(转)回溯法－算法框架及基础

最新推荐文章于 2023-11-02 23:10:27 发布

夨落旳尐孩

最新推荐文章于 2023-11-02 23:10:27 发布

阅读量955

点赞数

分类专栏： ACM

ACM 专栏收录该内容

99 篇文章 0 订阅

订阅专栏

好，顶

原文地址：(转)回溯法－算法框架及基础 作者：jinyang6655

转自http://lilongfei1030.blog.163.com/blog/static/8601528200872081318804/

回溯法其实也是一种搜索算法，它可以方便的搜索解空间。
回溯法解题通常可以从以下三步入手：
1、针对问题，定义解空间
2、确定易于搜索的解空间结构
3、以深度优先的方式搜索解空间，并在搜索的过程中进行剪枝
回溯法通常在解空间树上进行搜索，而解空间树通常有子集树和排列树。
针对这两个问题，算法的框架基本如下：
用回溯法搜索子集合树的一般框架：

Cpp代码

void backtrack(int t){
if(t > n) output(x);
else{
for(int i = f(n,t); i <= g(n,t);i++){
x[t] = h(i);
if(constraint(t) && bound(t)) backtrack(t+1);
}
}
}
用回溯法搜索排列树的算法框架：

Cpp代码

void backtrack(int t){
if(t > n) output(x);
else{
for(int i = f(n,t); i <= g(n,t);i++){
swap(x[t],x[i]);
if(constraint(t) && bound(t)) backtrack(t+1);
swap(x[t],x[i]);
}
}
}

void backtrack(int t){
  if(t > n) output(x);
  else{
    for(int i = f(n,t); i <= g(n,t);i++){
          swap(x[t],x[i]);
          if(constraint(t) && bound(t)) backtrack(t+1);
          swap(x[t],x[i]); 
    }
  }
}

其中f(n,t),g(n,t)表示当前扩展结点处未搜索过的子树的起始标号和终止标号,
h(i)表示当前扩展节点处，x[t]第i个可选值。constraint(t)和bound(t)是当前
扩展结点处的约束函数和限界函数。constraint(t)返回true时，在当前扩展结点
x[1:t]取值满足约束条件，否则不满足约束条件，可减去相应的子树。bound(t)返
回的值为true时，在当前扩展结点x[1:x]处取值未使目标函数越界，还需要由backtrack(t+1)
对其相应的子树进一步搜索。
用回溯法其实质上是提供了搜索解空间的方法，当我们能够搜遍解空间时，
显然我们就能够找到最优的或者满足条件的解。这便是可行性的问题，而效率可以
通过剪枝函数来降低。但事实上一旦解空间的结构确定了，很大程度上时间复杂度
也就确定了，所以选择易于搜索的解空间很重要。
下面我们看看两个最简单的回溯问题，他们也代表了两种搜索类型的问题：子集合问题和
排列问题。
第一个问题：
求集合s的所有子集(不包括空集),我们可以按照第一个框架来写代码：

Cpp代码

#include
using namespace std;
int s[3] = {1,3,6};
int x[3];
int N = 3;
void print(){
for(int j = 0; j < N; j++)
if(x[j] == 1)
cout << s[j] << " ";
cout << endl;
}
void subset(int i){
if(i >= N){
print();
return;
}
x[i] = 1;//搜索右子树
subset(i+1);
x[i] = 0;//搜索左子树
subset(i+1);
}
int main(){
subset(0);
return 0;
}

#include
using namespace std;

int s[3] = {1,3,6};
int x[3];
int  N = 3;
void print(){
   for(int j = 0; j < N; j++)
 if(x[j] == 1)
    cout << s[j] << " ";
   cout << endl;
}

void subset(int i){
  if(i >= N){
        print();
     return;
 }

 x[i] = 1;//搜索右子树
 subset(i+1);
 x[i] = 0;//搜索左子树
 subset(i+1);
}

int main(){
  subset(0);
  return 0;
}

下面我们看第二个问题：排列的问题，求一个集合元素的全排列。
我们可以按照第二个框架写出代码：

Cpp代码

#include
using namespace std;
int a[4] = {1,2,3,4};
const int N = 4;
void print(){
for(int i = 0; i < N; i++)
cout << a[i] << " ";
cout << endl;
}
void swap(int *a,int i,int j){
int temp;
temp = a[i];
a[i] = a[j];
a[j] = temp;
}
void backtrack(int i){
if(i >= N){
print();
}
for(int j = i; j < N; j++){
swap(a,i,j);
backtrack(i+1);
swap(a,i,j);
}
}
int main(){
backtrack(0);
return 0;
}

#include
using namespace std;

int a[4] = {1,2,3,4};
const int N = 4;

void print(){
 for(int i = 0; i < N; i++)
     cout << a[i] << " ";
    cout << endl;
}

void swap(int *a,int i,int j){
  int temp;
  temp = a[i];
  a[i] = a[j];
  a[j] = temp;
}

void backtrack(int i){
 if(i >= N){
  print();
 }
 for(int j = i; j < N; j++){
  swap(a,i,j);
  backtrack(i+1);
  swap(a,i,j);
 }
}

int main(){
  backtrack(0);
  return 0;
}

这两个问题很有代表性，事实上有许多问题都是从这两个问题演变而来的。第一个问题，它穷举了所有问题的子集，这是所有第一种类型的基础，第二个问题,它给出了穷举所有排列的方法，这是所有的第二种类型的问题的基础。理解这两个问题,是回溯算法的基础.
下面看看一个较简单的问题：
整数集合s和一个整数sum，求集合s的所有子集su,使得su的元素之和为sum。
这个问题很显然是个子集合问题，我们很容易就可以把第一段代码修改成这个问题的代码：

