回溯算法例题分析

什么是回溯算法

回溯算法的概念：回溯算法是一种类似枚举但优于枚举的算法，它可以通过“剪枝”的方式去掉那些不可能的递归情况，从而得到实现解题目标的所有可行方案。回溯算法一般通过递归来实现，每个次递归前都要判断当前这种方案是不是有继续递归的必要，如果可以，就继续往深入递归，最终实现目标，如果在递归中发现不符合递归条件了，那么就“减掉”这个分支，程序回溯到之前的另一种可能性重新开始，继续往下递归，能递归到最后一步的方案一般称为可行解，我们可以统计可行解的数目，从而最终得到方案总数。
回溯算法的优点：回溯算法可以讨论所有可能的方案，不遗漏地进行判断，同时它也会放弃那些不可能的递归方案，节省程序的运行时间。
回溯算法的解题思路：首先分析题目，如果最终目标由一系列步骤组成，并且让你求最终目标的方案数目，那么可以尝试使用回溯算法。代码一般分为两部分，递归部分和下一步判断部分，递归部分以循环的形式遍历所有可能的情况，判断部分的布尔值反馈结果决定是否下一步递归或者“剪枝”，即写判断条件。最终在递归达到一定深度的时候判断方案可行，进行计数累加或保存方案。

回溯算法的例题1：N皇后问题

题目：大家常见的是八皇后问题，是N皇后问题的一种特殊情况。N皇后问题是指，在一个N*N的棋盘上，放置N个皇后，他们彼此不能处在相同行、列、对角线，求有多少种摆放方案。
分析：我们可以对N个皇后逐一放置，首先我们可以确定一行摆放一个皇后，每个皇后有N个可以摆放的位置，那么我们先假设第一个皇后放在第一行第一个位置，再判断第二个皇后的摆放，如果放在第二行第一个位置在同一列不符合条件，放在第二个位置是对角线也不符合条件，第三个位置就可以，所以放下这个皇后，接下来看第三个皇后的摆放，以此类推，每次判断不可摆放时，即剪去了这个分支。如果某次递归行数大于N，即棋盘摆满，方案可行，计数加一。
算法实现：

	int[] x ; //先申明一个数组，等待皇后数量输入
	int sum =0; //满足条件的情况的累计
	int num ; // 棋盘的宽高
	/**
	 * 回溯算法1：皇后问题入口方法
	 */
	public void bt1()
	{
   
		num = 8;
		x= new int[num+1];
		BT1(1); //开始第一次递归
		System.out.println(sum); 
	}	
	/**
	 * 回溯算法1：递归方法
	 * @param num
	 * @return
	 */
	public void BT1(int t) //摆第t行
	{
   	
		if(t > num)  //棋盘摆完，计数加一
			sum++;
        else
        {
   
			for(int i=1;i<=num;i++)  //从第一个位置开始试探直到最后一个
			{
   
				x[t]=i;  //放在第i个位置
				if(place(t)==true) //可以放置就开始放下一个
				{
   
					BT1(t+1);//下一行
				}				
			}
		}
	}
	/**
	 * 回溯算法1：判断位置是否可放	
	 */
	public boolean place(int t)
	{
   
	       for(int i=1;i<t;i++)
	       {
   
	    	   if(x[i]==x[t]||Math.abs(i-t)==Math.abs(x[i]-x[t]))//判断对角线及行列
	    	   {
   
	    		   return false;
	    	   }
	       }		
			return true;
	}

回溯算法2：图着色问题

问题：给定一个拼图，颜色刚开始都是空白的，我们有四种颜色，要求为图形上色且相邻色块颜色不能相同。
分析：类似N皇后问题࿰