带预判的穷举法——回溯法及其应用：n皇后问题

回溯法也是算法中比较重要的，是一种试探法，和蛮力法差不多。
回溯法与蛮力法的区别就是，回溯法有预判功能，一旦前方经过计算不满足约束条件或者前方不可能再具有最优解，则回头从另一方向进行搜索。
回溯法一般的解空间是用一棵树表示的。

我们再上一篇稍稍提到了回溯法的这个词汇，本篇来介绍回溯法的概念。

回溯法和蛮力法（穷举法）是差不多的算法。回溯法也是一个一个试探，然后找到一个最优解的算法。但是它们的最大区别就是，回溯法是在试探之前进行判断；而蛮力法是所有可能情况都找到之后，再以此对解进行判断。

本篇主要介绍回溯法和回溯法基本思想，以及回溯法的应用：n皇后问题。

1、回溯法

什么是回溯法

回溯法是一种选优试探法，按某种条件向前试探，从而找到问题的最优解；然而当试探到某一步时，发现原先选择不能达到最优解或者某一选择不满足约束条件，就回头走另一分支。这种走不通就回头再走的算法就是回溯法。

回溯法的结构是一棵多叉树，每个树结点代表一个可能的部分解，它的儿子是在它的基础上生成的其他部分解。树根为初始状态。

回溯法对任一解的生成，一般都采用逐步扩大解的方式。每前进一步，都试图在当前部分解的基础上扩大该部分解。

回溯法与穷举法有某些联系，它们都是基于试探的。穷举法要将一个解的各个部分全部生成后，才检查是否满足条件，若不满足，则直接放弃该完整解，然后再尝试另一个可能的完整解，它并没有沿着一个可能的完整解的各个部分逐步回退生成解的过程。而对于回溯法，一个解的各个部分是逐步生成的，当发现当前生成的某部分不满足约束条件时，就放弃该步所做的工作，退到上一步进行新的尝试，而不是放弃整个解重来。

解空间

回溯法的解空间应至少包含问题的一个最优解，通常将解空间组织成树或图的形式，从树根到叶子结点的任意一条路径可表示解空间中的一个解

回溯法基本思想

回溯法是求解搜索问题和优化问题等

回溯法在状态空间树中，从开始结点（根结点）出发，以深度优先搜索整个状态空间。这个开始结点成为活结点，同时也成为当前的扩展结点。在当前扩展结点处，搜索向纵深方向移至一个新结点。这个新结点成为新的活结点，并成为当前扩展结点。如果在当前扩展结点处不能再向纵深方向移动，则当前扩展结点就成为死结点。此时，应往回移动（回溯）至最近的活结点处，并使这个活结点成为当前扩展结点。回溯法以这种工作方式递归地在状态空间中搜索，直到找到所要求的解或解空间中已无活结点时为止。

回溯法的问题分析：我们在上边说了，回溯法的空间状态是一棵树，而树结构是多种多样的。回溯法一般是采用三种树结构：n叉树、子集树、排列树

n叉树

    n叉树顾名思义就是有n个结点分出了n个叉产生了n个子节点的一棵树。那么探寻时，是从某一结点开始逐步找到其结点分支的一个路径，这个路径包含了从根节点到叶子结点的一条关键路径。我们这篇介绍的n皇后问题，它的解空间就是一棵n叉树。
    n叉树是一种在每一层都存在问题解的一棵树，其解空间是<x1,x2,x3,…,xi>，xi：第i行列号。
    n叉树因为是n个点，每个点又分出了n个叉。所以搜索n叉树的解的时间复杂度一般是O(n^n)

子集树

    子集树是所给的问题是从n个元素的集合S中找出满足某种性质的子集时，相应的解空间成为子集树。
    子集树搜索方法是由某个父结点出发，如果包含这个父结点就往左子树方向搜索；不包含就往右子树方向搜索。
    该类树一般是一棵二叉树，通常有2^{n个叶子结点，总结点数为2}(n+1)-1，遍历子集树的任何算法需要的计算时间复杂度均为O(2^n)

排列树

    排列树是所给的问题是确定n个元素满足某种性质的排列时，相应的解空间就是排列树。
    排列树的搜索方法是由某个点出发，其分支产生了(n-1)个子节点，然后再由某一个子节点出发，又分支产生了(n-2)个子节点。直至找到叶子结点。这种由某一结点出发产生如这样阶梯状的分支的树就是一棵排列树。其时间复杂度是O(n!)

