算法设计与分析复习--回溯法

最新推荐文章于 2024-04-26 16:13:13 发布

京雨

最新推荐文章于 2024-04-26 16:13:13 发布

阅读量1.2k

点赞数

分类专栏：算法设计与分析文章标签：算法回归算法

本文链接：https://blog.csdn.net/jingyu_1/article/details/124542373

版权

算法设计与分析专栏收录该内容

4 篇文章 0 订阅

订阅专栏

算法设计与分析期末复习

主要参考：

算法设计与分析（北京航空航天大学MOOC）

算法设计与分析（北京大学MOOC）

华中科技大学计算机科学与技术学院算法设计与分析课堂教学PPT

五、回溯法

回溯算法的例子：4后问题、0-1背包问题、货郎问题

解的形式：向量

搜索空间：树，可能是n叉树，子集树、排列树等等，输的节点对应与部分向量，可行解在叶节点

搜索方法：深度优先，宽度有限，…，跳跃式遍历搜索树，找到解

约束条件、回溯判定

可用回溯法求解的问题：

问题的解可以用一个n元组(x1,…,xn)来表示，其中的xi取自于某个有穷集Si，并且这些解必须使得某一规范函数P(x1,…,xn)取极值或满足该规范函数条件。

5.1 回溯算法基本思想

（1）适用：求解搜索问题和优化问题

（2）搜索空间：树，结点对应部分解向量，可行解在树叶上

（3）搜索过程：采用系统的方法隐含遍历搜索树

（4）搜索策略：深度优先，宽度优先，函数优先，宽深结合等

（5）结点分支判定条件：

满足约束条件–分支扩张解向量，不满足约束条件–回溯到该结点的父结点

显式约束条件：限定每个xi只能从一个给定的集合上取值

隐式约束条件：xi必须彼此相关的情况

（6）结点状态：动态生成

白结点（尚未访问），灰结点（正在访问该结点为根的子树），黑结点（该结点为根的子树遍历完成）

（7）存储：当前路径

状态空间树：

问题状态(problem state)：树中的每一个结点确定所求解问题的一个问题状态。
状态空间(state space)：由根结点到其他结点的所有路径则确定了这个问题的状态空间。
解状态(solution states)：是这样一些问题状态S，对于这些问题状态，由根到S的那条路径确定了这解空间中的一个元组。
答案状态(answer states)：是这样的一些解状态S，对于这些解状态而言，由根到S的这条路径确定了这问题的一个解。
静态树(static trees)：树结构与所要解决的问题的实例无关。
动态树(dynamic trees)：根据不同的实例而使用不同的树结构。
活结点：自己已经生成而其所有的儿子结点还没有全部生成的结点。
E-结点（正在扩展的结点）：当前正在生成其儿子结点的活结点。
死结点：不再进一步扩展或者其儿子结点已全部生成的生成结点。

构造状态空间树的两个方法：回溯法、分枝-限界方法

回溯法------当前E-结点R，生成一个新的儿子C，则C就变成一个新的E-结点，对子树C完全检测后，R结点再次成为E-结点
分枝-限界方法------一个E-结点一直保持到变成死结点为止

5.2 回溯算法的适用条件

多米诺性质：

通俗表达：
若x1到xi-1满足，就可以继续向下搜索
若不满足，则x1到xi也不满足，就回溯

在这里插入图片描述

5.3 回溯算法的设计步骤

（1）定义解向量和每个分量的取值范围

解向量为 <x1,x2,…,xn>

确定xi的取值集合为Xi，i=1,2,…,n

（2）在<x1,x2,…,xk-1>确定如何计算xk取值集合Sk，Sk包含于Xk

（3）确定结点儿子的排列规则

（4）判断是否满足多米诺性质（个人感觉算法实现中华科ppt表述更为直观）

（5）确定每个结点分支的约束条件

（6）确定搜索策略：深度优先，宽度优先等

（7）确定存储搜索路径的数据结构

5.4 回溯算法的实现一般性描述

递归实现

（北大mooc表述）

Sk是xk的取值集合

算法 ReBack(k)
if k>n then <x1,x2,...,xn>是解
else while Sk ≠ 空集 do
	xk <- Sk 中最小值
	Sk <- Sk-{xk}
	计算Sk+1
	ReBack(k+1)

