好,顶

原文地址:(转)回溯法-算法框架及基础作者:jinyang6655

转自http://lilongfei1030.blog.163.com/blog/static/8601528200872081318804/

回溯法其实也是一种搜索算法,它可以方便的搜索解空间。
回溯法解题通常可以从以下三步入手:
1、针对问题,定义解空间
2、确定易于搜索的解空间结构
3、以深度优先的方式搜索解空间,并在搜索的过程中进行剪枝
回溯法通常在解空间树上进行搜索,而解空间树通常有子集树和排列树。
针对这两个问题,算法的框架基本如下:
用回溯法搜索子集合树的一般框架:

Cpp代码
  1. void backtrack(int t){
  2. if(t > n) output(x);
  3. else{
  4. for(int i = f(n,t); i <= g(n,t);i++){
  5. x[t] = h(i);
  6. if(constraint(t) && bound(t)) backtrack(t+1);
  7. }
  8. }
  9. }
  10. 用回溯法搜索排列树的算法框架:
Cpp代码
  1. void backtrack(int t){
  2. if(t > n) output(x);
  3. else{
  4. for(int i = f(n,t); i <= g(n,t);i++){
  5. swap(x[t],x[i]);
  6. if(constraint(t) && bound(t)) backtrack(t+1);
  7. swap(x[t],x[i]);
  8. }
  9. }
  10. }
void backtrack(int t){if(t > n) output(x);else{for(int i = f(n,t); i <= g(n,t);i++){swap(x[t],x[i]);if(constraint(t) && bound(t)) backtrack(t+1);swap(x[t],x[i]); }}
}

其中f(n,t),g(n,t)表示当前扩展结点处未搜索过的子树的起始标号和终止标号,
h(i)表示当前扩展节点处,x[t]第i个可选值。constraint(t)和bound(t)是当前
扩展结点处的约束函数和限界函数。constraint(t)返回true时,在当前扩展结点
x[1:t]取值满足约束条件,否则不满足约束条件,可减去相应的子树。bound(t)返
回的值为true时,在当前扩展结点x[1:x]处取值未使目标函数越界,还需要由backtrack(t+1)
对其相应的子树进一步搜索。
用回溯法其实质上是提供了搜索解空间的方法,当我们能够搜遍解空间时,
显然我们就能够找到最优的或者满足条件的解。这便是可行性的问题, 而效率可以
通过剪枝函数来降低。但事实上一旦解空间的结构确定了,很大程度上时间复杂度
也就确定了,所以选择易于搜索的解空间很重要。
下面我们看看两个最简单的回溯问题,他们也代表了两种搜索类型的问题:子集合问题和
排列问题。
第一个问题:
求集合s的所有子集(不包括空集),我们可以按照第一个框架来写代码:

Cpp代码
  1. #include
  2. using namespace std;
  3. int s[3] = {1,3,6};
  4. int x[3];
  5. int  N = 3;
  6. void print(){
  7. for(int j = 0; j < N; j++)
  8. if(x[j] == 1)
  9. cout << s[j] << " ";
  10. cout << endl;
  11. }
  12. void subset(int i){
  13. if(i >= N){
  14. print();
  15. return;
  16. }
  17. x[i] = 1;//搜索右子树
  18. subset(i+1);
  19. x[i] = 0;//搜索左子树
  20. subset(i+1);
  21. }
  22. int main(){
  23. subset(0);
  24. return 0;
  25. }
#include
using namespace std;int s[3] = {1,3,6};
int x[3];
int  N = 3;
void print(){for(int j = 0; j < N; j++)if(x[j] == 1)cout << s[j] << " ";cout << endl;
}void subset(int i){if(i >= N){print();return;}x[i] = 1;//搜索右子树subset(i+1);x[i] = 0;//搜索左子树subset(i+1);
}int main(){subset(0);return 0;
}

下面我们看第二个问题:排列的问题,求一个集合元素的全排列。
我们可以按照第二个框架写出代码:

