目录
思维导图
回溯法的基本步骤
一般分为三步
(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)以深度优先搜索的方式搜索解空间,并在搜索过程中用剪枝函数避免无效搜索(界函数和约束条件)
基本思想
确定了解空间的组织结构后,回溯法从开始结点(根结点)出发,以深度优先方式搜索整个解空间。这个开始结点成为活结点,同时成为当前的扩展结点。在当前的扩展结点处,搜索向纵深方向移至一个新结点。这个新结点就成为新的活结点,并成为当前扩展结点。如果在当前的扩展结点处不能再向纵深方向移动,则当前扩展结点就成为死结点。此时,应往回移动(回溯)至最近的一个活结点处,并使这个活结点成为当前的扩展结点。回溯法以这种工作方式递归地在解空间中搜索,直至找到所要求的解或解空间中已无活结点时为止。
递归回溯
回溯法对解空间作深度优先搜索,一般情况下可以用递归函数来实现:
其中,形式参数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。
迭代回溯
采用树的非递归深度优先遍历算法,也可以将回溯法表示为一个非递归的迭代过程。
子集树与 排列树
当所给的问题是从n个元素的集合S中找出满足某种性质的子集时,相应的解空间树称为子集树。例如,n个物品的0-1背包问题所相应的解空间树就是一棵子集树。这类子集树通常有2^n个叶结点,其结点总个数为2^(n+1)-1。遍历子集树的任何算法均需O(2^n)的计算时间。
当所给的问题是确定n个元素满足某种性质的排列时,相应的解空间树称为排列树。排列树通常有n!个叶结点。因此遍历排列树需要O(n!)的计算时间。例如旅行售货员问题的解空间树就是一棵排列树。
在调用Backtrack(1)执行回溯搜索前,先将变量数组x初始化为单位排列(1,2,…, n)。
应用举例
这里列举几个例子理解一下回溯算法
1.n后问题
(1)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。
(2)算法设计思想
需要借助全局变量记录此时第i个皇后在第几列,和一个记录解的个数。从第一个皇后(k=1)开始,如果k>n说明到叶节点即找到了一个可行解,输出,然后回退继续找。如果k<n,从第一列开始判断这个皇后放的位置合不合适,如果都不合适,剪枝,回退;如果合适,继续往下找。如果回退到根节点,即退出程序,算法结束。
回溯算法代码描述可如下:
bool check(int k){
for(int i=1;i<k;i++){
if((abs(k-i)==abs(p[k]-p[i]))||p[k]==p[i])
return false;
}
return true;
}
void find(int k){
if(k>n){
sum++;
printanswer();
}
else{
for(int i=1;i<=n;i++){
p[k]=i;
if(check(k)){
find(k+1);
}
}
}
}
解决n后问题的非递归迭代回溯法如下:
bool check(int k){
for(int i=1;i<k;i++){
if((abs(k-i)==abs(p[k]-p[i]))||p[k]==p[i])
return false;
}
return true;
}
void find(int k){
p[k]=0;
while(k>0){
p[k]+=1;//从第一列开始找
while(p[k]<=n&&(!check(k)))//剪枝
p[k]+=1;
if(p[k]<=n){
if(k==n){//找到可行解,输出
sum++;
printanswer();
}
else{
k++;
p[k]=0;
}
}
else
k--; //不满足,返回上一层
}
}
2.0-1背包问题
(1)算法描述:
首先将输入的数据按性价比进行排序(从小到大,按单位重量),这里利用结构体(结构体里有序号,价值,重量,单位价值)在排序的时候比较好排。从第一个物品(a=1)开始放,如果a>n即找到一条分支的叶节点,取到最优价值,然后把此时记录的最优方案输出(用一个数组,装入背包此时对应的点为1)。如果a<n,则判断装入此时的物品背包是否在承重范围内,在的话标记为1,临时记录的价值和重量加上此物品的价值和重量,继续往后找。如果重量超背包承重,回退,考虑右子树,如果后面的预算比当前记录的最优价值还大,可以继续,如果小,剪枝,再往后找。
(2)回溯算法可描述如下:(核心代码—)
bool bound(int i){
int w=bw;
int v=bv;
while(w+s[i].wi<=weight&&i<=n){
w+=s[i].wi;
v+=s[i].vi;
i++;
}
if(i<=n){
v+=(weight-w)*s[i].wi;
}
if(v>bestv){
return true;
}
return false;
}
void find(int a){
if(a>n){
bestv=bv;
for(int i=1;i<=n;i++){//找到最优方案,存入装入方案
b[i]=x[i];
}
print();
return;
}
if(bw+s[a].wi<=weight){
x[s[a].id]=1;
bv+=s[a].vi;
bw+=s[a].wi;
find(a+1);
bv-=s[a].vi;
bw-=s[a].wi;
x[s[a].id]=0;
}
if(bound(a+1)){
x[s[a].id]=0;
find(a+1);
}
}
3.图的m着色问题
(1)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。是否有一种着色法,使G中每条边的2个顶点着有不同颜色?这个问题是图的m可着色判定问题。若一个图最少需要m种颜色才能使图中每条边连接的2个顶点着不同颜色,则称这个数m为该图的色数。求一个图的色数m的问题称为图的m可着色优化问题。
(2)算法设计
算法设计思想:利用回溯法,如果当前节点k>n说明到了叶节点,即可以输出一种解决方案,如果不是,则在非叶节点。此时利用记录数组p[k]来记录k点着色,判断是否符合条件,即判断与此点相邻的边得点的着色是否和本点的着色相同,相同话剪枝,不相同则继续往后找。
关键代码如下
bool bound(int x){
for(int i=1;i<=n;i++){
if(graph[i][x]==1&&p[i]==p[x])
//如果两个边相连并且颜色一样
return false;
}
return true;
}
void find(int x){
if(x>n){
sum++;
print();
}
else{
for(int i=1;i<=m;i++){
p[x]=i;
if(bound(x)){
find(x+1);
}
p[x]=0;
}
}
}
4.旅行售货员问题(TSP)
(1)算法描述
算法设计思想:
从第一个城市出发,即直接从找第二个城市开始,利用回溯法的排列树。刚开始利用记录当前最优的数组记录每一个城市的编号,如果此时k==n,说明找到了叶子节点,如果此时记录的x[n]城市与1号城市相连并且成本比当前记录的最优值小,则更新最优解,如果k<n,从k开始往后找,如果此时x[k]与x[k-1]所记录的城市相连并且成本想加比记录的当前最优小,记录,往后找,否则剪枝并且在当前成本减去刚才加入的,x[k]恢复原值。
关键代码如下:
void find(int k){
if(k==n){//走到最后一个城市
if(a[x[n]][1]!=0&&(now+a[x[n]][1]<bst)){
//如果第n个城市和第一个城市想通并且成本小于此时存的最优成本
bst=now+a[x[n]][1];
for(int i=1;i<=n;i++){
b[i]=x[i];//记录最优
}
}
}
else{
for(int i=k;i<=n;i++){//从本城市开始
if(a[x[k-1]][x[i]]&&now+a[x[k-1]][x[i]]<bst){
//如果和上一个记录的城市相连并且成本小于当前记录的最优成本
swap(x[k],x[i]);
now+=a[x[k-1]][x[k]];
find(k+1);
now-=a[x[k-1]][x[k]];
swap(x[k],x[i]);
}
}
}
}