《算法设计和分析》第08章.pptVIP

算法设计与分析;第2部分 算法设计策略;第8章 回溯法 ;8.1 一般方法 8.2 n-皇后 8.3 子集和数 8.4 图的着色 8.5 哈密顿环 8.6 0/1背包 8.7 批处理作业调度;最优化问题：满足一定的约束条件解称为可行解。使目标函数最优的（最大或最小）可行解称为最优解。 问题的解向量：表示成一个n元式(x0,x1,…,xn-1)的形式 贪心算法：最优子结构特性和最优量度标准 动态规划法：最优子结构特性和重叠子问题;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。;搜索过程，要保证每个可能情况都要试到，不漏不重，所以就有了各种各样的搜索算法，比如深度优先搜索，广度优先搜索。他们的区别只在于构造可能解的方式不同，本质是一样的，都是试解，回溯算法是一种采用深度优先方式来构???可能解的搜索算法。;搜索算法如果不做任何优化那么执行效率是一样的。因为一定要搜索全部可能解。但是如果我们在搜索过程（可能解的构造）中已经和问题不符合，我们就没必要继续构造下去，这就是所谓搜索算法里面的剪枝，不同的搜索算法就是为了尽可能地舍弃那些不可能的解，来达到提高搜索算法效率的目的。;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。;8.1.1 基本概念 ;状态空间树（state space）是描述问题解空间的树形结构。树中每个结点称为一个问题状态（problem state）。如果从根到树中某个状态的路径代表一个作为候选解的元组，则称该状态为解状态（solution state）。如果从根到某个解状态的路径代表一个作为可行解的元组，则称该解状态为答案状态(answer state)。 ;8.1.2剪枝函数和回溯法 ;使用剪枝函数的深度优先生成状态空间树中结点的求解方法称为回溯法（backtracking）；广度优先生成结点，并使用剪枝函数的方法称为分枝限界法（branch-and-bound）。 ;对n个元素（a0,a1,…,an-1)排序，本质是求元素下标（0，1,…,n-1)的一种排列X(x0,x1,…,xn-1)，使得axi≤axi+1 例如：n=3,（a0,a1,a2)=(13,24,9);设(x0,x1,…,xk-1)是从根到某个问题状态Y的一条路径，令T(x0,x1,…,xk-1)是xk可取值的集合，对于xk的每个取值(x0,x1,…,xk-1，xk)，是一条从根到Y再到Y的某个孩子Z的路径。如果约束函数Bk(x0,x1,…,xk)为真，则继续检测以Z为根的子树，否则将不再考虑以Z为根的子树。如果(x0,x1,…,xk-1)到达叶子结点，T(x0,x1,…,xk-1)应为空集。;【程序8－1】递归回溯法 Void RBacktrack(int k) {//应以RBacktrack(0)调用本函数 for (每个x[k],使得 x[k]?T(x[0],?,x[k-1]) (Bk(x[0],?,x[k])) { if ( (x[0],x[1],?,x[k])是一个可行解) 输出 (x[0],x[1],?,x[k]);//输出可行解 RBacktrack(k+1); //深度优先进入下一层 } } };【程序8-2】 迭代回溯法 Void IBacktrack(int n) { int k=0; while (k=0){ if (还剩下尚未检测的x[k]，使得x[k]?T(x[0],?,x[k-1]) Bk(x[0],?,x[k]) { if ( (x[0],x[1],?,x[k])是一个可行解) //考虑x[k]的下一个可取值 输出(x[0],x[1],?,x[k]); k++; //考虑下一层分量 } else k--; //回溯到上一层 } };8.1.3?回溯法的效率分析 ;蒙特卡罗方法（Monte Carlo）。这种估计方法的基本思想是在状态空间树中随机选择一条路径(x0, x1,…, xn?1)。设X是这条随机路径上，代表部分向量(x0, x1,…, xk?1)的结点，如果在X处不受限制的孩子数目是mk，则认为与X同层的其