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2n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。