回溯法_回溯算法中新的上界怎么算-CSDN博客

本文链接：https://blog.csdn.net/guoxiaowei400/article/details/40351233

1.问题的引入

要求找到一组解，或要求找到一个满足某些限制的最优解。通过彻底的搜索方法来解决：彻底的搜索，需要进行大量的比较、舍弃、运算时间为代价。因此，用穷举法解某些实际问题是不现实的，彻底搜索的运算量很大，有时大到计算机承受不了的程度。使用回溯法可以大大减少实际的搜索。例如，迷宫问题，八皇后问题，骑士周游世界问题。关键是要找到回溯的条件。

算法思想：通过对问题的分析，找出一个解决问题的线索，然后沿着这个线索往前试探，若试探成功，就得到解，若试探失败，就逐步往回退，换别的路线再往前试探。实际上是广度与深度搜索结合的搜索，深度搜索过程中碰到条件不满足，则退回上一层，在每一层上也进行全面的搜索。

2.回溯法的基本思想

回溯法是带优化的穷举法。回溯法的基本思想：在一棵含有问题全部可能解的状态空间树上进行深度优先搜索，解为叶子结点。在回溯法中，并不是先构造出整棵状态空间树，再进行搜索，而是在搜索过程中逐步构造出状态空间树，即边搜索，边构造。回溯法在包含问题的所有解的解空间树中，按照深度优先的策略，从根结点出发搜索解空间树。算法搜索至解空间树的任一结点时，总是先判断该结点是否肯定不包含问题的解。

（1）如果肯定不包含，则跳过对以该结点为根的子树的系统搜索，逐层向其祖先结点回溯。

（2）否则，进入该子树，继续按深度优先的策略进行搜索。

回溯法在用来求问题的所有解时，要回溯到根，且根结点的所有子树都已被搜索遍才结束。

回溯法在用来求问题的任一解时，只要搜索到问题的一个解就可以结束。

3.基本概念

扩展结点：一个正在产生儿子的结点称为扩展结点

活结点：一个自身已生成但其儿子还没有全部生成的节点称做活结点

死结点：一个所有儿子已经产生的结点称做死结点
实例：
0-1背包问题
n=3,C=30, w={16, 15, 15}, v={45, 25, 25}

开始时，Cr=C=30，V=0，A为唯一活结点，也是当前扩展结点；扩展A，先到达B结点；Cr=Cr-w1=14，V=V+v1=45；此时A、B为活结点，B成为当前扩展结点；扩展B，先到达C；Cr<w2，C导致一个不可行解，回溯到B；再扩展B到达D；D可行，此时A、B、D是活结点，D成为新的扩展结点；扩展D，先到达E；Cr<w3，E导致一个不可行解，回溯到D；再次扩展D到达F；由于F是叶结点，即得到一个可行解x=(1,0,0)，V=45；

F不可扩展，成为死结点，返回到D；D没有可扩展结点，成为死结点，返回到B；B没有可扩展结点，成为死结点，返回到A；

A再次成为扩展结点，扩展A到达G；Cr=30，V=0，活结点为A、G，G为当前扩展结点；扩展G，先到达H；Cr=Cr-w2=15，V=V+v2=25，此时活结点为A、G、H，H成为当前扩展结点；扩展H，先到达I；Cr=Cr-w3=0，V=V+v3=50；I是叶结点，且50>45，皆得到一个可行解x=(0,1,1)，V=50；I不可扩展，成为死结点，返回到H；

