国科大算法分析与设计 陈玉福_算法分析与设计之-搜索策略

搜索策略是算法分析与设计中很常见的一种算法思想，特别是对于很多多项式时间内无法解决的问题，即NP-完全问题。而通常这些实际应用中的NP-完全问题都具有比较小的输入规模，此时一种很自然的想法是穷举问题的解空间，从中找出问题的解。

这篇文章会讲解常用的深度优先搜索、广度优先搜索、分支界限搜索、A*搜索等。

1. 深度优先搜索

深度优先搜索说白了就是一直走到头，直到找到最优解。算法基本思想如下：

关于深度优先搜索可以用栈来实现，也可以用递归来实现。

可以参考图的深度优先搜索代码。

2. 广度优先搜索

广度优先搜索说白了就是每一步得走遍所有可能的点，直到找到最优解法 。

关于广度优先搜索，可以用队列来实现，可以参考图的广度优先搜索算法。

3. 爬山法-优化的深度优先搜索

在深度优先搜索的过程中，我们经常遇到多个节点可以扩展的情况，首先扩展哪个？爬山法是一种优化的深度优先搜索，使用启发式测度来排序节点扩展的顺序、使用贪心思想确定搜索的方向，基本思想如下：

例如在8-puzzle问题中采用爬山法的思想：

4. Best-First策略-结合深度优先搜索和广度优先搜索

Best-First策略是根据一个评价函数

，在目前产生的所有节点中选择具有最小评价函数值的节点进行扩展。它结合了

深度优先搜索和 广度优先搜索的优点，具有 全局化观念，而爬山法仅仅具有局部优化观念。

同样用8-Puzzle例子来说明，评价函数用的是

，其中

表示节点

中处于错误位置的方块数，

可以看到Best-First策略使用堆来选择每次扩展的节点，不像爬山法只是一个带贪心思想的深度优先搜索，Best-First策略融合了深度优先和广度优先的优点！

5.分支界限搜索

分支界限搜索的基本思想是用某种策略(比如爬山发、Best-First策略)产生分支，发现优化解的一个界限，缩小解空间，从而提高求解的效率。说白了就是剪枝呗！

例如使用分支界限搜索来求解多阶段图的例子：

例1:多阶段图的搜索问题：

首先将问题转化为树搜索问题，

接受使用爬山发策略进行分支界限搜索：

例2:人员任务分配问题。该问题定义如下：

将该问题转化为树的搜索问题，问题的解空间是一个拓扑排序。如下是拓扑排序算法的定义，

该问题的解空间是所有拓扑排序的序列集合，每个序列对于一个可能的解。将问题的解用树表示如下：

该拓扑序列树的生成算法伪代码如下：

接下来需要计算解的代价的下界：

例如：

由此得到解的加权树表示如下：

使用爬山法策略进行分支界限搜索算法如下：

例3:旅行商问题

旅行商问题定义如下：

将该连通图用矩阵表示如下，即代价矩阵

：

为了方便，将该问题转化为一个树搜索问题(个人反倒觉得这个地方技巧性很强)：

构造根节点，其为包含所有点的解集合，其权值为代价下界，计算代价下界如下：

代价下界为：

.

变换后的代价矩阵为：

每次划分的时候，选择这样的边，满足：

即选择使子节点代价下界增加最大的那个划分边，以此来构造根节点的两个子节点，左子节点为包括该边的所有解的集合，右子节点为不包含该边的所有解的集合。

例如对于根节点，

计算使得左子树代价增长为0时，右子树代价下界的增长值

，选择代价下界增长最大的那条边：

所以选择边

，此时树变为：

计算左右子节点的代价下界（私以为这一步有点多余）：

此时树变为：

接着就是递归的构造左右子树了！

首先构造左子树对应的代价矩阵：

计算左子树的根的代价下界：

构造右子树根对应的代价矩阵：

以此类推，一直往下扩展，最后集合为空找到最优解！

另外注意搜索过程中避免出现环的问题：

例4:0-1背包问题

考虑到用搜索的方法，那么怎么将问题表示成树搜索问题呢？

扩展每个节点的时候计算节点的下、上界：

分支界限搜索寻找最优解：

例如下面构造0-1背包问题的搜索实例：

第一个物品的取舍：

树变为：

第二个物品的取舍：

树变成：

依次类推，第三个物品的取舍，得到的树为(灰色表示剪枝的)：

故，最终的最优解为220.

6.A*算法

A*算法是利用启发式函数、Best-first策略进行搜索从而更早的发现优化解的一种算法，它的核心告诉我们在某些情况下得到的解一定是最优解，算法可以停止！与分支界限不同的是：分支界限是为了剪掉不能达到优化解的分支。

A*算法的关键是启发式函数的选取！对于任意一个节点

，我们有：

• = 从树根到
  的代价
• = 从
  到目标节点的优化路径的代价
• 是节点
  的代价

上述式子中

好理解，可是

怎么计算呢？一般的，可以使用某种方法来估计

，用

表示

的估计，

使得

总为真

，通常把

叫做

启发式函数。

为什么要保证

的估计规则呢？这个其实和A*算法的本质有关！

A*算法的本质-已经发现的解是优化解！说白了当使用Best-first策略搜索树的时候，如果A*算选择的节点是目标节点，那么该节点表示的解就是优化解，算法可以停止了！！！

具体看下面的证明：

因此，总结A*算法的规则如下：

例子：应用A*算法求解最短路径问题-求S->T的最短路径

算法执行过程如下：

所以接下来扩展

，

接下来扩展

，

接下来扩展

，

接下来扩展

，

接下来扩展

，

接下来扩展

，

这里细心的话会发现

节点扩展了两次，也就是说将节点添加到list中的时候，需不需要比较两个重复添加的节点的代价保留小的那个，也就是“剪枝”一下？有点疑惑，A*算法中剪枝策略是不是必须的？

另外又有一个用漫画的形式来讲解的A*算法很是形象生动，参考

漫画：什么是 A* 寻路算法？​mp.weixin.qq.com

小结：至此，我们讲解了搜索策略中的常用的深度优先搜索、广度优先搜索和爬山法和Best-First策略、分支界限搜索以及A*算法，快快将该思想应用到你的coding中吧！

---

参考资源

【1】哈工大骆吉洲《算法分析与设计》课程PPT