算法学习(三)

在经历的期中考试和一个快乐五一之后，还是要开始干活了。

这次学习主要是与简单搜索技术相关的总结。

（一）.递归与全排列

下面是有关全排列的两个问题。

1.打印从n个数中任意m个数的全排列（这里以1~9的全排列为例）

这个题目，书上给出了两种方法：

第一种方法是用暴力法遍历，因为全排列中不存在重复序列，直接用暴力法循环遍历9次即可，当然，这个方法过于笨拙，但简单有效。

第二种方法则是使用递归，第一层递归是有关9个序列的，每次改变第一个数，这样每个序列就是不同的，再然后在第一层递归后，进行第二层递归，现在不看第一个数，把第二个数当成第一个数，重复上述操作，依次类推即可。下面是代码的复现：

这个问题实质上与求字典序类似。

2.打印n个数中任意m个数的组合

要注意，这个问题和第一个问题是有区别的，因为排列是有序的，组合是无序的，所以应该对重复元素去重是这个问题的关键。当然，这个题目也可以根据set容器的去重特性得到解决。这里我们使用另外一种思路：即把每个子集对应一个二进制数，则k个元素的集合，它对应二进制数中就有k个1。这个问题就转化为查找1的个数为k的二进制数即可。2^k(子集数) = 2^(k-1 )+2^(k-2)...+2^0+1(对应二进制数的个数)。而查找一个位串中k的个数，在离散数学中，我们学到过这个方法：可以使用按位与，即kk = kk&(kk-1),它只需要执行1的个数次这个操作即可。

（二）.BFS（Breath-First Search,广度优先搜索）

用书上的一个比喻来解释BFS：一群老鼠走迷宫，假定老鼠无限多，每个路口派出老鼠探索所有没有走过的路，如果碰壁或者走到其他老鼠走过的路，就停下。显然，所有的道路都会被走到，那么这个问题就一定可以得到解决。所有该方法具有可行性。BFS可以看成是并行计算的模拟，通常用队列这种数据结构来实现BFS。下面用BFS来解决典型的状态图搜索——八数码问题。问题描述如下：(盗图，嘿嘿)

八数码问题从初始状态出发，每次转移都逐渐逼近目标，是从近到远的扩散过程。BFS比较适合运用于最短路径问题。这个问题理解起来很容易，但是会有一个问题：这样搜索下去，其实有很多路径是重复了的，这加大了不必要的计算成本。因此，八数码问题的关键在于去重。这里我们使用康托展开去重。康托展开简单来讲就是一个全排列所对应的字典序。此外，康托展开也是一个数组到一个数的映射，因此也是可用于hash，用于空间压缩。比如在保存一个序列，我们可能需要开一个数组，如果能够把它映射成一个自然数， 则只需要保存一个整数，大大压缩空间。比如八数码问题。

下面是这个问题的解决方案。

当然，就这个问题而言，仅有9！ = 36288种情况，但是对于情况更为复杂的棋盘的问题，这种方法显然是不够的。所以这种BFS+Cantor的算法是存在着一定的局限性的。

当然，对于这个题可以使用双向BFS，即从目标状态和初始状态分别使用BFS，如果出现交集则问题有解。

（三）.DFS（Depth-First Search,深度优先搜索）

用一个形象的说法解释DFS，就是一只老鼠走迷宫，一直走到不能继续往下走为止，走过的位置不在走，不能走时则回退一步，再换个方向走。这样每个路口可以视作几乎没有重复访问。DFS代码通常比BFS更为简单，用于求解可行解较为合适，BFS可用来求解最优解（如最短路径问题）。DFS常用递归来实现。

（四）.回溯和剪枝

在使用DFS算法时，经常会遇到不符合要求的递归，在某一个条件不成立时，就应该立刻停止递归，以免增大不必要的计算，再然后返回到上一个状态，这个过程就是回溯。而判断递归是否符合要求，则可以使用剪枝函数。例如八皇后问题，要求皇后不能同行，同列，同对角线。如果递归到某一个后和另一个后同处一行，一列或者对角线时，递归就不必往下进行。剪枝函数可以对此进行判断，如：设定左上角为（0,0），已放好的皇后为（i，j），新后的坐标为（m，n），则：

比如两后不能同对角：所以|i-m| ≠ |j-n|。