通过例子讲解回溯法、分枝限界法

1.写在前面

        这学期上算法课，对分枝限界法这一章听的似懂非懂。后来复习备考时，参考了王晓东老师的《计算机算法设计与分析》，把这部分的原理彻底整明白了，在此与大家分析心得。我将结合自己的理解和书上的几个例子，来具体说明回溯法和分枝限界法原理，实现代码网上比比皆是，故不再赘述。

        算法整体而言，大致可以分为3类，基于规模、基于搜索、随机化。基于规模的算法主要有分治、动态规划、贪心算法；基于搜索的有回溯和分枝限界法；随机化严格来说是一种策略，能优化算法的性能，主要有舍伍德算法、拉斯维加斯算法和蒙特卡洛。以上是“算法设计与分析”这门课的体系，分枝限界法是基于搜索的一种算法，下面也会通过实例和回溯法进行对比，以说明二者的区别和联系。

2.例子一(0-1背包问题)

        对于n=3的0-1背包问题，考虑以下实例：3个商品的重量weight=[16, 15, 15]，对应的价值为value=[45, 25, 25]，背包允许装入的总重量为c=30，优化目标是在背包中装入商品的重量不超过c的情况下，最大化装入商品的价值。

        先不考虑背包重量的限制c，则每个商品有选择装入和不装两种可能，所以一共有2^3=8种选择，即{(0, 0, 0), (0, 0, 1), …… ,(1, 1, 1)}。大括号{}整体称为解空间，其中每一个小括号()为解向量，表示一种选择，里面有3个数，代表这种选择中3个商品是否装入背包。0表示装入，1表示不装入。如(0, 0, 1)表示的情况是商品1、2均不装入背包，商品3装入背包，此时背包装入商品的总重量为15，总价值为25，且未超过背包的重量限制值30。显然(0, 1, 1)是本例中最优的选择，即把商品2、3装入背包，商品1不装，此时背包装入商品的总重量为30，总价值为50，且满足重量限制的条件。

        基于搜索的算法解决时，都要先写出解空间和解向量，并以此生成解空间树，如图1所示。树分枝上方的1表示选择该商品放入背包，0表示不选该商品。除了根节点，树一共有3层，表示3个商品的选择与否。当遍历完所有叶节点，即得到了所有的结果。但是搜索的顺序如何确定呢？这就是回溯法和分枝限界的第一点区别。回溯法是以深度优先方式搜索整棵树，而分枝限界法是以广度优先或以最小耗费来搜索的。具体来说，分枝限界分为两种：队列式分枝限界和优先队列式分枝限界。这一点很重要