目录
回溯算法简介
回溯法是一种类似枚举的搜索尝试过程，既然是枚举，那么就会遍历解空间树中的所有解（或者是“路径”），搜索的过程按照DFS原则，而尝试就意味着，在遍历的过程中，有可能到达某一个结点后，发现不能够满足约束条件，在这次尝试中，这条“路”是不优的，将走不通，即无法找到所求的解，那么就会回退到上一步的状态，重新作出选择。如果即满足约束条件，但是依然没有获得有效的解，那么我们就需要在此基础上做下一步选择，即将当前结点当做一个新的根结点。所以经常会使用递归的方法。如果一步步下来的选择结果正好满足我们所求的问题，那么就是一个有效的解。
回溯法思想：在包含问题所有解的解空间树中，按照深度优先搜索的策略，从根结点出发深度搜索解空间树。当搜索到某一结点时，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检索一遍才结束。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。
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。
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。
回溯算法中的三个概念
（1）约束函数：约束函数是根据题意定出的。通过描述合法解的一般特征用于去除不合法的解（即使这个解并不是完整的解），从而避免继续搜索出这个不合法解的剩余部分，起到了剪值函数的作用。因此，约束函数是对于解空间树上的任何节点都有效、等价的。
（2）状态空间树：状态空间树是一个对所有解的图形描述。
（3）扩展节点：当前正求出它的子节点的节点，在DFS中，只允许有一个扩展节点。
活节点：通过与约束函数对照，节点本身和其父节点均满足约束函数要求的节点。
死节点: 与活节点正好相反，死节点是在与约束函数对照中，不满足约束函数的节点。那么就不需要求该节点的子节点情况了。
回溯算法的步骤
在回溯法执行时，应当：保存当前步骤，如果是一个解就输出；维护状态，使搜索路径（含子路径）尽量不重复。必要时，应该对不可能为解的部分进行剪枝(pruning)。
（1）定义一个解空间，它包含问题的解。明确问题的解空间树内容，比如，在求组合问题时，最后有效解中元素是否可重复的，元素个数是否是固定的等。且保证问题的解空间中应至少包含问题的一个解。
（2）利用适于搜索的方法组织解空间。确定结点的扩展搜索规则，在回溯法中，就是深度优先遍历规则。扩展节点就是当前正在求出它的子节点的节点，在DFS中，只允许有一个扩展节点。
（3）利用深度优先法搜索解空间。
（4）利用限界函数避免移动到不可能产生解的子空间。 构造约束条件。作为剪枝函数，避免无效搜索。
问题的解空间通常是在搜索问题的解的过程中动态产生的，这是回溯算法的一个重要特性。
具体流程
（1）设置初始化的方案（给变量赋初值，读入已知数据等）；
（2）选择所到深度层（k）中其中的一个节点进行试探，如果k层的节点已经全部都试探完毕，则进入（7）；
（3）如果试探不成功（不满足约束条件），则转入（2）；
（4）如果试探成功，则进入下一个深度层进行试探。
（5）如果正确解还没找到，则进入（2）；
（6）如果找到了正解，如果问题只求其中的一个解，那么可以退出程序了，如果是求一组解，那么将该种解存储（一般用一个类中的变量）；
（7）退回上一步的状态（深度为k-1时，变量的状态），如果没有退到头，则进入（2）；
（8）已退到头则结束或打印无解。
在使用回溯法解决实际问题时，往往会和递归算法结合，更容易解决问题，但是也可以使用非递归的方法实现，这就需要具体情况进行分析了。
代码实现框架
bool finished = FALSE; /* 是否获得全部解? */
backtrack(int a[], int k, data input)
{
int c[MAXCANDIDATES]; /*这次搜索的候选 */
int ncandidates; /* 候选数目 */
int i; /* counter */
if (is_a_solution(a,k,input))
process_solution(a,k,input);
else {
k = k+1;
construct_candidates(a,k,input,c,&ncandidates);
for (i=0; i<ncandidates; i++) {
a[k] = c[i];
make_move(a,k,input);
backtrack(a,k,input);
unmake_move(a,k,input);
if (finished) return; /* 如果符合终止条件就提前退出 */
}
}
}对于其中的函数和变量，解释如下：
a[]表示当前获得的部分解；
k表示搜索深度；
input表示用于传递的更多的参数；
is_a_solution(a,k,input)判断当前的部分解向量a[1...k]是否是一个符合条件的解
construct_candidates(a,k,input,c,ncandidates)根据目前状态，构造这一步可能的选择，存入c[]数组，其长度存ncandidates
process_solution(a,k,input)对于符合条件的解进行处理，通常是输出、计数等
make_move(a,k,input)和unmake_move(a,k,input)前者将采取的选择更新到原始数据结构上，后者把这一行为撤销。
经典例子
选取数字集合
做一个白话版的描述，给你两个整数 n和k，从1-n中选择k个数字的组合。比如n=4，k=2，那么从1,2,3,4中选取两个数字的组合
可以看到上面的每个变量都出现了，用一个类变量保存结果
public class Solution {
List<List<Integer>> result=new ArrayList<List<Integer>>();
