Chapter回溯法.ppt

7 回溯法Backtracking 引例 图的3着色问题 给定一个无向图G=(V,E)，及3种颜色{1,2,3}，现要为图的每个顶点着色。每顶点只能着一种颜色，并且要求相邻的顶点具有不同的颜色。 一个具有n个顶点的图，可用一个n维的向量(c1,c2,…,cn)表示一种着色方案，ci∈{1,2,3}, i=1,2,...,n，共有3n种可能的着色，可用一棵完全的3叉树表示。 下图为有3个顶点的所有可能的着色搜索树，从根到叶结点的每条路径表示一种着色方案。 问题的解向量：问题的解能够表示成一个n维向量(x1,x2,,…,xn)的形式。 显式约束：对分量xi的取值限定。 隐式约束：为满足问题的解而对不同分量之间施加的限定。 问题的解空间：对于问题的一个实例，解向量满足显式约束条件的所有n维向量，构成了该问题实例的一个解空间。 回溯法的工作原理 回溯法的基本做法是搜索，是一种组织得井井有条，能避免不必要搜索的穷举式搜索法。 回溯法按深度优先策略搜索问题的解空间树。算法搜索至解空间树的任意一结点时，先判断该结点是否可能包含问题的解：1) 如果肯定不包含，则跳过这个结点；2) 如果可能包含，进入该子树，继续按深度优先策略搜索；3) 若某结点 i 的所有子结点都不可能包含问题的解，则回溯到 i 的父结点，生成下一个结点，继续搜索。 递归回溯 迭代回溯 复杂度分析 高斯8皇后问题 著名的数学家高斯在1850年提出：在8×8格的国际象棋上摆放八个皇后，使其不能互相攻击，即：任意两个皇后都不能处于同一行、同一列或同一斜线上，问如何摆放？ 考察n皇后问题n=4的情形： 合法布局：一个不互相攻击的4 皇后布局 部分布局：一个不互相攻击的少于4个皇后的布局 下图表示一个部分布局，用向量(3,1,0,0)表示； 递归回溯 迭代回溯 算法分析 算法效率：蛮力方法候选解的个数是n!；而使用回溯法，候选解的个数是nn，回溯的效率是否太低了？ 然而，仔细分析可以发现，回溯法可以极大减少测试次数： 例如，假设前两个皇后冲突，蛮力方法仍旧要测试(n ?2)!个候选解；而回溯法只要进行一次测试，就可以避免剩余无意义的测试。 所以，尽管在最坏情况下要用O(nn)时间来求解，然后大量实际经验发现，它在有效性上远远超过蛮力方法O(n!)。例如在4 皇后问题中，只搜索了256个节点中的19个就找到了解。 哈密顿回路问题 1859年，爱尔兰数学家哈密顿提出了著名的周游世界问题。他用正12面体的20个顶点代表20个城市，要求从一个城市出发，经过每个城市恰好一次，然后回到出发城市。 分析 假定图G=(V,E)的顶点集V={1,2,...,n}，则哈密顿回路问题的可能解表示为n维的向量x=(x1,...,xn)，其中xi∈{1,2,...,n}。根据题意，有如下约束条件： (xi, xi+1) ∈E (1≤i≤n-1) (xn, x1) ∈E xi≠xj (1≤i, j≤n, i≠j) 在所有的可能解中，考虑到约束条件xi≠xj (1≤i, j≤n, i≠j)，则可能的解应该是(1,2,...,n)的一个排列，对应的解空间中有n!个叶子结点。 通用回溯方法框架 本小节描述通用回溯方法的一般框架，可以作为系统搜索的基本框架，在解决实际问题时，修改该基本框架中的相应部分使之适合实际问题即可。 对于以下这样一类问题，可以使用该方法：这类问题的解满足事先定义好的某种约束向量(x1,...,xn)，这里n是取决于问题实例的常量。 在回溯法中，每个xi 均是属于某个有限集合的，不妨称之为Xi，那么回溯法实质上是按照词典顺序考虑笛卡儿积: X1×X2×…×Xn 中的元素。 算法最初从空向量开始，先选择X1中的最小元素作为x1； 如果(x1)是部分解，那么选择X2中的最小元素作为x2； 如果(x1, x2)是部分解，则继续考虑X3中的最小元素作为x3， 否则，考虑X2中的第二个元素作为x2。依此类推。 一般说来， 当算法已经检测到部分解(x1, x2,…, xj)， 需要继续考虑 v = (x1, x2,…, xj, xj+1)时，有以下几种情形： 1. 若v 表示问题的最终解，算法记录下它作为一个解。如果只需要一个解，算法结束；否则，继续找其它解。 2. 如果v = (x1, x2,…, xj, xj+1) 是一个部分解，那么选择集合Xj+2中未使用过的最小元素作为xj+2。(向前搜索) 3. 如果v 既非最终解，也非部分解，那么会有以下两种情况： a. 如果集合Xj+1中还有其它未曾使用过的元素，则选择下一个未曾使用过的元素作为xj+1。 b. 如果集合Xj+1中没有其它未曾使用过的元素，则回溯，将Xj中未曾使