回溯法_回溯法剪枝函数-CSDN博客

本文链接：https://blog.csdn.net/sdgihshdv/article/details/71558057

一. 回溯法 – 深度优先搜素

1. 简单概述

回溯法思路的简单描述是：把问题的解空间转化成了图或者树的结构表示，然后使用深度优先搜索策略进行遍历，遍历的过程中记录和寻找所有可行解或者最优解。

基本思想类同于：

图的深度优先搜索
二叉树的后序遍历

【

分支限界法：广度优先搜索

思想类同于：图的广度优先遍历

二叉树的层序遍历

】

2. 详细描述

详细的描述则为：

回溯法按深度优先策略搜索问题的解空间树。首先从根节点出发搜索解空间树，当算法搜索至解空间树的某一节点时，先利用剪枝函数判断该节点是否可行（即能得到问题的解）。如果不可行，则跳过对该节点为根的子树的搜索，逐层向其祖先节点回溯；否则，进入该子树，继续按深度优先策略搜索。

回溯法的基本行为是搜索，搜索过程使用剪枝函数来为了避免无效的搜索。剪枝函数包括两类：1. 使用约束函数，剪去不满足约束条件的路径；2.使用限界函数，剪去不能得到最优解的路径。

问题的关键在于如何定义问题的解空间，转化成树（即解空间树）。解空间树分为两种：子集树和排列树。两种在算法结构和思路上大体相同。

3. 回溯法应用

当问题是要求满足某种性质（约束条件）的所有解或最优解时，往往使用回溯法。

它有“通用解题法”之美誉。

二. 回溯法实现 - 递归和递推（迭代）

回溯法的实现方法有两种：递归和递推（也称迭代）。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。
【类比于图深度遍历的递归实现和非递归（递推）实现】

1. 递归

思路简单，设计容易，但效率低，其设计范式如下：

    //针对N叉树的递归回溯方法  
    void backtrack (int t)  
    {  
    <span style="white-space:pre">  </span>if (t>n) output(x); //叶子节点，输出结果，x是可行解  
    <span style="white-space:pre">  </span>else  
    <span style="white-space:pre">      </span>for i = 1 to k//当前节点的所有子节点  
    <span style="white-space:pre">      </span>{  
    <span style="white-space:pre">          </span>x[t]=value(i); //每个子节点的值赋值给x  
    <span style="white-space:pre">          </span>//满足约束条件和限界条件  
    <span style="white-space:pre">          </span>if (constraint(t)&&bound(t))   
    <span style="white-space:pre">          </span>backtrack(t+1);  //递归下一层  
    <span style="white-space:pre">      </span>}  
    }<span style="font-family:SimHei;">  
    </span>

2. 递推

算法设计相对复杂，但效率高。

    //针对N叉树的迭代回溯方法  
    void iterativeBacktrack ()  
    {  
        int t=1;  
        while (t>0) {  
            if(ExistSubNode(t)) //当前节点的存在子节点  
            {  
                for i = 1 to k  //遍历当前节点的所有子节点  
                {  
                    x[t]=value(i);//每个子节点的值赋值给x  
                    if (constraint(t)&&bound(t))//满足约束条件和限界条件   
                    {  
                        //solution表示在节点t处得到了一个解  
                        if (solution(t)) output(x);//得到问题的一个可行解，输出  
                        else t++;//没有得到解，继续向下搜索  
                    }  
                }  
            }  
            else //不存在子节点，返回上一层  
            {  
                t--;  
            }  
        }  
    }

三. 子集树和排列树

1. 子集树

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。
如0-1背包问题，从所给重量、价值不同的物品中挑选几个物品放入背包，使得在满足背包不超重的情况下，背包内物品价值最大。它的解空间就是一个典型的子集树。

回溯法搜索子集树的算法范式如下：

    void backtrack (int t)  
    {  
      if (t>n) output(x);  
        else  
          for (int i=0;i<=1;i++) {  
            x[t]=i;  
            if (constraint(t)&&bound(t)) backtrack(t+1);  
          }  
    }<span style="font-family:SimHei;">  
    </span>

2. 排列树

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。
如旅行售货员问题，一个售货员把几个城市旅行一遍，要求走的路程最小。它的解就是几个城市的排列，解空间就是排列树。
回溯法搜索排列树的算法范式如下：

    <span style="font-size:18px;">void backtrack (int t)  
    {  
      if (t>n) output(x);  
        else  
          for (int i=t;i<=n;i++) {  
            swap(x[t], x[i]);  
            if (constraint(t)&&bound(t)) backtrack(t+1);  
            swap(x[t], x[i]);  
          }  
    } </span><span style="font-family:SimHei;font-size:24px;">  
    </span>

四. 经典问题

（1）装载问题
（2）0-1背包问题
（3）旅行售货员问题
（4）八皇后问题
（5）迷宫问题
（6）图的m着色问题

1. 0-1背包问题

问题：给定n种物品和一背包。物品i的重量是wi，其价值为pi，背包的容量为C。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大?
分析：问题是n个物品中选择部分物品，可知，问题的解空间是子集树。比如物品数目n=3时，其解空间树如下图，边为1代表选择该物品，边为0代表不选择该物品。使用x[i]表示物品i是否放入背包，x[i]=0表示不放，x[i]=1表示放入。回溯搜索过程，如果来到了叶子节点，表示一条搜索路径结束，如果该路径上存在更优的解，则保存下来。如果不是叶子节点，是中点的节点（如B），就遍历其子节点（D和E），如果子节点满足剪枝条件，就继续回溯搜索子节点。

    #include <stdio.h>  
       
    #define N 3         //物品的数量  
    #define C 16        //背包的容量  
       
    int w[N]={10,8,5};  //每个物品的重量  
    int v[N]={5,4,1};   //每个物品的价值  
    int x[N]={0,0,0};   //x[i]=1代表物品i放入背包，0代表不放入  
       
    int CurWeight = 0;  //当前放入背包的物品总重量  
    int CurValue = 0;   //当前放入背包的物品总价值  
       
    int BestValue = 0;  //最优值；当前的最大价值，初始化为0  
    int BestX[N];       //最优解；BestX[i]=1代表物品i放入背包，0代表不放入  
       
    //t = 0 to N-1  
    void backtrack(int t)  
    {  
        //叶子节点，输出结果  
        if(t>N-1)   
        {  
            //如果找到了一个更优的解  
            if(CurValue>BestValue)  
            {  
                //保存更优的值和解  
                BestValue = CurValue;  
                for(int i=0;i<N;++i) BestX[i] = x[i];  
            }  
        }  
        else  
        {  
            //遍历当前节点的子节点：0 不放入背包，1放入背包  
            for(int i=0;i<=1;++i)  
            {  
                x[t]=i;  
       
                if(i==0) //不放入背包  
                {  
                    backtrack(t+1);  
                }  
                else //放入背包  
                {  
     <span style="white-space:pre">             </span>//约束条件：放的下  
                    if((CurWeight+w[t])<=C)  
                    {  
    <span style="white-space:pre">                  </span>CurWeight += w[t];  
                        CurValue += v[t];  
                        backtrack(t+1);  
                        CurWeight -= w[t];  
                        CurValue -= v[t];  
                    }  
                }  
            }  
            //PS:上述代码为了更符合递归回溯的范式，并不够简洁  
        }  
    }  
       
    int main(int argc, char* argv[])  
    {  
        backtrack(0);  
       
        printf("最优值：%d\n",BestValue);  
       
        for(int i=0;i<N;i++)  
        {  
           printf("最优解：%-3d",BestX[i]);  
        }  
        return 0;  
    }