回溯法(Backtracking)

回溯法

回溯法概念

回溯算法有“通用的解题法”之称。用它可以系统地搜索一个问题的所在解或任一解。回溯法是一个即带有系统性又带有跳跃性的所搜算法。

回溯法思想

在包含问题的所有解的解空间树中,按照深度优先搜索的策略,从根结点出发深度探索解空间树。当探索到某一结点时,要先判断该结点是否包含问题的解,如果包含,就从该结点出发继续探索下去,如果该结点不包含问题的解,则逐层向其祖先结点回溯。(其实回溯法就是对隐式图的深度优先搜索算法)。

若用回溯法求问题的所有解时,要回溯到根,且根结点的所有可行的子树都要已被搜索遍才结束。

而若使用回溯法求任一个解时,只要搜索到问题的一个解就可以结束。

回溯法解题步骤

用回溯法解题通常包含以下3个步骤:
1. 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
3. 以深度优先方式所搜解空间,并在搜索过程中用剪枝函数避免无效搜索。

回溯算法一般框架

int solution[MAX_DIMENSION];    //多维度解
void backtrack(int dimension)
{
    /*检验当前维度数组是否是一个解*/
    if ( solution[] is well-generated )
    {
        check and record solution;
        return;
    }

    /* 列举当前维度的所有取值的情况,并且进入到下一维度*/
    for ( x = each value of current dimension )
    {
        solution[dimension] = x;
        backtrack( dimension + 1 );
    }
}
backtrack( [v1,...,vn] )    // [v1,...,vn]是多维度数值
{
    /*检验当前多维度数值是不是一个解*/
    if ( [v1,...,vn] is well-generated )
    {
        if ( [v1,...,vn] is a solution ) process solution;
        return;
    }

    /* 列举当前维度的所有取值的情况,并且进入到下一维度*/
    for ( x = possible values of vn+1 )
        backtrack( [v1,...,vn, x] );
}

使用回溯法解决排列问题

Question: 列出 {0,1,2,3,4} 所有的排列

int solution[5];
bool use[5] = {false};

void backtrack(int n) {
    if (n == 5) {
        //processing solution
        for(int i = 0; i < n; ++i)
            cout << solution[i] << " ";
        cout << endl;
        return;
    } else
    {
        //列举{0,1,2,3,4}所有可能的值
        for (int i = 0; i < 5; ++i) {
            if (!use[i]) {
                use[i] = true;
                solution[n] = i;
                backtrack(n+1); //进入到下一个维度
                use[i] = false;
            }
        }
    }
}

int main()
{
    backtrack(0);
    return 0;
}

Question: 列举abb所有不相同的排列
首相我们先来写abc所有的排列算法。而abc的排列算法与上面的问题是一样的,稍微进行修改就可。这里我们将不再使用全局数组solution来保存结果。

void backtrack(const vector<char> &num, vector<bool> use,
                  vector<char> solution)
{
    if (solution.size() == 3) {  //注意本列中abb排列的结果维度为3
        for(const auto e : solution)
            cout << e << " ";
        cout << endl;
        return;
    }else {
        for(int i = 0; i < num.size(); ++i) {
            if (!use[i]) {
                use[i] = true;
                solution.push_back(num[i]);
                backtrack(num, use, solution);
                solution.pop_back();
                use[i] = false;
            }
        }
    }
}

如果直接使用上面的程序进行abb排列,则输出结果为

a b c
a c b
b a c
b c a
c a b
c b a

会出现这个情况,是因为上面的程序中认为输入的字符数组中没有相同的字符,即使有相同的字符也会当成不同对待。因此才会出现相同的排列的情况。为了避免重复的排列,我们首先对输入的字符进行排序,使得相同的字符连续出现。然后使用一个标记位来标记上一次出现的字符。

void backtrack(const vector<char> &num, vector<bool> use,
                  vector<char> solution)
{
    if (solution.size() == 3) { 
        for(const auto e : solution)
            cout << e << " ";
        cout << endl;
        return;
    }else {
        char prevChar = '\0';
        for(int i = 0; i < num.size(); ++i) {
            if (!use[i] && prevChar != num[i]) {
                prevChar = num[i];
                use[i] = true;
                solution.push_back(num[i]);
                backtrack(num, use, solution);
                solution.pop_back();
                use[i] = false;
            }
        }
    }
}

