜索的进程，应采用有效地方式选择活结点进行扩展。
按照优先队列中规定的优先级选取优先级最高的结点成为当前扩展结点。
catch (int){break;}if(H.currentsize==0) //优先队列空{break;}}}上述有向图的结果：测试结果附录：完整代码（分支限界法）Shorest_path.cpp//单源最短路径问题分支限界法求解#include<iostream>#include<time.h>#include<iomanip>#include"MinHeap2.h"using namespace std;template<class Type>class Graph //定义图类{friend int main();public:void shortest_path(int); private:int n, //图的顶点数*prev; //前驱顶点数组Type **c, //图的邻接矩阵*dist; //最短距离数组};template<class Type>class MinHeapNode //最小堆中的元素类型为MinHeapNode{friend Graph<Type>;public:operator int() const{return length;}private:int i; //顶点编号Type length; //当前路长};//单源最短路径问题的优先队列式分支限界法template<class Type>void Graph<Type>::shortest_path(int v){MinHeap<MinHeapNode<Type>> H(1000);//定义最小堆的容量为1000//定义源为初始扩展结点MinHeapNode<Type> E;//初始化源结点E.i=v;E.length=0;dist[v]=0;while(true)//搜索问题的解空间{for(int j=1;j<=n;j++)if((c[E.i][j]!=0)&&(E.length+c[E.i][j]<dist[j])){//顶点i到顶点j可达，且满足控制约束//顶点i和j之间有边，且此路径小于原先从源点i到j的路径长度dist[j]=E.length+c[E.i][j];//更新dist数组prev[j]=E.i;//加入活结点优先队列MinHeapNode<Type> N;N.i=j;N.length=dist[j];H.Insert(N);//插入到最小堆中}try{H.DeleteMin(E); // 取下一扩展结点}catch (int){break;}if(H.currentsize==0)//优先队列空{break;}}}int main(){int n=11;int prev[12]={0,0,0,0,0,0,0,0,0,0,0,0};//初始化前驱顶点数组intdist[12]={1000,1000,1000,1000,1000,1000,1000,1000,1000,1000,1000,1000 };//初始化最短距离数组cout<<"单源图的邻接矩阵如下："<<endl;int **c=new int*[n+1];for(int i=1;i<=n;i++) //输入图的邻接矩阵{c[i]=new int[n+1];for(int j=1;j<=n;j++){cin>>c[i][j];}}int v=1; //源结点为1Graph<int> G;G.n=n;G.c=c;G.dist=dist;G.prev=prev;clock_t start,end,over; //计算程序运行时间的算法start=clock();end=clock();over=end-start;start=clock();G.shortest_path(v);//调用图的最短路径查找算法//输出从源结点到目的结点的最短路径cout<<"从S到T的最短路长是："<<dist[11]<<endl;for(int i=2;i<=n;i++)//输出每个结点的前驱结点{cout<<"prev("<<i<<")="<<prev[i]<<" "<<endl;}for(int i=2;i<=n;i++) //输出从源结点到其他结点的最短路径长度{cout<<"从1到"<<i<<"的最短路长是："<<dist[i]<<endl;}for(int i=1;i<=n;i++) //删除动态分配时的内存{delete[] c[i];}delete[] c;c=0;end=clock();printf("The time is %6.3f",(double)(end-start-over)/CLK_TCK); //显示运行时间cout<<endl;system("pause");return 0;}MinHeap.h#include<iostream>template<class Type>class Graph;template<class T>class MinHeap //最小堆类{template<class Type>friend class Graph;public:MinHeap(int maxheapsize=10); //构造函数，堆的大小是10~MinHeap(){delete[] heap;} //最小堆的析构函数int Size() const{return currentsize;} //Size()返回最小堆的个数T Max(){if(currentsize) return heap[1];} //第一个元素出堆MinHeap<T>& Insert(const T& x); //最小堆的插入函数MinHeap<T>& DeleteMin(T& x); //最小堆的删除函数void Initialize(T x[],int size,int ArraySize); //堆的初始化void