回溯算法--数据结构与算法之美--CH39

1. 什么是回溯算法

  在CH37贪心算法一节讲到贪心算法的本质：“问题求解分K个步骤，每一步都选择当前最优的选择，最终得到一个方案”。但是这个方案并不一定是最优解，那怎么才能得到全局最优解呢？这就需要回溯算法来帮忙。
  回溯算法的思想类似深度优先搜索，K个阶段对应K个岔路口，选择一个方向一直走，如果不符合期望则返回上一个岔路口（回溯的表现）重新选择一个方向。直到得到一个可行解或者遍历完成得到全局最优解。

2. 回溯算法解决什么问题

  回溯算法本质上就是枚举所有可能的路径，然后求取可行解或者最优解。

1. 当求解可行解的时候，并不需要枚举所有路径，而是得到可行解即可终止算法。
2. 当求全局最优的时候，需要遍历所有路径，对比求得全局最优解。

  在搜索过程中，有一种优化方式：如果条件不满足则不继续搜索，采取剪枝策略优化算法。
  所以回溯算法适合解决“能够分为K个步骤，搜索期望解路径的广义搜索问题”。

3. 回溯算法应用实例

3.1 8皇后问题

  一个 8x8 的棋盘，希望放 8 个棋子（皇后），每个棋子所在的行、列、对角线都不能有另一个棋子。
解答：
  这个问题是求解可行解的问题。

1. 问题分为8个阶段。
2. 每个阶段，遍历搜索路径；不满足条件，回溯上一步重新遍历另一条路径。
3. 找到可行路径，则终止搜索，打印结果。

  代码实现如下：

int[] result = new int[8];//全局或成员变量,下标表示行,值表示queen存储在哪一列
public void cal8queens(int row) { // 调用方式：cal8queens(0);
  if (row == 8) { // 8个棋子都放置好了，打印结果
    printQueens(result);
    return; // 8行棋子都放好了，已经没法再往下递归了，所以就return
  }
  for (int column = 0; column < 8; ++column) { // 每一行都有8中放法
    if (isOk(row, column)) { // 有些放法不满足要求
      result[row] = column; // 第row行的棋子放到了column列
      cal8queens(row+1); // 考察下一行
    }
  }
}

private boolean isOk(int row, int column) {//判断row行column列放置是否合适
  int leftup = column - 1, rightup = column + 1;
  for (int i = row-1; i >= 0; --i) { // 逐行往上考察每一行
    if (result[i] == column) return false; // 第i行的column列有棋子吗？
    if (leftup >= 0) { // 考察左上对角线：第i行leftup列有棋子吗？
      if (result[i] == leftup) return false;
    }
    if (rightup < 8) { // 考察右上对角线：第i行rightup列有棋子吗？
      if (result[i] == rightup) return false;
    }
    --leftup; ++rightup;
  }
  return true;
}

private void printQueens(int[] result) { // 打印出一个二维矩阵
  for (int row = 0; row < 8; ++row) {
    for (int column = 0; column < 8; ++column) {
      if (result[row] == column) System.out.print("Q ");
      else System.out.print("* ");
    }
    System.out.println();
  }
  System.out.println();
}

3.2 0-1背包问题

  有一个背包总的容量是 W kg，有 n 个物品，重量不等并且不可分割。现在期望选几件物品装入背包，在不超过背包容量的前提下，如何让所装物品的总重量最大？
解答：
  这个问题看起来很熟悉，期望值+限制值，看起来能用贪心算法解决呀，但是由于物品不可分割，贪心算法求解的方案并不一定是最优解，所以只能够借助回溯算法，来枚举所有可能方案，求得全局最优。

1. n个物品，则分为n各阶段。
2. 每个阶段，第 i 个物品装还是不装。
3. 在 i 物品装还是不装的情况下，继续考察第 i+1 个物品。
4. 遍历所有情况，判断并更新全局最优解maxW。
5. maxW即为全局最优解。

  代码实现如下：

public int maxW = Integer.MIN_VALUE; //存储背包中物品总重量的最大值
// cw表示当前已经装进去的物品的重量和；i表示考察到哪个物品了；
// w背包重量；items表示每个物品的重量；n表示物品个数
// 假设背包可承受重量100，物品个数10，物品重量存储在数组a中，那可以这样调用函数：
// f(0, 0, a, 10, 100)
public void f(int i, int cw, int[] items, int n, int w) {
  if (cw == w || i == n) { // cw==w表示装满了;i==n表示已经考察完所有的物品
    if (cw > maxW) maxW = cw;
    return;
  }
  f(i+1, cw, items, n, w);
  if (cw + items[i] <= w) {// 已经超过可以背包承受的重量的时候，就不要再装了
    f(i+1,cw + items[i], items, n, w);
  }
}

  代码中，通过判断物品重量是否超过背包重量，有一个剪枝的操作。

3.3 正则表达式问题

  假设正则表达式中只包含 * 和 ？两种通配符，其中 * 匹配任意多个（大于等于 0 个）字符，? 匹配0个或者一个任意字符。基于以上假设，如何用回溯算法，判断一个给定的文本，能否跟正则表达式匹配？
解答：
  这个问题本质上是找可行解的问题，当matched为true则停止搜索。

1. 逐个字符扫描正则表达式，为K步骤。
2. 每一步，分三种情况，* 或者 ？ 或者 普通字符。
3. * 表示 0 或者多个字符的情况，? 表示0或者1个字符，普通字符则直接判断匹配进入下一步，不匹配直接返回（剪枝操作）。
4. 当matched为true时候，说明已经匹配上了则停止搜索。
5. 当模式串和字符串都已经到了结尾，说明已经匹配成功了置matched为true，否则直接返回。

  代码实现如下：

public class Pattern {
  private boolean matched = false;
  private char[] pattern; // 正则表达式
  private int plen; // 正则表达式长度

  public Pattern(char[] pattern, int plen) {
    this.pattern = pattern;
    this.plen = plen;
  }

  public boolean match(char[] text, int tlen) { // 文本串及长度
    matched = false;
    rmatch(0, 0, text, tlen);
    return matched;
  }

  private void rmatch(int ti, int pj, char[] text, int tlen) {
    if (matched) return; // 如果已经匹配了，就不要继续递归了
    if (pj == plen) { // 正则表达式到结尾了
      if (ti == tlen) matched = true; // 文本串也到结尾了
      return;
    }
    if (pattern[pj] == '*') { // *匹配任意个字符
      for (int k = 0; k <= tlen-ti; ++k) {
        rmatch(ti+k, pj+1, text, tlen);
      }
    } else if (pattern[pj] == '?') { // ?匹配0个或者1个字符
      rmatch(ti, pj+1, text, tlen);
      rmatch(ti+1, pj+1, text, tlen);
    } else if (ti < tlen && pattern[pj] == text[ti]) { // 纯字符匹配才行
      rmatch(ti+1, pj+1, text, tlen);
    }
  }
}