另一种表述（华科ppt表述）：

(x1, x2, …xi-1)是由根到一个结点的路径

T(x1, x2, …xi-1)是所有xi的集合：对于每一个xi ， (x1, x2, …xi)是由根到结点xi的路径（也就是根据某一确定的x1到xi-1所得到的xi取值的集合）

限界函数Bi，如果路径(x1, x2, …xi)不可能延伸到一个答案结点，则Bi(x1, x2, …xi)取假值，否则取真值（也就是添加上xi仍可能是答案，则为真，不可能为答案则为假）

procedure RBACKTRACK(k)
	global n,X(1:n)
	for 满足下式的每个X(k)
		X(k) ∈ T(X(1),...,X(k-1)) and B (X(1),...,X(k)) = true do
		if(X(1),...,X(k)) 是一条已抵达答案结点的路径
			then print(X(1),...,X(k)) endif
			call RBACKTRACK(k+1)
	repeat
end RBACKTRACK

迭代实现

Backtrack
输入： n
输出：所有的解
对于 i = 1,2,...,n 确定Xi				//确定初始取值
k <- 1
计算Sk
while Sk ≠ 空集 do 					 //满足约束分支搜索
	xk <- Sk中的最小值，Sk <- Sk-{xk} 
	if k<n then
		k <- k+1 
	else <x1,x2,...,xn>是解
if k>1 then k <- k-1 goto （第7行）		  //回溯

另一种表述：

procedure BACKTRACK(n)
	integer k,n; local X(1:n)
	k <- 1
	while k>0 do
		if 还剩有没检验过的X(k)使得
			X(k) ∈ T(X(1),...,X(k-1)) and B(X(1),...,X(k)) = true
		then
			if(X(1),...,X(k)) 是一条已抵达一答案结点的路径
			then print(X(1),...,X(k)) endif
			k <- k+1
		else
			k <- k-1
		endif
	repeat
end BACKTRACK

5.5 搜索树结点数的估计

Monte Carlo方法

从根开始，随机选择一条路径，直到不能分支为止，即从x1，x2，…，依次对xi赋值，每个xi的值是从当时的Si中随机选取，直到向量不能扩张为止
假定搜索树的其他|Si|-1个分支与以上随机选出的路径一样，计数搜索树的点数
重复步骤1和2，将结点数进行概率平均

（如果没看明白，去北大MOOC里看例子讲解）

目的：估计搜索树真正访问结点数
步骤：
- 随机抽样，选择一条路径
  
  用这条路径代替其他路径
  
  逐层累加树的结点数
- 多次选择，取结点数的平均值

Monte Carlo
输入：n为皇后数，t为抽样次数
输出：sum，即t次抽样路长平均值
sum <- 0
for i <- 1 to t do		//凑杨次数t
	m <- Estimate(n)	//m为结点数
	sum <- sum + m
sum <- sum / t

一次抽样

m为本次取样得到的树节点总数
k为层数
r2位上层结点数
r1位本层结点数
r1 = r2*分枝数
n为数的层数
从树根向下计算，随机选择，直到树叶

伪代码

Estimate(n)
m <- 1; r2 <- 1; k <- 1		//m为一次估计结点总数
while k ≤ n do
	if Sk = ∅ then return m //不能继续
    r1 <- |Sk|*r2			//r1为扩张后的结点总数
    m <- m+r1				//r2位扩张前的结点总数
    xk <- 随机选择Sk的元素		//随机选择一步
    r2 <- r1
    k <- k+1

左侧红线路径为一次抽样，右侧为扩张后的数（用于估计一次结点个数）

通过多次抽样，取平均值估计搜索树的结点数（Monte Carlo方法）

在这里插入图片描述

5.6 实例伪代码

例1 装载问题

有n个集装箱，需要装上两艘载重分别为c1，c2的轮船，wi为第i个集装箱的重量，且w1+w2+…+wn≤c1+c2,。

问：是否存在一种合理的装载方案把这n个集装箱装上船？如果有，请给出一种方案。

求解思路

输入：W=<w1,w2,…,wn>为集装箱重量，c1和c2为船的最大载重量
算法思想：

令第一艘船的装入量为W1（让第一艘船装的尽量多）
1. 用回溯算法求使得c1-W1达到最小的装载方案
2. 若满足w1+w2+…+wn-W1≤c2，则回答yes，否则回答no

