算法设计与分析：实验三 回溯法——地图填色问题

实验内容与要求：

问题描述：

我们可以将地图转换为平面图，每个地区变成一个节点，相邻地区用边连接，我们要为这个图形的顶点着色，并且两个顶点通过边连接时必须具有不同的颜色。附件是给出的地图数据，请针对三个地图数据尝试分别使用5个（le450_5a），15个（le450_15b），25个（le450_25a）颜色为地图着色。

实验要求：

对下面这个小规模数据，利用四色填色测试算法的正确性；

对附件中给定的地图数据填涂；

随机产生不同规模的图，分析算法效率与图规模的关系（四色）

基本回溯算法

思路：

• 从图的第一个节点开始，尝试为其染色。
• 对于当前节点，尝试为其选择一种颜色，然后递归地尝试为其相邻的未染色节点染色。
• 如果染色过程中出现了冲突，即当前节点与已染色的相邻节点颜色相同，就回溯到上一步重新尝试其他颜色。
• 当所有节点都染色完毕，即递归到最后一个节点时，找到了一种合法的染色方案，返回 1。
• 统计所有合法染色方案的数量，并返回结果。

 思维导图：

伪代码：

深搜回溯函数

function DFS1(x):     // 如果已经遍历完所有节点，则返回 1 表示找到了一种合法的染色方案     if x > n:         return 1     cnt = 0     u = id[x] // 当前节点的编号     // 遍历尝试每一种颜色     for i from 1 to MAXCOL:         valid = true         // 遍历当前节点之前的节点（即染过的节点）         for j from 1 to x - 1:             // 如果当前节点与之前染色的节点相邻且颜色相同，则该颜色不合法             if link[u][id[j]] and color[id[j]] == i:                 valid = false                 break         // 如果当前颜色合法，则尝试用该颜色染色当前节点并继续递归         if valid:             color[u] = i // 尝试用颜色 i 染色节点 u             cnt += DFS1(x + 1) // 继续递归下一个节点     return cnt function Solve1():     // 初始化 color 数组，全部置为 0，表示未染色     initialize color array with zeros     // 调用深度优先搜索函数从第一个节点开始染色     return DFS1(1)

运行结果：

由运行结果可以看出得到正确的填色方案数为480，但是运行时间为0.00ms，应该是因为数据规模较小，导致程序执行速度非常快，低于计时的精度。

算法过程：

在着色尝试过程中，依次尝试可用的颜色，并更新与当前节点相邻的节点的颜色状态，剔除不可用的颜色。若成功找到一种着色方案，即所有顶点都被成功着色，则返回 True。下面图示以其中一种染色方案为例（从左往右，从上往下）：

 

时间复杂度：

• 在每一次递归调用 DFS1 中，对当前节点进行颜色的尝试，最多需要尝试 MAXCOL 种颜色，所以对于每一个节点，该部分的时间复杂度为 O(MAXCOL)。
• 在每一次颜色尝试中，需要遍历当前节点的所有邻接节点，最坏情况下，有 x-1 个邻接节点，因此该部分的时间复杂度为 O(x)。
• 因为递归调用会在每个节点处进行，总的递归调用次数最多为节点数量 x。
• 因此，总的时间复杂度为 O(x * MAXCOL * x) = O(x^2 * MAXCOL)。即O(n^3)，这是一个巨大的指数级别，如果节点数量较少，并且最大可选颜色数量也不是很大时，算法的性能是可以接受的，但是一旦数量增加就很难运行出结果，所以我们一定要对此回溯法进行优化。

 优化深搜回溯算法

四种深搜回溯的优化剪枝：优化搜索顺序，排除等效冗余࿰