Deactivate();void output(T a[],int n);private:int currentsize,maxsize;T *heap;};template<class T>void MinHeap<T>::output(T a[],int n) //输出函数，输出a[]数组的元素{for(int i=1;i<=n;i++)cout<<a[i]<<" ";cout<<endl;}template<class T>MinHeap<T>::MinHeap(int maxheapsize){maxsize=maxheapsize;heap=new T[maxsize+1]; //创建堆currentsize=0;}template<class T>MinHeap<T>& MinHeap<T>::Insert(const T& x){if(currentsize==maxsize) //如果堆中的元素已经等于堆的最大大小return *this; //那么不能在加入元素进入堆中int i= ++currentsize;while(i!=1 && x<heap[i/2]){heap[i]=heap[i/2];i/=2;}heap[i]=x;return *this;}template<class T>MinHeap<T>& MinHeap<T>::DeleteMin(T& x) //删除堆顶元素{if(currentsize==0){cout<<"Empty heap!"<<endl;return *this;}x=heap[1];T y=heap[currentsize--];int i=1,ci=2;while(ci<=currentsize){if(ci<currentsize && heap[ci]>heap[ci+1])ci++;if(y<=heap[ci])break;heap[i]=heap[ci];i=ci;ci*=2;}heap[i]=y;return *this;}template<class T>void MinHeap<T>::Initialize(T x[],int size,int ArraySize) //堆的初始化{delete[] heap;heap=x;currentsize=size;maxsize=ArraySize;for(int i=currentsize/2;i>=1;i--){T y=heap[i];int c=2*i;while(c<=currentsize){if(c<currentsize && heap[c]>heap[c+1])c++;if(y<=heap[c])break;heap[c/2]=heap[c];c*=2;}heap[c/2]=y;}}template<class T>void MinHeap<T>::Deactivate(){heap=0; }。
分枝限界法_实验报告
一、课题名称用分枝限界法求解单源最短路径问题二、课题内容和要求设计要求：学习算法设计中分枝限界法的思想，设计算法解决数据结构中求解单源最短路径问题，编程实现：（1）给出指定源点的单源最短路径；（2）说明算法的时间复杂度。
三、需求分析1.实现极小堆的创建，用来存储活结点表。
2.实现循环队列的创建、初始化、入队、出队等操作。
3.实现分支限界法来实现求解单元最短路径的算法。
4.实现最短路径的正确输出。
四、概要设计建立工程MinPath.dsw,加入源文件main.cpp，头文件CirQueue.h,init.h，Minpath.h和output.h. CirQueue.h中实现极小堆的创建，循环队列的创建、初始化、入队、出队等操作，Minpath.h中实现分支限界法来实现求解单元最短路径的算法。
output.h中实现最短路径的正确输出。
如下图所示：实验用例如下，通过邻接矩阵的方式写在init.h 中：五、详细设计12581134 69 7103 43292212223733352main函数：#include<iostream.h>#include"init.h"#include"CirQueue.h"#include"MinPath.h"#include"output.h"void main(){int k;int q;cout<<"------------欢迎使用本系统---------------"<<endl;cout<<"------------请选择单元路径的起点：---------------"<<endl;cout<<"------------提示：输入"<<1<<"到"<<n-1<<"之间的整数---------------"<<endl;cin>>k;cout<<"------------请选择单元路径的终点：---------------"<<endl;cin>>q;while(k<1||k>11){cout<<"------------提示：输入"<<1<<"到"<<n-1<<"之间的数，请重新输入---------------"<<endl;cin>>k;}MinPath(k);output(k,q);}init.hconst int size = 200;const int inf = 1000; //两点距离上界置为1000const int n = 12; //图顶点个数加1int prev[n]; //图的前驱顶点int dist[] = {0,inf,inf,inf,inf,inf,inf,inf,inf,inf,inf,inf}; //最短距离数组int