回溯是一种系统地搜索问题解答的方法。为了实现回溯,首先需要为问题定义一个解的空间。而问题的解集合一般被组织成树的形式(一般解所构成树为逻辑树不用去用代码构建一个解集合构成的树)。然后以深度搜索的方式去遍历解集合,从而得到问题的解。可以使用限界函数来避免 对不可能求出解子集合的遍历来优化回溯方法。
回溯方法求解的步骤:
1:定义一个解的空间,它包含问题的解。
2:以适于搜索的方式组织该空间,一般以一维数组的形式组织成逻辑上的解空间树(主要是满二叉树和排列数的形式)。
3:用深度优先法搜索该空间,利用限界函数避免移动到不可能产生解的子空间。
回溯算法可应用在货箱装船、背包、最大完备子图、旅行商、电路排列问题等,一般用来解决从解集合中对最优问题的求解。
在应用中由于候选解的数量都很大(指数级甚至大数的阶乘级),而回溯法,在求解时间上大大减少。但其时间和空间复杂对还是相当奢侈的,在求解大规模问题中不是拥有“高富帅”配置的计算机玩的起的。对这些NP问题的求解想得到多项式时间内“秒杀”,现在还是一种奢望。大都在指数级时间复杂度内。但在小规模问题中不失为一种好方法。回溯法的空间复杂度O(从开始节点起最长路径长度)。
举两个例子观摩一下,回溯法是怎么把答案搜出来的。
一个例子是货箱装船问题,它的解空间是以一个一维数组来构建一个逻辑上的满二叉树。
问题场景:n 个货箱,一个货船的载重量为c,wi是货箱i的重量,且所有货物之和大于c,求货船最多装多种的货物。
假设n=4;w=[8,6,2,3],c=12;
按回溯法来分析问题,
1:构建解空间,有n个货箱每个货箱都有装上船和不装船两种可能,所以n个货箱就有2的n次方个解。这些解可组织成满二叉树的形式。如图
边权值为1表示货物被装上船,0便是货物没有装上船。上面的二叉树可以表示所有的解也就是解空间。
第i层的边和第i个货物对应,如果经过第i层,选择的边权值为1则第i个货物被装上船。从跟节点深度遍历,每获得一个可行解,就与上一次获得的解比较比上次的大则更新最优解。遍历结束时就获得了最后的解。
代码如下:
template<class T>
void MaxLoading(T w[],T c,int n);
template<class T>
class Loading
{
friend void MaxLoading(T w[],T c,int n);
public:
Loading(T w1[],T c1,int n1):w(w1),c(c1),n(n1),cw(T()),bestw(T())
{}
private:
void maxLoading(int i);
void maxLoading1(int i);
int n;//货物数量
T* w;//货物重量的数组
T r;//剩余货物重量
int* x;//记录当前搜索路径下的装载情况
int* bestx;//记录最优装载的货物编号
T c;//货箱的容量
T cw;//当前重量
T bestw;//最优重量
};
template<class T>
void Loading<T>::maxLoading(int i)
{
if(i>n)
{
if(cw>bestw)
bestw=cw;
return;
}
if(cw+w[i]<c)//装载第i个货物的情况
{
cw+=w[i];
maxLoading(i+1);
cw-=w[i];
}
maxLoading(i+1);//不装在第i个货物的情况
}
template<class T>
void Loading<T>::maxLoading1(int i)
{
if(i>n)
{
for(int j=0;j<=n;j++)
bestx[j]=x[j];
bestw=cw;
return ;
}
r-=w[i];
if(cw+w[i]<=c)
{
cw+=w[i];
maxLoading1(i+1);
x[i]=1;
cw-=w[i];
}
if(cw+r>bestw)
{
maxLoading1(i+1);
x[i]=0;
}
r+=w[i];
}
template<class T>
void MaxLoading(T w[],T c,int n)
{
Loading<T> X(w,c,n);
for(int i=1;i<=n;i++)
X.r+=w[i];
X.maxLoading(1);
X.maxloading1(1);
}
maxLoading和maxLoading1的区别加了限制条件,并可以获得装载货物的编号。
(有错误还望指正)