Cpp代码
  1. #include
  2. using namespace std;
  3. int a[4] = {1,2,3,4};
  4. const int N = 4;
  5. void print(){
  6. for(int i = 0; i < N; i++)
  7. cout << a[i] << " ";
  8. cout << endl;
  9. }
  10. void swap(int *a,int i,int j){
  11. int temp;
  12. temp = a[i];
  13. a[i] = a[j];
  14. a[j] = temp;
  15. }
  16. void backtrack(int i){
  17. if(i >= N){
  18. print();
  19. }
  20. for(int j = i; j < N; j++){
  21. swap(a,i,j);
  22. backtrack(i+1);
  23. swap(a,i,j);
  24. }
  25. }
  26. int main(){
  27. backtrack(0);
  28. return 0;
  29. }
#include
using namespace std;int a[4] = {1,2,3,4};
const int N = 4;void print(){for(int i = 0; i < N; i++)cout << a[i] << " ";cout << endl;
}void swap(int *a,int i,int j){int temp;temp = a[i];a[i] = a[j];a[j] = temp;
}void backtrack(int i){if(i >= N){print();}for(int j = i; j < N; j++){swap(a,i,j);backtrack(i+1);swap(a,i,j);}
}int main(){backtrack(0);return 0;
}

这两个问题很有代表性,事实上有许多问题都是从这两个问题演变而来的。第一个问题,它穷举了所有问题的子集,这是所有第一种类型的基础,第二个问题,它给出了穷举所有排列的方法,这是所有的第二种类型的问题的基础。理解这两个问题,是回溯算法的基础.
下面看看一个较简单的问题:
整数集合s和一个整数sum,求集合s的所有子集su,使得su的元素之和为sum。
这个问题很显然是个子集合问题,我们很容易就可以把第一段代码修改成这个问题的代码:

Cpp代码
  1. int sum = 10;
  2. int r = 0;
  3. int s[5] = {1,3,6,4,2};
  4. int x[5];
  5. int  N = 5;
  6. void print(){
  7. for(int j = 0; j < N; j++)
  8. if(x[j] == 1)
  9. cout << s[j] << " ";
  10. cout << endl;
  11. }
  12. void sumSet(int i){
  13. if(i >= N){
  14. if(sum == r) print();
  15. return;
  16. }
  17. if(r < sum){//搜索右子树
  18. r += s[i];
  19. x[i] = 1;
  20. sumSet(i+1);
  21. r -= s[i];
  22. }
  23. x[i] = 0;//搜索左子树
  24. sumSet(i+1);
  25. }
  26. int main(){
  27. sumSet(0);
  28. return 0;
  29. }

八皇后问题

八皇后问题是一个古老而著名的问题,是回溯算法的典型例题。该问题是十九世纪著名的数学家高斯1850年提出:在8X8格的国际象棋上摆放八个皇后,使其不能互相攻击,即任意两个皇后都不能处于同一行、同一列或同一斜线上.
问题分析:
第一步 定义问题的解空间
这个问题解空间就是8个皇后在棋盘中的位置.
第二步 定义解空间的结构
可以使用8*8的数组,但由于任意两个皇后都不能在同行,我们可以用数组下标表示
行,数组的值来表示皇后放的列,故可以简化为一个以维数组x[9]。
第三步 以深度优先的方式搜索解空间,并在搜索过程使用剪枝函数来剪枝
根据条件:x[i] == x[k]判断处于同一列
abs(k-i) == abs(x[k]-x[i]判断是否处于同一斜线
我们很容易写出剪枝函数:

Cpp代码
  1. bool canPlace(int k){
  2. for(int i = 1; i < k; i++){

  • //判断处于同一列或同一斜线
  • if(x[i] == x[k] || abs(k-i) == abs(x[k]-x[i]))              return false;
  • }
  • return true;
  • }
bool canPlace(int k){for(int i = 1; i < k; i++){//判断处于同一列或同一斜线if(x[i] == x[k] || abs(k-i) == abs(x[k]-x[i]))          return false;}return true;
}

然后我们按照回溯框架一,很容易写出8皇后的回溯代码:

Cpp代码
  1. void queen(int i){
  2. if(i > 8){
  3. print();
  4. return;
  5. }
  6. for(int j = 1; j <= 8; j++){
  7. x[i] = j;//记录所放的列
  8. if(canPlace(i)) queen(i+1);
  9. }
  10. }
void queen(int i){if(i > 8){print();return;}for(int j = 1; j <= 8; j++){x[i] = j;//记录所放的列if(canPlace(i)) queen(i+1);}
}

