算法分析与设计-期末复习-第五章+第六章+填空题+写出递归方程问题-CSDN博客

本文链接：https://blog.csdn.net/weixin_65169788/article/details/138164461

本文详细介绍了回溯法的核心思想、解题步骤以及影响效率的因素，同时也对比了与分支限界法的区别。通过例题展示了如何在0-1背包、N皇后等经典问题中应用这些方法。后续部分讨论了分支限界法的基本概念和实现策略，以及算法填空题涉及的排序、背包问题和哈夫曼编码等知识点。

摘要由CSDN通过智能技术生成

注意事项：

序号有点问题，影响不大，内容都是各种资料整合和我自己归纳总结的，不喜勿喷，感觉扔回收站可惜了，所以分享出来，能有帮上你的忙就最好不过了，更多复习资料，可以去看我的合集。

五、回溯法：装载问题，待处理作业调度，符号三角形，n 皇后，0-1 背包，最大团，图的 m 着色，旅行售货员，圆排列，电路板排列，连续油资

回溯法的基本思想：

在问题的解空间树中，按深度优先策略，从根结点出发搜索解空间树。

算法搜索至解空间树的任意一点时，先判断该结点是否包含问题的解。

如果肯定不包含，则跳过对该结点为根的子树的搜索，逐层向其祖先结点回溯；

否则，进入该子树，继续按深度优先策略搜索。

回溯法解题步骤

针对所给问题，定义问题的解空间；

确定易于搜索的解空间结构；

以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。

用回溯法解题的特征：

在搜索过程中动态产生问题的解空间。问题的解空间树是虚拟的，并不需要在算法运行时构造一棵真正的树结构。在任何时刻，算法只保存从根结点到当前扩展结点的路径。

回溯法的算法框架：

递归回溯、子集树与排列树算法框架

影响回溯法的效率因素：

产生x[k]的时间；

满足显约束的x[k]值的个数；

计算约束函数constraint的时间；

计算上界函数bound的时间；

满足约束函数和上界函数约束的所有x[k]的个数。

例题：

避免无效~剪枝函数
0-1 背包~n2n
售货员~排列树~TSP
树裁剪分支俩标准（剪枝函数）：约束函数和限界函数，只用约束条件：N 皇后问题，俩都用：0-1 背包问题
回溯~系统性又跳跃性的搜索方法~分支限界

六、分支限界法：单源最短路径，装载，布线，0-1 背包，最大团，旅行售货员，电路板排列，批处理作业调度

分支限界法的基本思想：

分支限界法常以广度优先或以最小耗费(最大效益)优先的方式搜索问题的解空间树。

分支限界法与回溯法的异同：

1)求解目旳:回溯法旳求解目旳是找出解空间树中满足约束条件旳所有解,而分支限界法旳求解目旳则是找出满足约束条件旳一种解,或是在满足约束条件旳解中找出在某种意义下旳最优解。

2)搜索方式旳不同:回溯法以深度优先旳方式搜索解空间树,而分支限界法则以广度优先或以最小耗费优先旳方式搜索解空间树。

用分支限界法设计算法的步骤/策略：

(1)针对所给问题，定义问题的解空间（对解进行编码）

(2)确定易于搜索的解空间结构（按树或图组织解）；

(3)以广度优先或以最小耗费（最大收益）优先的方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。

分支限界法的实现方式：

队列式：按照队列先进先出（FIFO）原则选取下一个节点为扩展节点。

优先队列式：按照优先队列中规定的优先级选取优先级最高的节点成为当前扩展节点。

例题：

最大团~活节点表~最大堆
售货员~活节点表~最小堆
NP 包含 P
优先队列~选取扩展结点~ 结点的优先级

算法填空题：

1. 归并排序：

2. 快速排序：

3. 贪心，动态，回溯求 0-1 背包：

（1）贪心算法 O（nlog（n））

首先计算每种物品单位重量的价值Vi/Wi，然后，依贪心选择策略，将尽可能多的单位重量价值最高的物品装入背包。若将这种物品全部装入背包后，背包内的物品总重量未超过C，则选择单位重量价值次高的物品并尽可能多地装入背包。依此策略一直地进行下去，直到背包装满为止。

void Knapsack(int n, float M, float v[], float w[], float x[])
{
    sort(n, v, w);
    int i;
    for (i = 1; i <= n; i++) x[i] = 0;
    float c = M;
    for (i = 1; i <= n; i++)
    {
        if (w[i] > c) break;
        x[i] = 1;
        c -= w[i];
    }
    if (i <= n)
        x[i] = c / w[i];
}

（2）动态规划法 O(nc)
m(i，j)是背包容量为j，可选择物品为i，i+1，…，n时0-1背包问题的最优值。由0-1背包问题的最优子结构性质，可以建立计算m(i，j)的递归式如下。

void KnapSack(int v[], int w[], int c, int n, int m[][11])
{
    int jMax = min(w[n] - 1, c);
    for (j = 0; j <= jMax; j++) 				/*m(n,j)=0   0=<j<w[n]*/
        m[n][j] = 0;
    for (j = w[n]; j <= c; j++) 				/*m(n,j)=v[n]   j>=w[n]*/
        m[n][j] = v[n];
    for (i = n - 1; i > 1; i--)
    {
        int jMax = min(w[i] - 1, c);
        for (j = 0; j <= jMax; j++) 		/*m(i,j)=m(i+1,j)   0=<j<w[i]*/
            m[i][j] = m[i + 1][j];
        for (j = w[i]; j <= c; j++) 		/*m(n,j)=v[n]   j>=w[n]*/
            m[i][j] = max(m[i + 1][j], m[i + 1][j - w[i]] + v[i]);
    }
    m[1][c] = m[2][c];
    if (c >= w[1])
        m[1][c] = max(m[1][c], m[2][c - w[1]] + v[1]);
}

（3）回溯法 O(2n)
cw:当前重量 cp:当前价值 bestp：当前最优值

void backtrack(int i)
// 回溯法 i初值1
{
    if (i > n) // 到达叶结点
    {
        bestp = cp;
        return;
    }
    if (cw + w[i] <= c) // 搜索左子树
    {
        cw += w[i];
        Cp += p[i];
        backtrack(i + 1);
        cw -= w[i];
        cp -= p[i];
    }
    if (Bound(i + 1) > bestp)
        // 搜索右子树
        backtrack(i + 1);
      
}