第十二节 搜索法.docVIP

第十二章 搜索法 无论什么类型的试题，只要能归纳出数学模型，我们尽量用解析方法求解。因为一个好的数学模型建立了客观事物间准确的运算关系。运用这个数学模型直接求解是再合适不过的了。当然，这仅是一种可能性，因为并非所有选手都能在竞赛的“一瞬间”把问题分析得如此透彻，并非所有给定的问题都能建立数学模型，即便有了数学模型，但解该模型的准确方法也不一定能立即运用现成算法。因此在某些情况下，还得需要通过搜索（列举所有可能情况）来寻求问题的解。下面介绍两种最常用的搜索策略 ⑴枚举法 ⑵回溯法 ⑶广度优先搜索 §12.1枚举法 枚举法的基本思想是根据提出的问题枚举所有可能状态，并用问题给定的条件检验哪些是需要的，哪些是不需要的。能使命题成立，即为其解。虽然枚举法本质上属于搜索策略，但是它与后面讲的回溯法有所不同。因为适用枚举法求解的问题必须满足两个条件： ⑴可预先确定每个状态的元素个数n； ⑵状态元素a1，a2，…，an的可能值为一个连续的值域。 设 ai1—状态元素ai的最小值；aik—状态元素ai的最大值(1≤i≤n)，即a11≤a1≤a1k，a21≤a2≤a2k， ai1≤ai≤aik，……，an1≤an≤ank 我们称状态元素为枚举变量。例如某问题的枚举变量有3个：a1，a2，a3。其中 1≤a1≤2；2≤a2≤4；5≤a3≤7 则问题的可能状态集为 (a1，a2．a3)={(1，2，5)，(1，2，6)，(1，2，7)，(1，3 ，5)，(1，3，6)，(1，3，7)(1，4，5)，(1，4，6)，(1，4，7)，(2，2，5)，(2，，6)，(2，2，7) (2，3，5)，(2，3，6)，(2，3，7)，(2，4，5)，(2，4，6)，(2，4，7)} for语言和条件判断语句逐步求解或证明： for a1←a11 to a1k do fo a2←a21 to a2k do …………………… for ai←ai1 to aik do …………………… for an←an1 to ank do if 状态(a1，i，…，an)满足检验条件 then 输出问题的解； 由此可见，枚举的次数为。 枚举法的优点： ⑴由于枚举算法一般是现实生活中问题的“直译”，因此比较直观，易于理解； ⑵由于枚举算法建立在考察大量状态、甚至是穷举所有状态的基础上，所以算法的正确性比较容易证明。 枚举法的缺点：枚举算法的效率取决于枚举状态的数量以及单个状态枚举的代价，因此效率比较低。 当然，由于模型建立的不同、信息提取量的不同，同一个问题可以有多个枚举算法，效率也可能有所不同，甚至可能有很大的差异。 一、“直译”的枚举算法 将自然语言描述的问题“翻译”成算法过程，即为“直译”。现实生活中的许多问题可以“直译”成枚举算法。例如古代著名的“百鸡百钱”（公鸡一只5文钱，母鸡一只3文钱，小鸡3只一文钱。要求计算一百钱可买3种鸡的数量）问题就是一个典型的枚举问题。 状态：3种鸡的数量x，y，z x≤-2，y≤-2，z=100-x-y ：5*x+3*y+z/3=100 for x←1 to 18 do for y←1 to 31 do begin z←100-x-y； if 5*x+3*y+z/3=100 then x只，y只，z只； end；{for} 从上例可以看出，能够被“直译”的问题一般具有下列特征 ⑴建立在离散模型上； ⑵状态的数量和枚举单个状态的代价确定； ⑶枚举算法的时间复杂度为一个多项式； 下面，我们再来看一个较为复杂的问题是如何“直译”成枚举算法的 【例题12.1.1】跳远 在水平面上整齐的放着n个正三角形，相邻两个三角形的底边之间无空隙，如下图所示。 一个小孩子想站在某个三角形i的顶端，跳到三角形j的顶端上(ij)。他总是朝着斜向45度的方向起跳，且初始水平速度v不超过一个给定值v0。在跳跃过程中，由于受到重力作用（忽略空气阻力），小孩子将沿着抛物线行进，水平运动方程为x = x0 + vt，竖直运动方程为y = y0 + vt – 0.5gt2，运动轨迹是一条上凸的抛物线。取g=10.0，(x0， y0) 请编程求出他从每个位置起跳能到达的最远三角形的编号。注意：跳跃过程中不许碰到非起点和终点的其他三角形。 输入 第一行为两个正整数n，v0(3n≤10， 1v0≤100)，表示三角形的个数和最大水平初速度。 第二行有n个正整数li(1≤li≤20)，表示从左到右各个三角形的边长。 输出 输出仅一行，包括n-1个数，表示从三角形1，2，3…n-1i，依次判断点i+1， i+2…n 状态：起