算法分析与设计CH5回溯法

qq_45764502

于 2021-11-30 22:35:13 发布

阅读量507

点赞数

文章标签：算法深度优先

本文链接：https://blog.csdn.net/qq_45764502/article/details/121641700

版权

思维导图

回溯算法思想及框架

1. 结点

活结点：一个自身已生成但其儿子还没有全部生成的结点称作活结点
死结点：一个所有儿子已经产生的结点
扩展结点：一个正在生成儿子的结点

2.深度优先

如果对一个扩展结点R，一旦产生了一个儿子C，就把C当作新的扩展结点，R变成活结点。在完成对子树C（以C为根的子树）的穷尽搜索之后，将R重新变成扩展结点，继续生成R的下一个儿子（如果存在），若R的所有儿子结点都已产生，R变成死结点

3.回溯法

当需要找出问题的解集或者要求满足某些约束条件的最优解，常使用回溯法；回溯法的基本方法就是搜索，是一种组织井井有条的，能避开不必要搜索的穷举式搜索法；适用于解一些组合数相当大的问题
回溯法在问题的解空间树中，按深度优先策略，从根结点出发搜索整个解空间树；算法搜索至解空间树的任意一点时，先判断该结点是否包含问题的解：不包含，跳过，继续该结点兄弟结点的搜索；否则进入子树，继续按深度优先策略搜索
类似于树的深度遍历，但是有本质区别（数据结构中树的深度遍历方法，先创建树，再深度遍历）
问题的解向量：回溯法希望一个问题的解能够表示成一个n元组(x1,x2,...xn)
显约束：对分量xi的取值限定
隐约束：为满足问题的解而对不同分支施加约束
解空间的组织形式：子集树（所给问题是从N个元素的集合S中找出满足某种性质的子集），排列树（所给问题时确定n个元素满足某种性质的排列）
在搜索过程中动态产生问题的解空间树，即边搜索边扩展分支；在任何时刻，算法中只保存从根结点到当前扩展结点的路径。解空间树从根结点到叶结点的最长路径的长度为h(n)，则回溯法所需的计算空间通常为O(h(n)),存储整个解空间子集树需要O(2^h(n)),排列树需要O(h(n)!)的内存空间。
4.递归回溯算法框架

参数t表示递归深度，即当前扩展结点在解空间树中的深度。n用来控制递归深度，当t>n时，算法已搜索到叶结点。此时，由Output(x)记录或输出得到的可行解x。算法 backtrack 的for循环中f(n, t)和g(n, t)分别表示在当前扩展结点处未搜索过的子树的起始编号和终止编号。h(i)表示在当前扩展结点处x[t]的第i个可选值。Constraint(t)和Bound(t)表示在当前扩展结点处的约束函数和限界函数。Constraint(t)返回的值为true时，在当前扩展结点处x[1:t]的取值满足问题的约束条件，否则不满足问题的约束条件，可剪去相应的子树。Bound(t)返回的值为true时，在当前扩展结点处x[1:t]的取值未使目标函数越界，还需由Backtrack(t+1)对其相应的子树做进一步搜索。否则，当前扩展结点处x[1:t]的取值使目标函数越界，可剪去相应的子树。执行了算法的for循环后，已搜索遍当前扩展结点的所有未搜索过的子树。Backtrack(t)执行完毕，返回t-1层继续执行，对还没有测试过的x[t-1]的值继续搜索。当t=1时，若已测试完x[1]的所有可选值，外层调用就全部结束。显然，这一搜索过程按深度优先方式进行。调用一次Backtrack(1)即可完成整个回溯搜索过程。

5.迭代回溯算法框架

6.子集树与排列树的回溯算法框架

适用条件

基本步骤

1.（简洁版）针对所给问题，定义问题的解空间；

2.确定易于搜索的解空间结构（树）；

3.以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索

常用剪枝函数：用约束函数在扩展结点处剪去不满足约束的子树；用限界函数剪去得不到最优解的子树

例题

1.n后问题

问题描述：在n*n格的棋盘上放置彼此不受攻击的n个皇后。按照国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。n后问题等价于，在n*n格的棋盘上放置n个皇后，任何2个皇后不放在同一行或同一列或同一斜线上。以4叉树为例
问题的解空间树及关键代码（n叉树）