c[n][n] = {{0,0,0,0,0,0,0,0,0,0,0,0},{0,0,2,3,4,inf,inf,inf,inf,inf,inf,inf},{0,inf,0,3,inf,7,2,inf,inf,inf,inf,inf},{0,inf,inf,0,inf,inf,9,2,inf,inf,inf,inf},{0,inf,inf,inf,0,inf,inf,2,inf,inf,inf,inf},{0,inf,inf,inf,inf,0,inf,inf,3,3,inf,inf},{0,inf,inf,inf,inf,inf,0,1,inf,3,inf,inf},{0,inf,inf,inf,inf,inf,inf,0,inf,5,1,inf},{0,inf,inf,inf,inf,inf,inf,inf,0,inf,inf,3},{0,inf,inf,inf,inf,inf,inf,inf,inf,0,inf,2},{0,inf,inf,inf,inf,inf,inf,inf,inf,2,inf,2},{0,inf,inf,inf,inf,inf,inf,inf,inf,inf,inf,0},}; //图的邻接矩阵CirQueue.hclass MinHeapNode//创建极小堆用来存储活结点表{public :int i; //顶点编号int length; //当前路长};class CirQueue//循环队列{private:int front,rear;//头指针和尾指针MinHeapNode data[size];public:CirQueue()//初始化建空队列{front = rear = 0;}void queryIn(MinHeapNode e)//元素入队操作{if((rear +1)%size != front)//队列未满{rear = (rear+1)%size; //插入新的队尾元素data[rear] = e; //在队尾插入元素 }}void queryOut()//元素出队操作{if(rear != front){front = (front+1)%size; //删除队头元素}}MinHeapNode getQuery()//读取队头元素，但不出队 {if(rear != front){return data[(front+1)%size];}return data[1];}bool empty()//判断队列是否为空{return front == rear;}bool full()//判断队列是否为满{return (rear +1)%size == front;}};//CirQueue结束MainPath.hvoid MinPath(int v){CirQueue s;//定义源为初始扩展结点MinHeapNode e;e.i = v;e.length = 0;dist[v] = 0;s.queryIn(e); //将源节点加入队列while(true){for(int j = 1;j<n;j++){if(j>=n){break;}MinHeapNode m = s.getQuery();if((c[m.i][j]<inf)&&(m.length + c[m.i][j] < dist[j]))//顶点i到顶点j可达，且从源出发途经i到j的路径长度小于当前最优路径长度{dist[j] = m.length + c[m.i][j];prev[j] = m.i;MinHeapNode mi;//加入活结点优先队列mi.i = j;mi.length = dist[j];if(s.full()){break;}s.queryIn(mi); //元素入队}}//for循环结束if(s.empty()){break;}s.queryOut(); //当该结点的孩子结点全部入队后，删除该结点 }//while循环结束}//方法结束output.hvoid output(int k,int q){int q1=q;if(dist[q1]==1000){cout<<"------------找不到此路径---------------"<<endl;return;}cout<<"最短路径长为: "<<dist[q1]<<endl;cout<<"单源最短路径为: ";int a[12]={0};int t =q1;int s=0;for(int i=0;t!=k;i++){a[i] = prev[t];t = prev[t];s=s+1;}for(i=s-1;i>-1;i--) {cout<<a[i]<<" ";}cout<<q1;cout<<endl<<"------------欢迎使用本系统---------------"<<endl; }六、测试数据及其结果分析1.选择起点：1，终点：111到11最短路径长为8，为1->3->7->10->11所获得。
- 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)。
} ret += min2; for (int i = 1; i <= n; i++) {
if (!p.visited[i]) {
min1 = min2 = INF; for (int j = 1; j <= n; j++) {
if (min1 > cost[i][j]) min1 = cost[i][j];
if (!p.visited[i] && min1 > cost[i][p.s]) {
min1 = cost[i][p.s]; }
} ret += min1; for (int i = 1; i <= n; i++) {
if (!p.visited[i] && min2 > cost[p.e][i]) {
adebca19
调 试 过 程 及 实 验 结 果
通过这次实验，学会了优先队列的使用方法，知道了如何求 TSP 问题的限界函
总
数。但一开始不知道怎么实现这个算法，还借鉴了网上代码。一开始编写的代
结
码错误很多，后来慢慢修改。总而言之，这次实验收获很大。
附
录
#include<iostream>
#include<algorithm>
