回溯算法

回溯算法简介

先来看看百度百科对于回溯算法的解释：
回溯算法实际上一个类似枚举的搜索尝试过程，主要是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。
回溯算法的英文是”Backtracking”意思很直接就是原路返回，回溯是一种通用算法，用于发现某些计算问题（特别是约束满足问题）的所有（或某些）解，这些增量满足问题的解决方案，并在确定候选不可能的情况下放弃候选（“回溯”）。

使用回溯的经典教科书例子是八皇后难题，它要求所有棋盘上的八个象棋皇后的所有安排，以便没有皇后攻击任何其他棋盘。在常见的回溯方法中，部分候选是k个皇后在板的第一k行中的排列，都在不同的行和列中。任何包含两个相互攻击皇后的部分解决方案都可以放弃。

回溯只能应用于承认“部分候选解”概念的问题，并且可以对其是否可能完成有效的解决方案进行相对快速的测试。例如，在无序表中定位给定值是没有用的。然而，当它适用时，回溯通常比所有完整候选的蛮力枚举快得多，因为它可以通过一次测试消除大量的候选。

回溯是解决约束满足问题的一个重要工具，如填字游戏、动词算术、数独和许多其他难题。它通常是最方便的（如果不是最有效的（引文需要））解析技术，背包问题和其他组合优化问题。它也是所谓的逻辑编程语言的基础。它是一种元启发式算法，而不是一种特定的算法——尽管与许多其他元启发式算法不同，它保证在有限的时间内找到一个有限问题的所有解。

回溯方法描述：

回溯算法列举了一组部分候选，原则上可以以各种方式完成，以给出给定问题的所有可能的解决方案。通过一系列候选扩展步骤增量完成完成。
概念上，部分候选被表示为树结构的节点，即潜在搜索树。每一个部分候选者都是由单个扩展步骤与它不同的候选者的父；树的叶子是不能进一步扩展的部分候选。
回溯算法递归地遍历这个搜索树，从根向下，深度一阶。在每个节点C，算法检查C是否可以完成一个有效的解决方案。如果不能，则根除C的整个子树被跳过（修剪）。否则，算法（1）检查C本身是否是一个有效的解决方案，如果是这样，则将其报告给用户；（2）递归枚举C的所有子树。每个测试和每个节点的子节点由用户给定的程序定义。
因此，通过该算法遍历的实际搜索树仅仅是潜在树的一部分。算法的总成本是实际树次数的节点数，获取和处理每个节点的成本。当选择潜在的搜索树和实现修剪测试时，应该考虑这一事实。

回溯算法伪代码：

为了应用回溯到特定类别的问题，必须为要解决的问题的特定实例提供数据P，以及六个过程参数，根、拒绝、接受、第一、下一个和输出。这些过程应以实例数据P作为参数，并应执行以下操作：
根（p）：返回搜索树根上的部分候选。
拒绝（p，c）：只有部分候选C不值得完成时才返回真。
接受（p，c）：如果C是P的解，则返回true，否则为false。
第一（p，c）：生成候选C的第一扩展。
下一步（p，s）：在扩展S之后生成候选的下一个可选扩展。
输出（P，C）：使用P的解决方案C，适用于应用程序。
其实递归过程如下：

procedure bt(c)
  if reject(P,c) then return
  if accept(P,c) then output(P,c)
  s ← first(P,c)
  while s ≠ Λ do
    bt(s)
    s ← next(P,s)

使用注意事项：

拒绝过程应该是布尔值函数，只有当确定C没有可能的扩展是P的有效解时才返回真值。如果程序不能得到明确的结论，则它应该返回false。错误的真实结果可能导致BT过程错过一些有效的解决方案。该过程可以假定拒绝（P，T）返回搜索树中C的每个祖先T的假。

另一方面，回溯算法的效率依赖于拒绝尽可能接近根的候选返回真。如果拒绝总是返回false，该算法仍然会找到所有的解决方案，但它将等同于蛮力搜索。
如果C是问题实例P的完整且有效的解决方案，则接受过程应该返回true，否则为false。它可以假定部分候选C及其树中的所有祖先都已通过拒绝测试。

一般的伪代码不假设有效的解决方案总是潜在搜索树的叶子。换言之，它承认P的有效解可以进一步扩展以产生其他有效解的可能性。

回溯算法经典例子：

1.如八皇后拼图，纵横字谜，口头算术，数独[NB 1 ]，和PEG纸牌游戏。
2.组合优化问题，如解析和背包问题。
3.逻辑编程语言，如Icon，PrimeNeR和Prolog，它使用内部回溯来生成答案。