回溯法的适用条件

我们先来介绍下多米诺性质：
P(x1,x2,x3,…,xk+1)->P(x1,x2,x3,…,xk)表示：k+1维的解向量满足约束条件，则k维的解向量也满足约束条件。也就是说，前k+1个结点都符合约束条件，那么必然使得前k个结点都是满足约束条件的。而回溯法是要符合这样多米诺性质。

如果不满足多米诺性质，那么使得前k+1个结点满足约束条件不能推出前k个结点向量是否满足约束条件，如：3x+y+13>25不能推出3x+y>25。像这样的如果采用回溯法将会产生无法分支，也就是说可能会漏解，不能完全找到全部的解。因此回溯法必须要符合多米诺性质。

回溯法的实现

回溯法的实现方法有两种：递归、迭代。一般来说，一个问题两种方法都可以实现，只是在算法效率和设计复杂度上有区别。

递归法：思路简单，设计容易，但效率低
迭代法：算法设计相对复杂，但效率高

一般情况下采用递归法实现回溯算法。

下面我们来看一个回溯法的应用：n皇后问题

2、n皇后问题

什么是n皇后问题

我们先来一个4皇后问题
4皇后问题：在4·4的方格棋盘中放置4个皇后，使得没有两个皇后在同一行、同一列、也不在同一条45度的斜线上，问有多少种可能的布局？
这个问题的解总共有两种：

将这个图中的点沿中间的轴对称，可以得到另一个解

我们能看到图中的两个解，每两个皇后之间都不在同一行、同一列、也不在同一条45度的斜线上
解向量：<2,4,1,3><3,1,4,2>
我们可以用回溯法来解决，下面先看一个n叉树的图：

从根节点开始分出了4个叉，分别代表第1，2，3，4列。大家可以从脑海里想一下，上面那个含有解的图后，来看下这棵树。
如果第一个皇后摆在了第一行第一列的位置，也就是树中最左边的1点

往下分叉，根据每两个皇后之间都不在同一行、同一列、也不在同一条45度的斜线上的约束条件，那么第二行第一列以及第二行第二列是不能放置第2个皇后的。所以树中画了两个虚线的分叉，代表不能到达。如果摆到了第二行第三列的位置上，那么第三行就没有位置可摆了，因此第2个皇后摆到第二行第三列的位置是不可行的，因为它对于后面几行的摆放已经是死路了。所以回溯上到画红圈的地方，考虑第2个皇后摆放在第二行第四列的位置。

我们把第二个皇后放到了第二行第四列的位置上后，第三个皇后摆到第三行第二列的位置，第四个皇后就没有有效的格子可以摆放了。回溯到第二行，再回溯到第一行。再回溯到根节点，考虑如果第一个皇后摆在第一行第二列的位值

结果我们找到了一条有效路径<2,4,1,3>。这是问题的其中一个解。以此类推，我们能找到原问题的另一个解。

我们根据这棵树能看到，遍寻到最深层的树叶时，就找到了解。因此最深层的树叶是解

按深度优先遍历树，从而找到了问题所有的解。

下面我们分析下回溯法的代码编写
我们先考虑递归写法

递归法

n叉树回溯原理：要通过for循环一遍遍通过约束条件的判断来进行回溯。
因为是递归写法，我们只需要一层循环，这个循环是遍历列，行直接交给递归。
令k=1，一层循环是i=1,i<=n,i++。这里假设n=原问题的规模。
下面我们来思考约束条件的代码编写。

如果我们选择了第二行第二列投放一个点。

它的约束条件就是这样的。图中的X是不能摆放的位置

下面我们要摆放下一个皇后的位置，我们知道下一个皇后的位置是要下一行t摆放。如果摆放到这个位置(第三行第四列)

我们要让i从行号1到摆放位置的行号-1的进行检测

检测什么？检测要摆放的点是否是处在其他皇后斜线位置。大家知道同一行的位置不需要考虑，因为在摆放了一个皇后之后，必然要递归到下一行，所以不用考虑同一行位置；而对于同一列，我们只需要判断前面摆放的位置，与t行的列是否一致就可以了。

而对于斜线是不好考虑的。
因此我们需要检测

第一行的斜线位置与第二行斜线位置怎么判断？
我们再看图

先讲清楚啊，i<行号，因为这个i是要追踪前几个皇后的位置的。
比如说这个图中的X的位置
我们令O的位置是n列，n-标记为X的列是不是1。即i=2时,在第二行,当然也表示了第二个红方块，O与X在列上是差了1的位置。如果是i=1时呢

结合图能分析出O的与X在列上是差了2的位置。那么我如果摆放到了X。是不是可以列出
i-row=O与X列差的值
什么意思？
我们令queen[k]=j：记录第k行中皇后摆放到了第j列的位置上了。
我们在第row行，line列上能否摆皇后，是不是可以列
|queen[i]-line|=|i-row|
你去想啊，要处理斜线位置，一个皇后在就近1行是不是要错开1列放X(X是不能摆放)，在相距两行上，是不是要错开2列摆放X。|queen[i]-line|是不是第i个皇后与要摆放的皇后的列距；而i-row正好是第i个的皇后与要摆放的皇后的行距