整个代码:

Cpp代码
  1. #include<iostream>
  2. #include<cmath>
  3. using namespace std;
  4. int x[9];
  5. void print(){
  6. for(int i = 1; i <= 8; i++)
  7. cout << x[i] << " ";
  8. cout << endl;
  9. }
  10. bool canPlace(int k){
  11. for(int i = 1; i < k; i++){
  12. //判断处于同一列或同一斜线
  13. if(x[i] == x[k] || abs(k-i) == abs(x[k]-x[i]))
  14. return false;
  15. }
  16. return true;
  17. }
  18. void queen(int i){
  19. if(i > 8){
  20. print();
  21. return;
  22. }
  23. for(int j = 1; j <= 8; j++){
  24. x[i] = j;
  25. if(canPlace(i)) queen(i+1);
  26. }
  27. }
  28. int main(){
  29. queen(1);
  30. return 0;
  31. }

0-1背包问题

0-1背包问题:给定n种物品和一背包.物品i的重量是wi, 其价值为ui,背包的容量为C.
问如何选择装入背包的物品,使得装入背包中物品的总价值最大?
分析:
0-1背包是子集合选取问题,一般情况下0-1背包是个NP问题.
第一步 确定解空间:装入哪几种物品
第二步 确定易于搜索的解空间结构:
可以用数组p,w分别表示各个物品价值和重量。
用数组x记录,是否选种物品
第三步 以深度优先的方式搜索解空间,并在搜索的过程中剪枝
我们同样可以使用子集合问题的框架来写我们的代码,和前面子集和数问题相差无几。

Cpp代码
  1. #include<iostream>
  2. #include<algorithm>

  • using namespace std;
  • class Knapsack{
  • public:
  • Knapsack(double *pp,double *ww,int nn,double cc){
  • p = pp;
  • w = ww;
  • n = nn;
  • c = cc;
  • cw = 0;
  • cp = 0;
  • bestp = 0;
  • x = new int[n];
  • cx = new int[n];
  • }
  • void knapsack(){
  • backtrack(0);
  • }
  • void backtrack(int i){//回溯法
  • if(i > n){
  • if(cp > bestp){
  • bestp = cp;
  • for(int i = 0; i < n; i++)
  • x[i] = cx[i];
  • }
  • return;
  • }
  • if(cw + w[i] <= c){//搜索右子树
  • cw += w[i];
  • cp += p[i];
  • cx[i] = 1;
  • backtrack(i+1);
  • cw -= w[i];
  • cp -= p[i];
  • }
  • cx[i] = 0;
  • backtrack(i+1);//搜索左子树
  • }
  • void printResult(){
  • cout << "可以装入的最大价值为:" << bestp << endl;
  • cout << "装入的物品依次为:";
  • for(int i = 0; i < n; i++){
  • if(x[i] == 1)
  • cout << i+1 << " ";
  • }
  • cout << endl;
  • }
  • private:
  • double *p,*w;
  • int n;
  • double c;
  • double bestp,cp,cw;//最大价值,当前价值,当前重量
  • int *x,*cx;
  • };
  • int main(){
  •   double p[4] = {9,10,7,4},w[4] = {3,5,2,1};
  • Knapsack ks = Knapsack(p,w,4,7);
  • ks.knapsack();
  •   ks.printResult();
  •   return 0;
  • }

注:

本文章来自:http://fuliang.javaeye.com/blog/164686

(转)回溯法-算法框架及基础相关推荐

  1. 回溯法 —— 算法框架及应用

    回溯法: 思想:走不通退回走别的路 在包含问题的所有解的空间树中,按照深度优先搜索策略,从根节点出发搜索解空间树. 活结点:自身已生成但其孩子结点没有全部生成的结点 扩展结点:指正在产生孩子结点的结点 ...

  2. java子集和数问题回溯法算法_子集和数问题_回溯

    有人说算法导论中没有回溯和分支定界这两种算法.我觉得这个算是导论中算法的应用吧,废话不多说,走起. 回溯算法之子集和数问题. 这个算法要解决的问题:假定有N个不同的正数(通常称为权),要求找出这些数中 ...

