第16章回溯.pptVIP

* * * * * * * * * * n=6,M=30和W(1:6)=(5,10,12,13,15,18)时回溯法展开的部分状态空间树 图中矩形结点内的数字是s, k, r的值。 圆形结点表示一个答案节点，其对应的子集和数为M。这些节点是：A=(1,1,0,0,1,0),B=(1,0,1,1,0,0)和C=(0,0,1,0,0,1)。 图6.9中的树只有20个矩形结点，而n=6的满状态空间树有 26-1=63个节点。 * the term backtrack was coined by American mathematician D. H. Lehmer in the 1950s * * * * * * * * * * * * * * * * * * * * * * * CLP: part of state space tree 0/1背包问题 使用定长元组表示，其状态空间树同于装船问题。 设x=(x(1),…,x(k)),为状态空间树的节点, bestp是算法当前获得最优效益值, cp=x(1)p(1)+…+x(k)p(k). 收益密度：d=p/w 定义节点x的效益值的上界: bound(x)＝cp+其余物品的连续背包问题的优化效益值(贪心法得到). 如bound＝bestp则停止展开x. 状态空间树 背包问题回溯法 按密度降序对物品排序 bestp←-∞ 设x=(x(1),…,x(k-1)),为当前E节点(boundbestp成立); 展开左子节点： 如果cw+w(k)≤c, 则装入物品k, 且 cw←cw+w(k), cp←cp+p(k), x(k)←1 否则, 展开右子节点. 背包问题的回溯法 展开右子节点： 如果bound≤bestp则停止产生 右子树, 否则, x(k)←0,并令(x(1),…,x(k))为E节点; 回溯的细节类似装船问题 例题16.7 考察一个背包例子： n= 4，c= 7，p= [ 9 , 10 , 7 , 4 ]，w= [ 3 , 5 , 2 , 1 ]。这些对象的收益密度为[ 3 , 2 , 3 . 5 , 4 ]。 按密度排列为：（4，3，1，2) w’=[1,2,3,5],p’=[4,7,9,10] 展开的部分状态空间树 在结点5处得到bestp=20；结点6处bound=19,故限界掉；类似，结点7，8也被限界掉 解为x=[1,1,1,0]，回到排序前为x=[1,0,1,1] 最大集团(Max clique)：相关概念 完全子图:令U为无向图G的顶点的子集，当且仅当对于U中的任意点u 和v，(u , v)是图G的一条边时，U定义了一个完全子图（complete subgraph）。子图的尺寸为图中顶点的数量。 集团(Clique):当且仅当一个完全子图不被包含在G的一个更大的完全子图中时，它是图G的一个集团。最大集团是具有最大尺寸的集团。 独立(顶点)集:无边相连的顶点集合且包含意义下最大的集合 最大独立集：顶点数最多的独立集合 Max clique: 示例 子集{ 1 , 2 }是尺寸为2的完全子图，但不是一个集团，它被包含在完全子图{ 1 , 2 , 5 }中 { 1 , 2 , 5 }为一最大集团。点集{ 1 , 4 , 5 }和{ 2 , 3 , 5 }也是最大集团 { 2 , 4 }定义了a的一个空子图，它也是该图的一个最大独立集 { 1 , 2 }定义了b 的一个空子图，它不是独立集，因为它被包含在{ 1 , 2 , 5 }中 {2,3}和{1,2,5}是b 中图的独立集.{1,2,5}是最大独立集 1 2 3 4 5 a 1 2 3 4 5 b Max clique：小结 G的集团是其补图的独立集，反之亦然 用于网络密集度分析 电信网络 生物信息网络 蛋白质相互作用网络 基因相互作用网络 两个问题都是NP－难度问题 Max clique： 回溯求解 最大集团问题的状态空间树： 元组长度等于图的顶点数 分量取值0/1：xi=1表示顶点i在所考虑的集团中 状态空间树类似0/1背包问题的状态空间树。 扩展：检查根节点到达一问题节点的路径上的部分元组是否构成图的一个完全子图。 限界：用当前集团的顶点数cn＋剩余顶点数≤bestn 进行限界 Max clique：程序实现（1） void AdjacencyGraph::maxClique(int i) {// Backtracking code to compute largest clique. if (i n) {// at leaf // found a larger clique, update for (int j