大家再思考，在n阶正方形中第i个皇后与要摆放的皇后的列距=第i个的皇后与要摆放的皇后的行距，即处于一种对角线上。

这就是判断对角线的方法。

在摆放第k行的时候要先判断是否摆放有效。如果k行的每一格子都无效，那么就回溯到上一行的后面的列进行寻找

下面上代码

public static int count=0;  //计算问题的解
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		int k=4;
		int queen[]=new int[k+1];  //存储女王位置
		ReBackNQueen(queen, 1);
		if(count==0)
			System.out.println(k+"皇后问题有0个解");
	}

	//递归法解n皇后问题
	public static void ReBackNQueen(int queen[],int k) {
		if(queen.length==1)
			return;
		if(k==queen.length) {
			count++;
			print(count,queen);
		}
		else {
			for(int i=1;i<queen.length;i++) {
				//判断是否在k行i列摆放皇后
				if(Find(k,i,queen)) {
					queen[k]=i;
					ReBackNQueen(queen, k+1);
				}
			}
		}
	}
	
	//判断在第row行，第line列上是否可以摆皇后
	public static Boolean Find(int row,int line,int queen[]) {
		for(int i=1;i<row&&i<queen.length;i++)
			if(queen[i]==line||Math.abs(queen[i]-line)==Math.abs(i-row))
				return false;
	return true;
	}
	
	//输出n皇后问题
	public static void print(int count,int queen[]) {
		System.out.println("第"+count+"个解：");
		for(int i=1;i<queen.length;i++) 
		{
			for(int j=1;j<queen.length;j++)
				if(queen[i]==j)
					System.out.print("O"+"     ");
				else
					System.out.print("X"+"     ");
			System.out.println();
		}
		System.out.println();
	}

下面看一下迭代法

迭代法

迭代就是两层while循环，首先判断是否有效，无效就列标+1；如果k行的每一格子都无效，那么就回溯到上一行的后面的列进行寻找。如果是在第一行中所有格子都已遍历完，则直接退出循环即可。如果来到了叶子结点，那么就找到了原问题的一个解。

我们可以根据这个思路来编写代码

public static int count=0;  //计算问题的解
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		int k=4;
		int queen[]=new int[k+1];  //存储女王位置
		ReBackNQueen2(queen);
		if(count==0)
			System.out.println(k+"皇后问题有0个解");
	}

//判断在第row行，第line列上是否可以摆皇后
	public static Boolean Find(int row,int line,int queen[]) {
		for(int i=1;i<row&&i<queen.length;i++)
			if(queen[i]==line||Math.abs(queen[i]-line)==Math.abs(i-row))
				return false;
	return true;
	}
	
	//输出n皇后问题
	public static void print(int count,int queen[]) {
		System.out.println("第"+count+"个解：");
		for(int i=1;i<queen.length;i++) 
		{
			for(int j=1;j<queen.length;j++)
				if(queen[i]==j)
					System.out.print("O"+"     ");
				else
					System.out.print("X"+"     ");
			System.out.println();
		}
		System.out.println();
	}
	
	//用迭代的思想求解n皇后问题
	public static void ReBackNQueen2(int queen[]) {
		int i=1,j=1;
		if(queen.length==1)
			return;
		while(i<queen.length) {
			while(j<queen.length) {
				if(Find(i, j, queen)) {  //判断第i行，第j列能否摆放皇后
					queen[i]=j;
					j=1;  //让j回归到1,即从下一行的第一列寻找
					i++;  //遍寻下一行的位置
					break;  //中断内层循环，寻找下一行
				}
				else
					j++;  //如果摆不了，那就寻找下一列
			}
			
			if(j==queen.length) { //列超过了范围，那就说明这一行没有位置可摆，那就退回到上一行，同时j=0
				if(i==1)  //如果这已经是第1行了，则所有情况都已经考虑完毕了。直接退出循环
					break;
				else {
					i--;
					j=queen[i]+1;
					continue;
				}
			}
			if(i==queen.length) {  //如果i超过了范围，则已经找到了此时的一个解，将其输出
				count++;
				print(count, queen);
				//输出后，再让i退回到queen.length-2行，j进入在queen.length-2这一行中的下一列
				i=queen.length-2;
				j=queen[i]+1;
				continue;
			}
		}
	}

下面对n皇后问题进行分析

n皇后问题进行分析

我们再上边已经说了，n叉树的时间复杂度是根据n叉树因为是n个点，每个点又分出了n个叉。所以时间复杂度就是O(n^n)。和蛮力法的时间复杂度是一样的，但是由于回溯法有预判能力，所以比蛮力法好点儿。

          反以观往，覆以验来；反以知古，覆以知今；反以知彼，覆以知己。《鬼谷子·反应》