伪代码

算法 Loading(W,c1)
Sort(W);
B <- c1; best <- c1; i <- 1;		//B为当前船1的空隙，best为最优解情况下船1的空隙
while i ≤ n do						//相当于赋值一个初值
	if 装入i后重量不超过c1
	then B <- B-w1 ; x[i] <- 1 ; i <- i+1
	else x[i] <- 0 ; i<- i+1
if B<best then 记录解 best <- B
Backtrack(i);						//注意这里的Backtrace不是递归，只是一个子函数
if i=1 then return 最优解			  //回溯到根节点了
else goto （第3行）

算法 Backtrace(i)
while i>1 and x[i]=0 do
	i<- i-1;
if x[i] = 1							//左子树换到右子树
then x[i] <- 0
	B <- B + wi
	i <- i+1

时间复杂度可以达到O(2^n)

例2 n皇后问题

怎么判断是否形成了互相攻击的格局？

是否在同一列，是否在同一条对角线

procedure PLACE(k)						//判断当前X(k)是否可以放置
	global X(1:k); integer i,k			//是否会和前k-1行放置的皇后冲突
	i <- 1
	while i<k do				
		if X(i)=X(k)
			or ABS(X(i)-X(k))=ABS(i-k)
		then return false
		endif
		i <- i+1
	repeat
	return true
end PLACE

procedure NQUEENS(n)
	integer k,n,X(1:n);
	X(1) <- 0; k<-1
	while k>0 do
		X(k) <- X(k)+1						//第一个皇后放置的位置
		while X(k) <= n and not PLACE(k) do
			X(k) <- X(k)+1
		repeat
		if X(k) <= n						//如果可以放置
		then if k=n
			then print(X)
			else k <- k+1;X(k) <- 0			//还没到最后一行，继续下一行
		else k <- k-1;						//如果不能放置
		endif
	repeat
end NQUEENS

例3 子集和数问题

n个数里面存在某些个数的和等于M

元组大小固定

W(k)是按照从小到大的顺序排好序的(对理解伪代码中的剪枝很重要)

限界函数

在这里插入图片描述

伪代码

procedure SUMOFSUB(s,k,r)				//当前和s,当前元素位置k，k之后所有数的和
	global integer M,n; global real W(1:n); global boolean X(1:n)
	real r,s; integer k,j
	X(k) <- 1
	if s+W(k)=M then					//和等于了M，找到结果
		print(X(j),j <- 1 to k)
	else
		if s+W(k)+W(k+1)<=M then		//算上Wk和Wk+1也不够
			call SUMOFSUB(s+W(k),k+1,r-W(k))//那么就算上Wk，继续搜索
		endif
	endif
	if s+r-W(k)>=M and s+W(k+1) <= M	
	then X(k) <- 0
		call SUMOFSUB(s,k+1,r-W(k))
	endif
end SUMOFSUB

伪代码第12行解释：剪枝

如果算上k之后所有的还不够，那就不继续向下搜索了

由于是从小到大排序好的，如果k+1也超过了，那么后面的全都超过了，也不继续搜索

两个条件都满足的条件下才进行继续搜索

京雨

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
算法设计与分析复习--回溯法

算法设计与分析期末复习主要参考：算法设计与分析（北京航空航天大学MOOC）算法设计与分析（北京大学MOOC）华中科技大学计算机科学与技术学院算法设计与分析课堂教学PPT五、回溯法回溯算法的例子：4后问题、0-1背包问题、货郎问题解的形式：向量搜索空间：树，可能是n叉树，子集树、排列树等等，输的节点对应与部分向量，可行解在叶节点搜索方法：深度优先，宽度有限，…，跳跃式遍历搜索树，找到解约束条件、回溯判定可用回溯法求解的问题：问题的解可以用一个n元组(x1,.
复制链接

扫一扫