  3. java背包算法回溯法_【算法分析】实验 4. 回溯法求解0-1背包等问题

    [TOC] 实验内容 本实验要求基于算法设计与分析的一般过程(即待求解问题的描述.算法设计.算法描述.算法正确性证明.算法分析.算法实现与测试),通过回溯法的在实际问题求解实践中,加深理解其基本原理和 ...

  4. 回溯法 -数据结构与算法

    1.回溯法算法思想: 定义: 回溯法(探索与回溯法)是一种选优搜索法,按选优条件向前搜索,以达到目标.但当探索到某一步时,发现原先选择并不优或达不到目标,就退回一步重新选择,这种走不通就退回再走的技术 ...

  5. 算法设计与分析 实验三 回溯法求解地图填色问题

    回溯法求解地图填色问题 一.实验目的与要求 1.实验基本要求: 2.实验亮点: 二.实验内容与方法 三.实验步骤与过程 1.未优化的回溯: (1)算法描述: (2)编程实现 (3)运行并测试: 2.对 ...

  6. 消消乐实验回溯法(深大算法实验3)报告+代码

    实验代码 + 报告资源: 链接: https://pan.baidu.com/s/1CuuB07rRFh7vGQnGpud_vg 提取码: ccuq 目录 写在前面 实验要求 求解问题的算法原理描述 ...

  7. 【算法分析】实验 4. 回溯法求解0-1背包等问题

    目录 实验内容 实验目的 实验结果 步骤1:描述与分析 步骤2:策略以及数据结构 步骤3 步骤4 步骤5 步骤6 实验总结 实验内容 本实验要求基于算法设计与分析的一般过程(即待求解问题的描述.算法设 ...

  8. 算法框架专辑60分版本

    文章目录 框架 动态规划 框架 经典例题 01背包&完全背包 拓展例题 爬楼梯 凑硬币/零钱兑换(完全背包) 丑数 最长递增子序列 最长公共子序列 子数组的最大和 使用最小花费爬楼梯---== ...

  9. 系统学习深度学习(三十九)--基于模型的强化学习与Dyna算法框架

    转自:https://www.cnblogs.com/pinard/p/10384424.html 在前面我们讨论了基于价值的强化学习(Value Based RL)和基于策略的强化学习模型(Poli ...

最新文章

  1. 星星模型 维度_用模型“想象”出来的target来训练,可以提高分类的效果!
  2. Nginx日志文件的切割
  3. DIV+CSS布局,第五课,DOCTYPE的选择,零起点细说网站制作
  4. 【自动化测试】搭建一个简单从Excel读取用例内容并输出结果的脚本
  5. 分布式缓存技术memcached学习系列(五)—— memcached java客户端的使用
  6. redisLock redis分布式锁
  7. httplistener java_可以使用异常HttpListener吗?
  8. C#写的34401A串口232数据读取程序
  9. U盘用USBOOT做引导盘后,导致无法格式化U盘
  10. 【信息系统分析与设计】【期末考】
  11. R语言hist作直方图
  12. UOJ #60 [UR #5] 怎样提高智商
  13. 2011广告联盟排名,最好的广告联盟推荐
  14. PWmat案例赏析:计算精度高、速度快的第一性原理计算,研究表面终端结构对NV色心影响
  15. 使用心得:[屏幕录制专家]与[Macromedia Captivate]的比拼
  16. 使用Markdown语法介绍markdown
  17. 外包 | “Pandas“ Assignments 20220404
  18. coso全称是什么_京东方全称是什么
  19. CAM/TCAM/RAM
  20. 计算机图形学的应用虚拟现实相关,虚拟现实技术中计算机图形学的应用——三维计算机图形...

热门文章

  1. 了解交换机基本原理与配置
  2. 【开源技术分享】无需流媒体服务,让浏览器直接播放rtsp/rtmp的神器:EasyMedia
  3. 【Java8】 lambda 特性讲解
  4. 屏蔽ip段访问 html,php屏蔽ip、ip段、省份地区的访客
  5. UE4_如何在UI中设置动态图片
  6. python比较两张图片并获取精准度
  7. sql判断邮箱是否合法_如何验证会员系统中用户的邮箱是否真实存在
  8. linux压缩和解压 zip rar 常见两种操作方法
  9. DAHUA拼接屏操作步骤
  10. 电子表整点报时怎么取消_不用睁眼,让手机自动为你报时