算法与设计第5章要点.ppt

5.6 0-1背包问题 * 三、算法描述 void Clique::Backtrack(int i)// 计算最大团 { if (i n) {// 到达叶结点 for (int j = 1; j = n; j++) bestx[j] = x[j]; bestn = cn; return;} int OK = 1; // 检查顶点 i 与当前团的连接 for (int j = 1; j i; j++) if (x[j] a[i][j] == 0) { // i与j不相连 OK = 0; break;} if (OK) {// 进入左子树 x[i] = 1; cn++; Backtrack(i+1); x[i] = 0; cn--;} if (cn + n - i bestn) {// 进入右子树 x[i] = 0; Backtrack(i+1);} } * 四、进一步改进 选择合适的搜索顺序，可以使得上界函数更有效的发挥作用。例如在搜索之前可以将顶点按度从小到大排序。这在某种意义上相当于给回溯法加入了启发性。 * 第5章 回溯法 学习要点 理解回溯法的深度优先搜索策略 掌握用回溯法解题的算法框架 1）递归回溯 2）迭代回溯 3）子集树算法框架 4）排列树算法框架 通过应用范例学习回溯法的设计策略 1）装载问题； 2）批处理作业调度； 3）n后问题； 4）0-1背包问题； 5）最大团问题； 6）旅行售货员问题 * 引言 有许多问题，当需要找出它的解集或者要求回答什么解是满足某些约束条件的最佳解时，往往要使用回溯法。 回溯法的基本做法是搜索，或是一种组织得井井有条的、能避免不必要搜索的穷举式搜索法。这种方法适用于解一些组合数相当大的问题。 回溯法在问题的解空间树中，按深度优先策略，从根结点出发搜索解空间树。算法搜索至解空间树的任意一点时，先判断该结点是否包含问题的解：如果肯定不包含，则跳过对该结点为根的子树的搜索，逐层向其祖先结点回溯；否则，进入该子树，继续按深度优先策略搜索。 * 5.1 回溯法的算法框架 本节介绍回溯法算法框架的有关问题： 一、问题的解空间 二、回溯法的基本思想 三、递归回溯 四、迭代回溯 五、子集树与排列树 * 一、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。 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。 解空间：对于问题的一个实例，解向量满足约束条件的所有多元组，构成了该实例的一个解空间。 注意：同一个问题可以有多种表示，有些表示方法更简单，所需表示的状态空间更小（存储量少，搜索方法简单）。 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。 n=3时的0-1背包问题用完全二叉树表示的解空间 * 二、回溯法的基本思想 回溯法的基本步骤： (1)针对所给问题，定义问题的解空间； (2)确定易于搜索的解空间结构； (3)以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。 常用剪枝函数： 用约束函数在扩展结点处剪去不满足约束的子树； 用限界函数剪去得不到最优解的子树。 关于复杂性： 用回溯法解题的一个显著特征是在搜索过程中动态产生问题的解空间。在任何时刻，算法只保存从根结点到当前扩展结点的路径。 * 生成问题状态的基本方法 扩展结点：一个正在产生儿子的结点称为扩展结点 活结点：一个自身已生成但其儿子还没有全部生成的节点称做活结点 死结点：一个所有儿子已经产生的结点称做死结点 深度优先的问题状态生成法：如果对一个扩展结点R，一旦产生了它的一个儿子C，就把C当做新的扩展结点。在完成对子树C（以C为根的子树）的穷尽搜索之后，将R重新变成扩展结点，继续生成R的下一个儿子（如果存在） * 示例1 0-1背包问题 n=3, C=30, w={16, 15, 15}, v={45, 25, 25} A Cr=C=30，V=0 B w1=16，v1=45 Cr=14，V=45 C Cr=30，V=0 D Crw2 不可行解 J Crw3 不可行解 K Cr=14 V=45 x=(1,0,0) H I E Cr=14 V=45 L w3=15，v3=25 Cr=0，V=50 5045 x=(0,1,1) F w2=15，v2=25 Cr=15，V=25 M 2550 不是 最优 解 * 示例2 旅行售货员问题 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