回溯法的基本思想:
回溯法(探索与回溯法)是一种选优搜索法,又称为试探法,按选优条件向前搜索,以达到目标。但当探索到某一步时,发现原先选择并不优或达不到目标,就退回一步重新选择,这种走不通就退回再走的技术为回溯法,而满足回溯条件的某个状态的点称为“回溯点”。
经典例子:
回溯法子集树解决数字组合问题
1.问题:
找出从自然数1、2、3、...、n中任取r个数的所有组合(组合需要有序)。
例如,n=5,r=3的所有组合为:
1,2,3;1,2,4;1,2,5;1,3,4;1,3,5;1,4,5;2,3,4;2,3,5;2,4,5;3,4,5;
2.分析:
1.解空间树的动态搜索:在搜索至树中任一节点时,先判断该节点对应的部分是否是满足约束条件,或者是否超出目标函数的界,也就是判断该节点是否包含问题的最优解。如果肯定不包含,则跳过对该节点为根的子树的搜索,即所谓的剪枝;否则,进入该节点为根的子树,继续按照深度优先策略搜索。
2.子集树:但所有的问题是从n个元素的集合中找出满足某种性质的子集时,相应的解空间树成为子集树
3.此题中r=3的所有组合,相当于元素个数为3的所有子集。因此,在遍历子集树的时候,对元素个数不为3的子树剪枝即可。
# Author:Iron
'''数字组合问题'''
n = 5
r = 3
a = [1,2,3,4,5] # 五个数字
x = [0]*n # 一个解(n元0,1数组) 固定长度
X = [] # 一组解
def conflict(k):
global n, r, x
if sum(x[:k+1]) > r: # 部分解的长度超出r
return True
if sum(x[:k+1]) + (n-k-1) < r: # 部分解的长度加上剩下长度不够r
return True
return False # 无冲突
# 套用子集树模板
def comb(k): # 到达第k个元素
global n, x, X
if k >= n: # 超出最尾的元素
#print(x)
X.append(x[:]) # 保存(一个解)
else:
for i in [1, 0]: # 遍历元素 a[k] 的两种选择状态:1-选择,0-不选
x[k] = i
if not conflict(k): # 剪枝
comb(k+1)
# 根据一个解x,构造对应的一个组合
def get_a_comb(x):
global a
return [y[0] for y in filter(lambda s:s[1]==1, zip(a, x))]
# 根据一组解X,构造对应的一组组合
def get_all_combs(X):
return [get_a_comb(x) for x in X]
# 测试
comb(0)
print(X)
print(get_all_combs(X))
#运行结果
'''
[[1, 1, 1, 0, 0], [1, 1, 0, 1, 0], [1, 1, 0, 0, 1], [1, 0, 1, 1, 0],
[1, 0, 1, 0, 1], [1, 0, 0, 1, 1], [0, 1, 1, 1, 0], [0, 1, 1, 0, 1],
[0, 1, 0, 1, 1], [0, 0, 1, 1, 1]]
[[1, 2, 3], [1, 2, 4], [1, 2, 5], [1, 3, 4], [1, 3, 5], [1, 4, 5],
[2, 3, 4], [2, 3, 5], [2, 4, 5], [3, 4, 5]]
'''