回溯法
按深度优先策略搜索问题的解空间树。首先从根节点出发搜索解空间树,当算法搜索至解空间树的某一节点时,先利用剪枝函数判断该节点是否可行(即能得到问题的解)。如果不可行,则跳过对该节点为根的子树的搜索,逐层向其祖先节点回溯;否则,进入该子树,继续按深度优先策略搜索。
回溯法的基本行为是搜索,搜索过程使用剪枝函数来为了避免无效的搜索。剪枝函数包括两类:1. 使用约束函数,剪去不满足约束条件的路径;2.使用限界函数,剪去不能得到最优解的路径。
问题的关键在于如何定义问题的解空间,转化成树(即解空间树)。解空间树分为两种:子集树和排列树。两种在算法结构和思路上大体相同。
function hasPath(matrix, rows, cols, path)
{
if (path.length === 0) {
return true;
}
if (rows * cols < path.length) {
return false;
}
let status = [];
// 初始化status
for (let i = 0; i < rows; i++) {
status.push([]);
for(let j = 0; j < cols; j++) {
status[i][j] = false;
}
}
//找到第一个符合的path的
for (let i = 0; i < rows; i++) {
for (let j = 0; j < cols; j++) {
if (matrix[i*cols+j] === path[0]) {
if (path.length === 1) {
return true;
}
status[i][j] = true;
if (find(matrix, rows, cols, i, j, path.slice(1), status)) {
return true;
}
status[i][j] = false;
}
}
}
return false;
}
function find(matrix,rows,cols,row,col,path,status){
if(row > 0 && matrix[(row-1)*cols + col] === path[0] && status[row-1][col] === false){
if(path.length === 1){
return true;
}
status[row-1][col] = true;
if(find(matrix,rows,cols,row-1,col,path.slice(1),status)){
return true;
}
status[row-1][col] = false;
}
if(row < rows-1 && matrix[(row+1)*cols + col] === path[0] && status[row+1][col] === false){
if(path.length === 1){
return true;
}
status[row+1][col] = true;
if(find(matrix,rows,cols,row+1,col,path.slice(1),status)){
return true;
}
status[row+1][col] = false;
}
if(col > 0 && matrix[row*cols + col -1] === path[0] && status[row][col-1] === false){
if(path.length === 1){
return true;
}
status[row][col-1] = true;
if(find(matrix,rows,cols,row,col-1,path.slice(1),status)){
return true;
}
status[row][col-1] = false;
}
if(col < cols-1 && matrix[row*cols + col +1] === path[0] && status[row][col+1] === false){
if(path.length === 1){
return true;
}
status[row][col+1] = true;
if(find(matrix,rows,cols,row,col+1,path.slice(1),status)){
return true;
}
status[row][col+1] = false;
}
return false;
}