使用回溯法解决子集合问题

Question : 给定一个没有重复元素的数组nums,求它所有的子集合.
LeetCode Subsets
例如 nums = [1,2,3]的子集合为:
[
[3],
[1],
[2],
[1,2,3],
[1,3],
[2,3],
[1,2],
[]
]

class Solution {
public:
    vector<vector<int>> subsets(vector<int>& nums) {
        vector<vector<int>> solution;
        vector<int> subset;
        backtrack(nums, 0, subset, solution);
        return solution;
    }
private:
    void backtrack(vector<int> &nums, int start, 
        vector<int> &subset, vector<vector<int>> &solution) {

        solution.push_back(subset);
        for (int i = start; i < nums.size(); ++i) {
            subset.push_back(nums[i]);
            backtrack(nums, i+1, subset, solution);
            subset.pop_back();
        }
    }
};

Question : 接着上一个问题,如果输入数组中可能有重复的元素,求所有不相同的子集合
LeetCode Subsets II
与上面求abb所有的排列类似,在有相同元素时,首先对元素进行排序,然后使用标志位来记录上一次的取值。

class Solution {
public:
    vector<vector<int>> subsetsWithDup(vector<int>& nums) {
        sort(nums.begin(), nums.end()); //首先对数组进行排序
        vector<vector<int>> solution;
        vector<int> subset;
        backtrack(nums, 0, subset, solution);
        return solution;
    }
private:
    void backtrack(vector<int> &nums, int start, vector<int> &subset, vector<vector<int>> &solution) {
        solution.push_back(subset);
        int prevNum = INT_MAX;
        for (int i = start; i < nums.size(); ++i) {
            if (nums[i] != prevNum) {
                prevNum = nums[i];
                subset.push_back(nums[i]);
                backtrack(nums, i+1, subset, solution);
                subset.pop_back();
            }
        }
    }
};

reference

计算机算法设计与分析(第三版) 王晓东 编著
回溯法笔记
五大常用算法之四:回溯法

  • 9
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
以下是使用回溯算法解决货郎问题的Python示例代码: ```python import sys # 计算两个城市之间的距离 def distance(city1, city2): # 这里假设city1和city2是城市的坐标,可以根据实际情况进行修改 return abs(city1[0] - city2[0]) + abs(city1[1] - city2[1]) # 回溯函数 def tsp_backtracking(cities, current_path, current_cost, best_path, best_cost, visited): # 如果已经访问了所有城市,且当前路径的总距离更小,则更新最优路径和最优距离 if len(current_path) == len(cities): if current_cost < best_cost: best_path[:] = current_path[:] best_cost[0] = current_cost return # 遍历所有未访问的城市 for i in range(len(cities)): if not visited[i]: # 更新当前路径和总距离 current_path.append(cities[i]) current_cost += distance(current_path[-2], current_path[-1]) if len(current_path) > 1 else 0 visited[i] = True # 递归调用回溯函数 tsp_backtracking(cities, current_path, current_cost, best_path, best_cost, visited) # 回溯,恢复状态 visited[i] = False current_cost -= distance(current_path[-2], current_path[-1]) if len(current_path) > 1 else 0 current_path.pop() # 主函数 def tsp(cities): # 初始化最优路径和最优距离 best_path = [] best_cost = [sys.maxsize] # 初始化当前路径、当前距离和访问状态 current_path = [] current_cost = 0 visited = [False] * len(cities) # 从第一个城市开始回溯 current_path.append(cities[0]) visited[0] = True # 调用回溯函数 tsp_backtracking(cities, current_path, current_cost, best_path, best_cost, visited) return best_path, best_cost[0] # 示例用法 cities = [(0, 0), (1, 2), (3, 1), (2, 3), (4, 4)] best_path, best_cost = tsp(cities) print("Best path:", best_path) print("Best cost:", best_cost) ``` 这段代码使用回溯算法来解决货郎问题。它通过枚举所有可能的路径,并使用剪枝策略来减少不必要的计算。最终找到最短路径和最短距离。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值