回溯算法设计.pptVIP

程序中的递归过程图解如下： 回溯 计算机求解的过程 在状态空间寻找机内解, 可以看成是从初始状态出发,搜索目标状态(解所在的状态)的过程。 几种搜索方法 三种搜索的优劣之处 一般来说，三种搜索方法各有优劣之处： 广度优先搜索和深度优先搜索优点：一定能找到解；缺点：时间复杂性大。 启发式搜索优点：一般来说能较快地找到解，即其时间复杂性小；缺点：需要设计一个评价函数，并且评价函数的优劣决定了启发式搜索的优劣。 回溯法的算法框架5.1.1 问题的解空间 应用回溯法解问题时，首先应明确定义问题的解空间。问题的解空间应至少包含问题的一个(最优)解。通常将解空间组织成树或图的形式。 问题的解向量：回溯法希望一个问题的解，能够表示成一个n元式(x1,x2,…,xn)的形式。 显约束：对分量xi的取值限定 隐约束：为满足问题的解，而对不同分量之间施加的约束。 解空间：对于问题的一个实例，解向量满足显式约束条件的所有多元组，构成了该实例的一个解空间。 例如，对于有n种可选物品的0-1背包问题，其解空间由长度为n的0-1向量组成。 基本思想： 确定了解空间的组织结构后，回溯法就从开始结点（根结点）出发，以深度优先的方式搜索整个解空间。 开始结点就成为一个活结点，同时也成为当前的扩展结点。 在当前扩展结点，搜索向纵深方向移至一个新结点。这个新结点就成为一个新的活结点，并成为当前扩展结点。 如果在当前的扩展结点处不能再向纵深方向移动，则当前扩展结点就成为死结点。 此时，应往回移动（回溯）至最近的一个活结点处，并使这个活结点成为当前的扩展结点。 回溯法即以这种工作方式递归地在解空间中搜索，直至找到所要求的解或解空间中已没有活结点时为止。 可重复的全排列 假设是由1-3组成的3位数 program expl_dg; var a:array[1..10] of integer; procedure print; var i:integer; begin for i:=1 to 3 do write(a[i], ); writeln; end; procedure work(x:integer); var i:integer; begin if x3 then begin print ;exit;end; for i:=1 to 3 do begin a[x]:=i; work(x+1); end; end; begin work(1); end. 数字排列问题的递归实现 四皇后问题的递归实现 0,1背包问题 已知一个容量大小为M重量的背包和N种物品，每种物品的重量为Wi。若将物品放入背包将得到Pi的效益，求怎样选取物品将得到效益最大 算法分析 本题可以用递归求解：设当前有N个物品，容量为M；因为这些物品要么选，要么不选，我们假设选的第一个物品编号为I（1~I-1号物品不选），问题又可以转化为有N-I个物品（即第I+1~N号物品），容量为M-Wi的子问题……如此反复下去，然后在所有可行解中选一个效益最大的便可。 另外，为了优化程序，我们定义一个函数如下： F[I]表示选第I~N个物品能得到的总效益。不难推出： F[N]=Pn F[I]=F[I+1]+Pi （I=1…N-1） 假设当前已选到第I号物品，如果当前搜索的效益值+F[I+1]的值仍然比当前的最优值小，则没有必要继续搜索下去。 算法框架 procedure search(i:integer; j:byte); {递归求解} var k:byte; begin if now+f[j]=ans then exit; {如果没有必要搜索下去} if nowans then begin {修改最优解} ans:=now; out:=ou; end; for k:=j to n do {选取物品} if w[k]=i then begin now:=now+p[k]; ou[k]:=true; search(i-w[k],k+1); now:=now-p[k]; ou[k]:=false; end; end; 计算拆分方案 测试8、01字符串问题 测试9.错排问题(02年初赛) 测试10. 测试11 、棋盘覆盖 测试12、组合的输出 例1、翻硬币(03年初赛题) 例2、求全排列(06年初赛题) 例3、2的幂次方表示(98年复赛) 例4、集合找数 例5、求先序遍历 例6、黑白棋子的移动 测试5、合理排列(04年江苏) 问题描述： 由m个A，n个B组成若干个排列