Cpp代码

int sum = 10;
int r = 0;
int s[5] = {1,3,6,4,2};
int x[5];
int N = 5;
void print(){
for(int j = 0; j < N; j++)
if(x[j] == 1)
cout << s[j] << " ";
cout << endl;
}
void sumSet(int i){
if(i >= N){
if(sum == r) print();
return;
}
if(r < sum){//搜索右子树
r += s[i];
x[i] = 1;
sumSet(i+1);
r -= s[i];
}
x[i] = 0;//搜索左子树
sumSet(i+1);
}
int main(){
sumSet(0);
return 0;
}

八皇后问题

八皇后问题是一个古老而著名的问题，是回溯算法的典型例题。该问题是十九世纪著名的数学家高斯1850年提出：在8X8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、同一列或同一斜线上.
问题分析:
第一步定义问题的解空间
这个问题解空间就是8个皇后在棋盘中的位置.
第二步定义解空间的结构
可以使用8*8的数组，但由于任意两个皇后都不能在同行，我们可以用数组下标表示
行，数组的值来表示皇后放的列，故可以简化为一个以维数组x[9]。
第三步以深度优先的方式搜索解空间，并在搜索过程使用剪枝函数来剪枝
根据条件:x[i] == x[k]判断处于同一列
abs(k-i) == abs(x[k]-x[i]判断是否处于同一斜线
我们很容易写出剪枝函数：

Cpp代码

bool canPlace(int k){
for(int i = 1; i < k; i++){

//判断处于同一列或同一斜线
if(x[i] == x[k] || abs(k-i) == abs(x[k]-x[i])) return false;
}
return true;
}

bool canPlace(int k){
 for(int i = 1; i < k; i++){
        //判断处于同一列或同一斜线
    if(x[i] == x[k] || abs(k-i) == abs(x[k]-x[i]))          return false;
 }
 return true;
}

然后我们按照回溯框架一，很容易写出8皇后的回溯代码：

Cpp代码

void queen(int i){
if(i > 8){
print();
return;
}
for(int j = 1; j <= 8; j++){
x[i] = j;//记录所放的列
if(canPlace(i)) queen(i+1);
}
}

void queen(int i){
 if(i > 8){
  print();
  return;
 }
 for(int j = 1; j <= 8; j++){
   x[i] = j;//记录所放的列
   if(canPlace(i)) queen(i+1);
 }
}

整个代码：

Cpp代码

#include<iostream>
#include<cmath>
using namespace std;
int x[9];
void print(){
for(int i = 1; i <= 8; i++)
cout << x[i] << " ";
cout << endl;
}
bool canPlace(int k){
for(int i = 1; i < k; i++){
//判断处于同一列或同一斜线
if(x[i] == x[k] || abs(k-i) == abs(x[k]-x[i]))
return false;
}
return true;
}
void queen(int i){
if(i > 8){
print();
return;
}
for(int j = 1; j <= 8; j++){
x[i] = j;
if(canPlace(i)) queen(i+1);
}
}
int main(){
queen(1);
return 0;
}

0-1背包问题

0-1背包问题:给定n种物品和一背包.物品i的重量是wi, 其价值为ui,背包的容量为C.
问如何选择装入背包的物品,使得装入背包中物品的总价值最大?
分析:
0-1背包是子集合选取问题,一般情况下0-1背包是个NP问题.
第一步　确定解空间：装入哪几种物品
第二步　确定易于搜索的解空间结构：
可以用数组p,w分别表示各个物品价值和重量。
用数组x记录，是否选种物品
第三步　以深度优先的方式搜索解空间，并在搜索的过程中剪枝
我们同样可以使用子集合问题的框架来写我们的代码，和前面子集和数问题相差无几。

Cpp代码

#include<iostream>
#include<algorithm>

using namespace std;
class Knapsack{
public:
Knapsack(double *pp,double *ww,int nn,double cc){
p = pp;
w = ww;
n = nn;
c = cc;
cw = 0;
cp = 0;
bestp = 0;
x = new int[n];
cx = new int[n];
}
void knapsack(){
backtrack(0);
}
void backtrack(int i){//回溯法
if(i > n){
if(cp > bestp){
bestp = cp;
for(int i = 0; i < n; i++)
x[i] = cx[i];
}
return;
}
if(cw + w[i] <= c){//搜索右子树
cw += w[i];
cp += p[i];
cx[i] = 1;
backtrack(i+1);
cw -= w[i];
cp -= p[i];
}
cx[i] = 0;
backtrack(i+1);//搜索左子树
}
void printResult(){
cout << "可以装入的最大价值为:" << bestp << endl;
cout << "装入的物品依次为:";
for(int i = 0; i < n; i++){
if(x[i] == 1)
cout << i+1 << " ";
}
cout << endl;
}
private:
double *p,*w;
int n;
double c;
double bestp,cp,cw;//最大价值，当前价值，当前重量
int *x,*cx;
};
int main(){
　　double p[4] = {9,10,7,4},w[4] = {3,5,2,1};
Knapsack ks = Knapsack(p,w,4,7);
ks.knapsack();
　　ks.printResult();
　　return 0;
}

注：

本文章来自：http://fuliang.javaeye.com/blog/164686

夨落旳尐孩

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
(转)回溯法－算法框架及基础

好，顶原文地址：(转)回溯法－算法框架及基础作者：jinyang6655转自http://lilongfei1030.blog.163.com/blog/static/8601528200872081318804/回溯法其实也是一种搜索算法，它可以方便的搜索解空间。回溯法解题通常可以从以下三步入手：1、针对问题，定义解空间2、确定易于搜索的解空间结构3、以深度优先的方式搜索解空间，并在搜
复制链接

扫一扫