java回溯法最大团问题,回溯法之最大团问题

回溯法之最大团问题

1. 问题描述

​给定无向图\(G = (V, E)\)。如果\(U \subseteq V\),且对任意\(u, v \in U\),有\((u, v) \in E\),则称\(U\)是\(G\)的完全子图。

​完全子图\(U\)是\(G\)的团\(\iff\)不包含在比\(G\)更大的完全子图中。

​\(G\)的最大团是指在\(G\)中所含顶点数最多的团。

431d292b68565fdd7b00999f306d9979.png

2.问题分析

​设当前扩展节点\(Z\)位于解空间树的第\(i\)层。在进入左子树前,必须确认从顶点\(i\)到已选入的顶点集中每个顶点都有边相连。在进入右子树前,必须确认还有足够多的可选顶点,使得算法有可能在右子树中找到更大的团。

​解空间:子集树

​可行性约束函数:\(x[j] == 1 \&\& !a[i][j]\),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:\(cn + n - i > bestn\),即以选择的结点数加上剩下的结点数需大于当前最优解的结点数

3. 代码求解

​使用变量:

/**

* a 图G的邻接矩阵

* n 图G的顶点数

* x 当前解

* bestx当前的最优解

* cn 当前顶点数

* bestn当前最大顶点数

**/

int a[MAX + 1][MAX + 1] = {

{0, 0, 0, 0, 0, 0},

{0, 0, 1, 0, 1, 1},

{0, 1, 0, 1, 0, 1},

{0, 0, 1, 0, 0, 1},

{0, 1, 0, 0, 0, 1},

{0, 1, 1, 1, 1, 0}

};

int n = MAX;

int x[MAX + 1] = {0};

int bestx[MAX + 1];

int cn;

int bestn;

​核心代码:

// i > n 表示找到当前的最优解,将路径保存到bestx数组,将顶点数保存到bestn

// 设置标志变量ok,标识可行性约束函数的结果,ok = 1即表示当前节点可以加入到结果集中

// 对于通过约束函数的结点访问其左子树,并将当前结点添加到路径中,并++结点数

// 再进行上界函数讨论,即访问结点右子树,当右子树中有足够多的结点构成更大的团时,访问右子树

void BackTrack(int i) {

if (i > n) {

for (int j = 1; j <= n; j++)

bestx[j] = x[j];

bestn = cn;

return ;

}

int ok = 1;

for (int j = 1; j < i; j++)

if (x[j] == 1 && a[i][j] == 0) {

ok = 0;

break;

}

if (ok) {

x[i] = 1;

cn++;

BackTrack(i + 1);

cn--;

}

if (cn + n - i > bestn) {

x[i] = 0;

BackTrack(i + 1);

}

}

4.完整代码

#include

#include

#define MAX 5

/**

* a 图G的邻接矩阵

* n 图G的顶点数

* x 当前解

* bestx当前的最优解

* cn 当前顶点数

* bestn当前最大顶点数

**/

int a[MAX + 1][MAX + 1] = {

{0, 0, 0, 0, 0, 0},

{0, 0, 1, 0, 1, 1},

{0, 1, 0, 1, 0, 1},

{0, 0, 1, 0, 0, 1},

{0, 1, 0, 0, 0, 1},

{0, 1, 1, 1, 1, 0}

};

int n = MAX;

int x[MAX + 1] = {0};

int bestx[MAX + 1];

int cn;

int bestn;

// i > n 表示找到当前的最优解,将路径保存到bestx数组,将顶点数保存到bestn

// 设置标志变量ok,标识可行性约束函数的结果,ok = 1即表示当前节点可以加入到结果集中

// 对于通过约束函数的结点访问其左子树,并将当前结点添加到路径中,并++结点数

// 再进行上界函数讨论,即访问结点右子树,当右子树中有足够多的结点构成更大的团时,访问右子树

void BackTrack(int i) {

if (i > n) {

for (int j = 1; j <= n; j++)

bestx[j] = x[j];

bestn = cn;

return ;