public List<List<Integer>> combine(int n, int k) {
List<Integer> list=new ArrayList<Integer>();
backtracking(n,k,1,list);
return result;
}
public void backtracking(int n,int k,int start,List<Integer>list){
if(k<0) return ;
else if(k==0){
result.add(new ArrayList(list));
}else{
for(int i=start;i<=n;i++){
list.add(i);
backtracking(n,k-1,i+1,list);
list.remove(list.size()-1);
}
}
}
}
皇后问题
N皇后问题是指在N*N的棋盘上放置N个皇后，使这N个皇后无法吃掉对方（也就是说两两不在一行，不在一列，也不在对角线上）。经典的是8皇后问题，这里我们为了简单，以4皇后为例。
首先利用回溯算法，先给第一个皇后安排位置，如下图所示，安排在（1,1）然后给第二个皇后安排位置，可知（2,1），（2,2）都会产生冲突，因此可以安排在（2,3），然后安排第三个皇后，在第三行没有合适的位置，因此回溯到第二个皇后，重新安排第二个皇后的位置，安排到（2,4），然后安排第三个皇后到（3,2），安排第四个皇后有冲突，因此要回溯到第三个皇后，可知第三个皇后也就仅此一个位置，无处可改，故继续向上回溯到第二个皇后，也没有位置可更改，因此回溯到第一个皇后，更改第一个皇后的位置，继续上面的做法，直至找到所有皇后的位置，如下图所示。
这里为什么我们用4皇后做例子呢？因为3皇后是无解的。同时我们也可以看到回溯算法虽然也是Brute-Force，但是它可以避免去搜索很多的不可能的情况，因此算法是优于Brute-Force的。
这里是每次确定第col行的棋子的位置
public class NQueensII {
int[] x;//当前解
int N;//皇后个数
int sum = 0;//当前已找到的可行方案数
public int totalNQueens(int n) {
N = n;
x = new int[N+1];
backTrace(1);
return sum;
}
/**
* col行这个点，x[col]列这个点，与已经存在的几个皇后，是否符合要求，放到这个位置上，
* @param col
* @return
*/
private boolean place(int col){
for(int i = 1; i < col; i++){
if(Math.abs(col - i)==Math.abs(x[col]-x[i])||x[col]==x[i]){
return false;
}
}
return true;
}
private void backTrace(int t) {
if(t>N){
sum++;
}else {
//第t行，遍历所有的节点
for(int j = 1; j <= N; j++) {
x[t] = j ;
//如果第j个节点可以放下皇后
if(place(t)){
//接着放下一个
backTrace(t+1);
}
}
}
}
public static void main(String[] args) {
NQueensII n = new NQueensII();
System.out.println(n.totalNQueens(8));
}
}
最大 k 乘积问题
设I是一个 n 位十进制整数。如果将 I 划分为 k 段，则可得到 k 个整数。这 k 个整数的乘积称为 I 的一个 k 乘积。试设计一个算法，对于给定的 I 和 k ，求出 I 的最大 k 乘积。
import java.util.Scanner;
public class 最大k乘积 {
private static long ans;
private static Scanner cin;
static{
cin = new Scanner(System.in);
}
static void work(int cur, int i, int k, long v){
//System.out.println("i = " + i + " cur = " + cur + " k = " + k);
if(i == k){
ans = Math.max(ans, v);
return;
}
if(cur == 0){
return;
}
int MOD = 1;
while(cur / MOD != 0){
work(cur % MOD, i + 1, k, v * (cur / MOD));
MOD *= 10;
}
}
public static void main(String[] args) {
int num, k;
System.out.println("请输入数字num和要分成的段数k: ");
while(cin.hasNext()){
num = cin.nextInt();
k = cin.nextInt();
ans = Long.MIN_VALUE;
work(num, 0, k, 1L);
if(ans == Long.MIN_VALUE){
System.out.println("整数" + num + "不能被分成" + k + "段");
}else{
System.out.println(num + "的最大" + k + "乘积是: " + ans);
}
System.out.println("请输入数字num和要分成的段数k: ");
}
}
}
1564
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