排列树

2.01背包问题

问题描述：现有 N NN 件物品和一个容量为 C CC 的背包。放入第 i ( 1 … N ) 件物品耗费的空间是 w i ，得到的价值是 v i 。求解将哪些物品装入背包可使价值总和最大。
解向量：n维0-1向量<x1,x2,...xn>,xi=1表示物品i选入背包
解空间状态树：0-1取值的二叉树（子集树），有2^n片树叶
可行性约束条件：
限制函数：一般分数背包问题的贪心

部分核心代码：

//回溯函数
void backtrack(int i){
    doublebound(int i);
    if(i>n){
       bestp=cp;
       return;
    }
    if(cw+w[i]<=c){
       cw+=w[i];
       cp+=v[i];
       put[i]=1;
       backtrack(i+1);
       cw-=w[i];
       cp-=v[i];
    }
    if(bound(i+1)>bestp)//符合条件搜索右子数
        backtrack(i+1);
}
//计算上界函数
double bound(int i){
    doubleleftw= c-cw;
    double b =cp;
    while(i<=n&&w[i]<=leftw){
       leftw-=w[i];
       b+=v[i];
       i++;
    }
    if(i<=n)
       b+=v[i]/w[i]*leftw;
    returnb;
}

3.装载问题

问题描述：一批集装箱共n个要装上2艘载重量分别为c1和c2的轮船，其中集装箱i的重量为Wi且W1+W2+……+Wn<=c1+c2;试确定一个合理的装载方案使这n个集装箱装上这两艘轮船。
解向量：x{1,2,...n},x1=1表示装入到c1集装箱
解空间状态树：子集树
可行性约束条件： $\sum_{t=1}^{i}wtxt\leq c1$
上界函数（右分支）：当前载重量cw+剩余集装箱的量r<=当前最优载重量bestw
最优装载方案：首先将第一艘轮船尽可能装满；将剩余的集装箱装上第二艘轮船
部分核心代码：

void backtrack(int i){//搜索第i层结点 
	if(i>n){//到达叶结点 
		更新最优解bestx,bestw;
		return ; 
	}
	r -= w[i];//r初值为全部集装箱重量之和 
	if(cw+w[i]<=c){//搜索左子树 
		x[i]=1;
		cw += x[i];
		backtrack(i+1);
		cw -= w[i];
	} 
	if(cw+r>bestw){//搜索右子树 
		x[i]=0;
		backtrack(i+1);
	}
	r += w[i];
}

4.图的着色问题

问题描述：给定无向连通图G和m种不同的颜色。用这些颜色为图G的各顶点着色，每个顶点着一种颜色。如果有一种着色法使G中每条边的2个顶点着不同颜色，则称这个图是m可着色的。图的m着色问题是对于给定图G和m种颜色，找出所有不同的着色法。
解向量：(x1,x2,...,xn)表示顶点i所着颜色xi
可行性约束条件：顶点i与已着色的相邻顶点颜色不重复
注意：在邻接图g[][]中，g[i][j]=g[j][i]

部分核心代码：

void backtrack(int t){//搜索第i层结点 
	if(i>n){
		sum++;
	}
	else{
		for(int i=1; i<=m; i++){
			x[t]=i;
		}
		if(ok(t)) backtrack(t+1);
	}
}
boolean ok(int k){//检查颜色可用性 
	for(int j=1; j<k; j++){
		if(a[k][j] && (x[j]==x[k])) return false;
	}
	return true;
}

5.旅行售货员问题

有n个城市，找从一个城市出发走遍n个城市的最短回路问题
解向量：{x1,x2,...,xn},xi表示走的第i个城市是xi
解空间树：排列树
约束条件：存在点k-1到当前搜索点k的通路，并且加上到k的路径长度小于当前最短路径长度