}

int ok = 1;

for (int j = 1; j < i; j++)

if (x[j] == 1 && a[i][j] == 0) {

ok = 0;

break;

}

if (ok) {

x[i] = 1;

cn++;

BackTrack(i + 1);

cn--;

}

if (cn + n - i > bestn) {

x[i] = 0;

BackTrack(i + 1);

}

}

void main() {

BackTrack(1);

printf("%d\n", bestn);

for (int i = 1; i <= n; i++)

printf("%d ", x[i]);

printf("\n");

system("pause");

}

标签:结点,最大,int,MAX,问题,当前,回溯,顶点,bestn

来源: https://www.cnblogs.com/toughtful/p/14122986.html

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最大问题是一个经典的 NP 问题回溯可以用来求解该问题回溯的基本思想是:从一个问题的可能解集合开始搜索,当发现某个候选解不满足问题的约束条件时,就返回到上一层并继续搜索其他的解。 针对最大问题,我们可以按照以下步骤进行回溯搜索: 1. 从图中任意选取一个顶点作为起点,将其标记为已访问 2. 遍历与该顶点相邻的未访问过的顶点,标记为已访问 3. 递归遍历标记过的所有顶点的相邻未访问过的顶点,并标记为已访问 4. 计算当前的大小,如果比当前最大还要大,则更新最大 5. 回溯到上一次的状态,撤销标记过的顶点,继续搜索其他的解 下面是使用 Java 语言实现回溯求解最大问题的示例代码: ```java import java.util.*; public class MaxClique { private int[][] graph; private int[] currentClique; private int[] maxClique; private int maxCliqueSize; private int n; public MaxClique(int[][] graph) { this.graph = graph; this.n = graph.length; this.currentClique = new int[n]; this.maxClique = new int[n]; this.maxCliqueSize = 0; } public int[] getMaxClique() { backtracking(0, 0); return Arrays.copyOf(maxClique, maxCliqueSize); } private void backtracking(int pos, int size) { if (pos == n) { if (size > maxCliqueSize) { maxCliqueSize = size; maxClique = Arrays.copyOf(currentClique, n); } return; } boolean isClique = true; for (int i = 0; i < size; i++) { if (graph[currentClique[i]][pos] == 0) { isClique = false; break; } } if (isClique) { currentClique[size] = pos; backtracking(pos + 1, size + 1); } if (n - pos > maxCliqueSize - size) { currentClique[size] = -1; backtracking(pos + 1, size); } } } ``` 该代码中,我们定义了 `MaxClique` 类来表示最大问题,其中 `graph` 是给定的邻接矩阵,`currentClique` 存储当前中的顶点,`maxClique` 存储最大中的顶点,`maxCliqueSize` 存储最大的大小,`n` 表示顶点数。 在 `getMaxClique` 方中,我们调用 `backtracking` 函数进行回溯搜索。在 `backtracking` 函数中,我们首先判断当前是否为,如果是,则将该点加入当前,并递归遍历该点之后的所有点。如果不是,则直接递归遍历该点之后的所有点。 在遍历完所有的点之后,如果当前比最大要大,则更新最大的大小和顶点。最后返回上一次的状态,继续搜索其他的解。 使用该代码可以求解最大问题,例如: ```java public static void main(String[] args) { int[][] graph = { {0, 1, 1, 0, 0}, {1, 0, 1, 1, 0}, {1, 1, 0, 1, 1}, {0, 1, 1, 0, 1}, {0, 0, 1, 1, 0} }; MaxClique mc = new MaxClique(graph); int[] maxClique = mc.getMaxClique(); System.out.println("Max clique size: " + maxClique.length); System.out.print("Max clique vertices: "); for (int v : maxClique) { System.out.print((v + 1) + " "); } } ``` 输出结果为: ``` Max clique size: 4 Max clique vertices: 2 3 4 5 ```

“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
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