再扩展H到达J；J是叶结点，且25<50，不是最优解；J不可扩展，成为死结点，返回到H；H没有可扩展结点，成为死结点，返回到G；

再扩展G到达L；Cr=30，V=0，活结点为A、G、L，L为当前扩展结点；扩展L，先到达M，M是叶结点，且25<50，不是最优解，又M不可扩展，返回到L；

再扩展L到达N，N是叶结点，且0<50，不是最优解，又N不可扩展，返回到L；L没有可扩展结点，成为死结点，返回到G；G没有可扩展结点，成为死结点，返回到A

A没有可扩展结点，成为死结点，算法结束，最优解X=(0,1,1)，最优值V=50

4.回溯法的应用步骤

针对所给问题，定义问题的解空间；

确定易于搜索的解空间结构；

以深度优先的方式搜索解空间，并且在搜索过程中用剪枝函数避免无效搜索。

常用剪枝函数：

用约束函数在扩展结点处剪去不满足约束的子树；

用限界函数剪去得不到最优解的子树。

5.关于复杂性：

回溯法的一个显著特征是在搜索过程中动态产生问题的解空间。在任何时刻，算法只保存从根结点到当前扩展结点的路径。

如果解空间树中从根结点到叶结点的最长路径的长度为h(n)，则回溯法所需的计算空间通常为O(h(n))。

子集树：从n个元素的集合找出满足某种性质的子集，相应的解空间树称为子集树。例如0-1背包问题。遍历子集树需O(2n)计算时间；

排列树：确定n个元素满足某种性质的排列，相应的解空间树称为排列树。排列树通常有n!个叶结点。因此遍历排列树需要O(n!)计算时间。例如8后问题、旅行售货员问题的解空间是一棵排列树。

6.经典例题：

6.1 回溯法求解0-1背包问题

解题的基本指导思想:

按贪心法的思路，优先装入价值/重量比大的物品。当剩余容量装不下最后考虑的物品时，再用回溯法修改先前的装入方案，直到得到全局最优解为止。

搜索解空间树策略:

只要其左儿子结点是一个可行结点，搜索就进入其左子树。—约束函数

当右子树有可能包含最优解时才进入右子树搜索，否则将右子树剪去。—限界函数

剪枝方法：

r:当前剩余物品价值总和；

cv:当前获得价值；

bestp:当前最优价值。

当cv+r<=bestp时，可剪去右子树。

计算右子树上界方法 :

将剩余物品依其单位重量价值排序，然后依次装入物品，直至装不下时，再装入该物品的一部分而装满背包。由此得到的价值是右子树中解的上界。

<span style="color:#000000;">package Algorithm;

public class Bag01Trace {

	static int N=5;/*物品个数*/ 
	static int cv=0;/*当前价值*/
	static int cw=0;/*当前重量*/
	static int bestv=0;/*当前最优价值*/
	static int bestx[] = new int[N+1];/*当前最优解*/
	static int C=10;/*背包容量*/
	static int v[]={0,6,3,6,5,4};/*物品价值、重量。0元素不用*/
	static int w[]={0,2,2,4,6,5};
	static int x[]=new int[N+1]; //x[i]表示物品i当前是否加入背包

	public static void main(String[] args) {
		Backtrack(1);
	    putout(); 
	}

	private static void Backtrack(int i) {
		int j;
		if (i > N) /* 到叶结点 */
		{
			for (j = 1; j <= N; j++)
				bestx[j] = x[j];
			bestv = cv;
		} else {
			if (cw + w[i] <= C) /* 搜索左子树 */
			{
				x[i] = 1;
				cw += w[i];
				cv += v[i];
				Backtrack(i + 1);
				cw -= w[i];
				cv -= v[i];
			}
			if (Bound(i + 1) > bestv)/* 搜索右子树 */
			{
				x[i] = 0;
				Backtrack(i + 1);
			}
		}
	}

	private static int Bound(int i) {
		int left = C - cw; // 剩余容量
		int b = cv; // cv当前价值
		while (i <= N&&w[i] <= left) {
			b += v[i];
			left -= w[i];
			i++;
		}
		/* 装满背包 */
		if (i <= N)
			b += left * v[i] / w[i];
		return b;
	}

	private static void putout() {
		System.out.print("放入背包的物品是:");
		cw = 0;
		for (int i = 1; i <= N; i++)
			if (bestx[i] == 1) {
				System.out.print(i + "   ");
				cw += w[i];
			}
		System.out.println();
		System.out.print("放入背包物品总重为：" + cw + "   ");
		System.out.print("最大价值和为:" + bestv);
	}

}</span>

结果：

放入背包的物品是:1 2 3
放入背包物品总重为：8 最大价值和为:15