算法——回朔法简介

回溯法简介及示例

        回溯法是递归算法的一种特殊形式,回溯法的基本思想是:对一个包括很多结点,每个结点有若干个搜索分支的问题,把原问题分解为对若干个子问题求解的算法。当搜索到某个结点、发现无法再继续搜索下去时,就让搜索过程回溯(即退回)到该节点的前一个结点,继续搜索这个节点的其他尚未搜索的分支;如果发现这个节点也无法再继续搜索下去时,就让搜索过程回溯到这个结点的前一个结点继续这样的搜索过程;这样的搜索过程一直进行到搜索到问题的解或搜索完全部可搜索分支没有解存在为止。回溯法和简单的递归算法不同的是:对于回溯算法, 当对一个结点的子分支搜索失败时,要考虑回溯(即退回)至该结点,继续对该结点的其他尚未搜素过的分支进行搜索;而简单的递归算法不需要考虑这些问题。

示例:设计求解迷宫问题的函数及测试。
       一个迷宫是一些互相连通的交叉路口的集合,给定一个迷宫入口,一个迷宫出口,当从入口到出口存在通路时输出其中的一条通路,当从入口到出口不存在通路时输出无通路存在。每个交叉路口除进来的路之外有三个路口,分别是向左、向前和向右。为简化设计,假设迷宫中不存在环路。下图为迷
动态规划、贪心算法回溯法都是常用的算法思想,它们各自有不同的适用场合和优缺点。 动态规划法: 动态规划法通常用于求解一些最优化问题,例如最长公共子序列、背包问题、最短路径等。动态规划法的核心思想是将一个大问题拆分成若干个小问题,通过求解小问题的最优解来推导出大问题的最优解。动态规划法通常需要用一个二维数组来存储子问题的最优解,并通过填表法来逐步求解。 动态规划法的优点是求解效率高、结果准确,但是需要占用大量存储空间,且需要满足子问题之间具有最优子结构性质。 贪心算法: 贪心算法通常用于求解一些最优化问题,例如最小生成树、最短路径等。贪心算法的核心思想是每次选择当前状态下最优的决策,并认为这样的决策最终能够得到全局最优解。贪心算法通常不需要存储子问题的最优解,而是通过局部最优解来推导出全局最优解。 贪心算法的优点是求解效率高、存储空间小,但是可能存在局部最优解不等于全局最优解的情况,需要具有贪心选择性质和最优子结构性质。 回溯法回溯法通常用于求解一些组合优化问题,例如求解八皇后问题、旅行商问题等。回溯法的核心思想是通过不断地试错和回溯来寻找问题的解。回溯法通常需要用递归的方式来实现,每次递归都会对当前状态进行选择或撤销选择,直到找到问题的解或无法继续搜索。 回溯法的优点是适用范围广,能够解决组合优化问题,但是时间复杂度高,需要检查所有可能的解,且可能存在重复计算的情况。 综上所述,动态规划、贪心算法回溯法各自有不同的优缺点和适用场合,需要根据具体问题来选择合适的算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值