部分核心代码：

void dfs(int k){
	if(k>n){ 
        if(g[x[n]][1]!=rmax && c+g[x[n]][1]<bestc){
            for(int i=2; i<=n; i++){
				bestx[i]=x[i];
		    }
			bestc=c+g[x[n]][1]; 
		}
		return ;
	}
	else{
		for(int i=k; i<=n; i++){//是否可以进入x[i]子树
			if(g[x[k-1]][x[i]]!=rmax && (c+g[x[k-1]][x[i]]<bestc)){
				swap(x[k],x[i]);
				c=c+g[x[k-1]][x[k]];
				dfs(k+1);
				c=c-g[x[k-1]][x[k]];
				swap(x[k],x[i]);
			}
		}
	}
}

6.最大团问题

问题描述：给定无向图G=(V,E)，其中V是顶点集；E是V边集。如果U属于V，且对任意两个顶点u，v∈U有(u,v)∈E，则称U是G的完全子图。G的完全子图U是G的一个团当且仅当U不包含在G的更大的完全子图中。G的最大团是指G中所含顶点数最多的团。如果U属于V，且对任意u，v∈U有(u,v)不属于E，则称U是G的空子图。G的空子图U是G的独立集当且仅当U不包含在G的更大的空子图中。G的最大独立集是G中所含顶点数最多的独立集。对于任一无向图G=(V,E)，其补图G'=(V',E')定义为：V'=V，且(u,v)∈E'当且仅当(u,v)∉E。如果U是G的完全子图，则它也是G'的空子图，反之亦然。因此，G的团与G'的独立集之间存在一一对应的关系。特殊地，U是G的最大团当且仅当U是G'的最大独立集。
解向量：x{1,...i}
解空间：子集树
可行性约束条件：顶点i到已选入的顶点集中每一个顶点都有边相连
上界函数：有足够多的可选择顶点使得算法有可能在右子树中找到更大的团

部分核心代码：

void Backtrack(MCP &G,int i){
    if (i>G.v){        //output()阶段
        for (int j=1; j<=G.v; j++)
            G.bestx[j] = G.x[j];    //记录最优解
        G.bestn =G.cnum;
        return ;
    }
    //检查顶点i与当前团的连接
    int OK = 1;
    for (int j=1; j<=i ; j++)
        if (G.x[j]&& G.a[i][j]==0){        //G.x[j]:顶点j在当前解的最大团内；G.a[i][j]:待考察i顶点与最大团中前i-1个顶点间边的关系
            //i不与j相连
            OK = 0;
            break;
        }
        if (OK) {        //进入左子树
            G.x[i] = 1;//把i加入团
            G.cnum++;
            Backtrack(G,i+1);
            G.x[i]=0;
            G.cnum-- ;
        }
        if (G.cnum+G.v- i>G.bestn){        //进入右子树——剪枝函数
            G.x[i] = 0;
            Backtrack(G,i+1);
        }
}

回溯算法的效率的影响因素

产生x[k]的时间；满足显约束的x[k]的个数；计算约束函数的时间；计算上界的时间；满足约束条件和上界函数约束的所有x[k]的个数

qq_45764502

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
算法分析与设计CH5回溯法

目录思维导图回溯算法思想及框架适用条件基本步骤例题回溯算法的效率的影响因素思维导图回溯算法思想及框架1. 结点活结点：一个自身已生成但其儿子还没有全部生成的结点称作活结点死结点：一个所有儿子已经产生的结点扩展结点：一个正在生成儿子的结点2.深度优先如果对一个扩展结点R，一旦产生了一个儿子C，就把C当作新的扩展结点，R变成活结点。在完成对子树C（以C为根的子树）的穷尽搜索之后，将R重新变成扩展结点，继续生成R的下一个儿子（如果存在），若R的所...
复制链接

扫一扫