旅行售货员问题-回溯法

问题描述

某售货员要到若干城市去推销商品，已知各城市之间的路程，他要选定一条从驻地出发，经过每个城市一遍，最后回到住地的路线，使总的路程最短。

结果为: 1 3 2 4 1

算法描述

回溯法，序列树，假设起点为 1。

算法开始时 x = [1, 2, 3, …, n]

x[1 : n]有两重含义 x[1 : i]代表前 i 步按顺序走过的城市， x[i + 1 : n]代表还未经过的城市。利用Swap函数进行交换位置。

若当前搜索的层次i = n 时，处在排列树的叶节点的父节点上，此时算法检查图G是否存在一条从顶点x[n-1] 到顶点x[n] 有一条边，和从顶点x[n] 到顶点x[1] 也有一条边。若这两条边都存在，则发现了一个旅行售货员的回路(即：新旅行路线)，算法判断这条回路的费用是否优于已经找到的当前最优回路的费用bestcost，若是，则更新当前最优值bestcost和当前最优解bestx。

若i < n 时，检查x[i - 1]至x[i]之间是否存在一条边, 若存在，则x [1 : i ] 构成了图G的一条路径，若路径x[1: i] 的耗费小于当前最优解的耗费，则算法进入排列树下一层，否则剪掉相应的子树。

递归回溯

回溯法对解空间作深度优先搜索
通常用递归方法实现回溯法

void backtrack (int t)
{if (t>n) output(x);// t>n时已搜索到一个叶结点, output(x)对得到的可行解x进行记录或输出处理.else{                                     for (int i=f(n,t);i<=g(n,t);i++) { // 函数f和g分别表示在当前扩展结点处未搜索子树的起止编号.                            x[t]=h(i); //h(i)表示在当前扩展结点处x[t]的第i个可选值if (constraint(t)&&bound(t)) backtrack(t+1);} //for循环结束后, 已搜索遍当前扩展结点的所有未搜索子树.}
} //Backtrack(t)执行完毕, 返回t-1层继续执行, 对未测试过的x[t-1]的值继续搜索.

if (Constraint(t)&&Bound(t) ) Backtrack(t + 1)；if语句含义：Constraint(t)和Bound(t)表示当前扩展节点处的约束函数和限界函数。
Constraint(t): 返回值为true时，在当前扩展节点处x[1:t]的取值问题的约束条件，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，在当前扩展节点处x[1：t]的取值为时目标函数越界，还需由Backtrack(t+1)对其相应的子树做进一步搜索。否则，当前扩展节点处x[1：t]的取值是目标函数越界，可剪去相应的子树
for循环作用：搜索遍当前扩展的所有未搜索过的子树。
递归出口：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，若以测试完x[1]的所有可选值，外层调用就全部结束。

迭代回溯

采用树的非递归深度优先遍历算法，可将回溯法表示为一个非递归迭代过程。

void iterativeBacktrack ( )
{int t=1;while (t>0) {if (f(n,t)<=g(n,t)) for (int i=f(n,t);i<=g(n,t);i++) {// 函数f和g分别表示在当前扩展结点处未搜索子树的起止编号.x[t]=h(i);if (constraint(t)&&bound(t)) {if (solution(t)) output(x); //solution(t)判断当前扩展结点处是否已得到问题的一个可行解                                       else t++;} //solution(t)为假,则仅得到一个部分解,需继续纵深搜索}else t--;} //while循环结束后,完成整个回溯搜索过程
}

子集树与排列树

子集树: 所给的问题是从n个元素的集合中找出满足某种性质的子集时, 相应的解空间称为子集树.

子集树通常有2ⁿ个叶结点, 遍历子集树的任何算法均需Ω(2ⁿ)的计算时间.

例如: 0-1背包问题的解空间为一棵子集树.

排列树: 当所给的问题是确定n个元素满足某种性质的排列时, 相应的解空间称为排列树.

排列树通常有（n-1）!个叶结点, 遍历排列树需要Ω(n!)的计算时间.

例如: 旅行售货员问题的解空间为一棵排列树.

代码实现

#include <bits/stdc++.h>
using namespace std;
const int max_ = 0x3f3f3f;   //定义一个最大值
const int NoEdge = -1;      //两个点之间没有边
int citynum;                //城市数
int edgenum;                //边数
int currentcost;            //记录当前的路程
int bestcost;               //记录最小的路程(最优)
int Graph[100][100];        //图的边距记录
int x[100];                 //记录行走顺序
int bestx[100];             //记录最优行走顺序void InPut()
{int pos1, pos2, len;     //点1 点2 距离cout<<"请输入城市数和边数(c e)：";cin>>citynum>>edgenum;memset(Graph, NoEdge, sizeof(Graph));cout<<"请输入两座城市之间的距离(p1 p2 l)："<<endl;for(int i = 1; i <= edgenum; ++i){cin>>pos1>>pos2>>len;Graph[pos1][pos2] = Graph[pos2][pos1] = len;}
}//初始化
void Initilize()
{currentcost = 0;bestcost = max_;for(int i = 1; i <= citynum; ++i){x[i] = i;}
}void Swap(int &a, int &b)
{int temp;temp = a;a = b;b = temp;
}void BackTrack(int i) //这里的i代表第i步去的城市而不是代号为i的城市
{if(i == citynum){//进行一系列判断，注意的是进入此步骤的层数应是叶子节点的父节点，而不是叶子节点if(Graph[x[i - 1]][x[i]] != NoEdge && Graph[x[i]][x[1]] != NoEdge && (currentcost + Graph[x[i - 1]][x[i]] + Graph[x[i]][x[1]] < bestcost || bestcost == max_)){//最小(优)距离=当前的距离+当前城市到叶子城市的距离+叶子城市到初始城市的距离bestcost = currentcost + Graph[x[i - 1]][x[i]] + Graph[x[i]][x[1]];for(int j = 1; j <= citynum; ++j)bestx[j] = x[j];}}else{for(int j =  i; j <= citynum; ++j){if(Graph[x[i - 1]][x[j]] != NoEdge && (currentcost + Graph[x[i - 1]][x[j]] < bestcost || bestcost == max_)){Swap(x[i], x[j]);  //这里i 和 j的位置交换了, 所以下面的是currentcost += Graph[x[i - 1]][x[i]];currentcost += Graph[x[i - 1]][x[i]];BackTrack(i + 1);   //递归进入下一个城市currentcost -= Graph[x[i - 1]][x[i]];Swap(x[i], x[j]);}}}
}void OutPut()
{cout<<"最短路程为："<<bestcost<<endl;cout << "路线为:" << endl;for(int i = 1; i <= citynum; ++i)cout << bestx[i] << " ";cout << "1" << endl;
}int main()
{InPut();Initilize();BackTrack(2);OutPut();
}

样例测试

以前面的样例示范

输入

请输入城市数和边数(c e)：4 6
请输入两座城市之间的距离(p1 p2 l)：
1 2 30
1 3 6
1 4 4
2 4 10
2 3 5
3 4 20

输出
最短路程为：25
路线为:
1 3 2 4 1