} for (int j = 1; j <= n; j++) {
if (min2 > cost[j][i]) min2 = cost[j][i];
} ret += min1 + min2; } } return (ret + 1) / 2; }
int solve() {
get_up();
get_low();
cin >> cost[i][j]; if (i == j) {
cost[i][j] = INF; } } } cout << solve() << endl; return 0; }
if (ans <= tmp.lb) {
ret = min(ans, ret); break; }
else {
up = min(up, ans); ret = min(ret, ans); continue;
} }
Node next; for (int i = 1; i <= n; i++) {
if (!tmp.visited[i]) {
int dfs(int u, int k, int l) {
if (k == n) return l + cost[u][1]; int minlen = INF, p; for (int i = 1; i <= n; i++) {
if (!dfs_visited[i] && minlen > cost[u][i]){ minlen = cost[u][i]; p = i;
next.s = tmp.s; next.sumv = tmp.sumv + cost[tmp.e][i]; next.e = i; next.k = tmp.k + 1; for (int j = 1; j <= n; j++) next.visited[j] = tmp.visited[j]; next.visited[i] = true;
int tmpA[MAX_N]; for (int j = 1; j <= n; j++) {
tmpA[j] = cost[i][j]; } sort(tmpA + 1, tmpA + 1 + n); low += tmpA[1]; } } int get_lb(Node p) { int ret = p.sumv * 2; int min1 = INF, min2 = INF; for (int i = 1; i <= n; i++) {
#include<cstdio>
#include<queue>
const int INF = 100000;
const int MAX_N = 22;
using namespace std;
int n; int cost[MAX_N][MAX_N]; struct Node {
bool visited[MAX_N]; int s; int s_p;
2018/04/19
有 5 个城市，城市之间的距离（所有城市间的距离小于 100KM）如图所示，
试用分支限界法求ቤተ መጻሕፍቲ ባይዱ条旅游回路，使得从某城市出发经过其他的 4 个城市在返
实
验
回到出发城市的总距离最短
内
容
例如： 输入：5 -1 3 4 2 7 3 -1 4 6 3 4 4 -1 5 8 2 6 5 -1 6 7 3 8 6 -1 输出：
next.lb = get_lb(next); if (next.lb > up) continue; pq.push(next);
} }
} return ret; } int main() { cin >> n;
for (int i = 1; i <= n; i++) {
for (int j = 1; j <= n; j++) {
while (pq.size()) {
Node tmp = pq.top();pq.pop(); if (tmp.k == n - 1) {
int p; for (int i = 1; i <= n; i++) {
if (!tmp.visited[i]) {
p = i; break; } } int ans = tmp.sumv + cost[p][tmp.s] + cost[tmp.e][p];
Node star; star.s = 1;//起点为 1 star.e = 1;//终点为 1 star.k = 1;//走过了 1 个点 for (int i = 1; i <= n; i++) {
star.visited[i] = false; } star.visited[1] = true; star.sumv = 0; star.lb = low; int ret = INF; pq.push(star);
int e; int e_p; int k; int sumv; int lb; bool operator <(const Node &p)const {
return p.lb < lb; } }; priority_queue<Node> pq; int low, up; bool dfs_visited[MAX_N];
课程实验报告
课程名称 算法分析与设计 班级 计算 161 实验日期
姓名
何严鸿
学号 20160701 实验成绩 9
实验名称
实验 3：分支限界法的应用
实
1．理解分支限界法的剪枝搜索策略；
验
目
2．掌握分支限界法的基本思想。
的
及
要
求
实
操作系统：Windows
验
环
IDE：Visual C++
境
（1）旅行商问题
} }
dfs_visited[p] = true; return dfs(p, k + 1, l + minlen);
} void get_up() {
dfs_visited[1] = true; up = dfs(1, 1, 0); }
void get_low() {
low = 0; for (int i = 1; i <= n; i++) {