9.回溯与分枝限界.pptVIP

回溯法和分枝限界技术;路径搜索算法(回溯和分支限界技术);步骤： （1）确定问题的可能解空间，即搜索范围 （2）以一种便于搜索的方式组织所有可能的解（一般采用树结构） （3）以某种方式搜索解空间树，有两种基本方式： ①深度优先搜索（DFS），即回溯技术 ②广度优先搜索（BFS），即分支限界技术 （4）在搜索过程中利用判定函数（代价函数或限界函数），通过剪枝来加速搜索过程。还可以通过某种技术（AI），优先搜索最有可能包含最优解的子树，从而提高求解的速度。;深度优先搜索DFS;DFS算法;广度优先搜索BFS;BFS算法：; 广度和深度优先搜索有一个很大的缺陷,就是他们都是在一个给定的状态空间中穷举。这在状态空间不大的情况下是很合适的算法，可是当状态空间十分大，且不预测的情况下就不可取了。他的效率实在太低，甚至不可完成。 所以， 必须进行剪枝！;8皇后问题;上右图是一个可行解。它是怎样得来的呢？它是一个一个试出来的。 由于每行必须恰好有一个皇后，我们依次考虑每一行的每一个皇后。我们把行从上到下编号为0到7，列从左到右编号为0到7，这样，每一个当前摆放皇后的“情况”（不一定是解！）可以表示成一个向量，表示每行的皇后编号（列号）。 下图表示为(0, 4, 7, 5, 2, 6, 1, 3)。如果向量中的元素有不确定的值，可以用？表示。由于这时候我们需要进一步确定这些？的值，称每个带？的向量为“状态”。例如(0, 1, ?, ?, ?, ?, ?, ?)就是一个状态。但这个状态并不包含可行解，因为前两个皇后已经相互攻击了。这样的状态称为非法状态。;为简单起见，考虑4*4棋盘上4皇后的问题。 最开始什么都不知道，状态为(?, ?, ?, ?)，称为初始状态(initial state) 。第一个皇后在哪一列呢？不知道，只能一个一个试。于是从初始状态可以扩展(expand) 出4个状态，即(0, ?, ?, ?),(1, ?, ?, ?), (2, ?, ?, ?)和(3, ?, ?, ?)。每个状态又继续扩展，直到求出解或者无法扩展为止。这里把完整的过程画出来，如下图。注意：图上并没有画出(0, 1, ?, ?)这样的非法状态。;上图是一棵树，它标识从初始状态可以直接或间接扩展出的所有状态。它有一个名字叫“解答树”，每个结点的儿子是该结点能扩展出的所有结点。每个状态的深度恰好是它包含的问号个数。 只要某算法能完整的扩展出这棵树，它一定可以找到深度为4的所有结点，即问题的解。这样的算法有很多，回溯法就是其中的一个。;回溯法(backtracking) 回溯法按照深度优先的顺序遍历解答树。换句话说，它遍历图3的顺序是(?,?,?,?) - (0,?,?,?) - (0,2,?,?) - (0,3,?,?) - (0,3,1,?) - (1,?,?,?) - (1,3,?,?) -… 既然是深度优先遍历，回溯法可以很自然的写成递归的形式。 下面给出完整的程序，它将按顺序给出回溯法遍历到的所有状态并给出解的总数。为了方便判断，程序使用数组used[i][0]，used[i][1]和used[i][2]分别表示编号为i的列、主对角线和副对角线是否已经被攻击到。放置一个皇后需要把一些值设置为真，取走皇后（即回溯）时把这些值重新设置为假。主副对角线分别用y-x和x+y标识各条对角线(对对角线上的点，其y-x值和x-y值保持不变);# include stdio .h const int n = 4; int tot = 0; int path [n]; int used [n *2 -1][3]; void search (int dep ){ int i; if(dep == n) tot ++; //递归边界，得到了一个结果 else for(i = 0; i n; i ++) //枚举第行皇后的列编号dep if (!used [i ][0] !used[i-dep+n-1][1]!used [i+dep][2]){//不冲突，继续走 path [dep ] = i; used [i ][0] = used [i-dep+n -1][1] = used [i+dep ][2] = 1;//放置皇后，记录其行列对角 search (dep + 1); //递归遍历子树 used [i ][0] = used [i-dep+n -1][1] = used [i+dep ][2] = 0;//取走皇后，设置状态