第五章图的搜索算法.ppt

第五章 图的搜索算法 5．5 分支限界法 5．5．1 分枝搜索算法 5．5．2 分枝-限界搜索算法 5．5．3 算法框架 5．6 图的搜索算法小结 5．5．1 分枝搜索算法 1．FIFO搜索 2．LIFO搜索 3．优先队列式搜索 5．5．2 分枝-限界搜索算法 算法1的缺点有: 2）算法1是在对子集树进行盲目搜索，我们虽然不能将搜索算法改进为多项式复杂度，但在算法中加入了“限界”技巧，还是能降低算法的复杂度。 数据结构：相应地，当前最大装载bestw不仅仅对叶结点计算，每次搜索装载情况（搜索左儿子）时，都重新确定bestw的值。为了方便计算一个分支的“装载上界”，用变量r记录当前层以下的最大重量。公共变量的定义： 算法如下： 2 3 4 算法设计3：用优先队列式分支限界法解决【例2】的问题 算发设计3（3）： 算发设计3（4） 算发设计3（5） 算法说明： 小结讨论： FIFO限界搜索过程为： 上一页· 下一页· 返回首页· 例1· LC-搜索的过程如下： 5．5．3 算法框架 上一小节的例子是求最大值的最优化问题，下面我们以求找最小成本的最优化问题，给出FIFO分支搜索算法框架。 假定问题解空间树为T，T至少包含一个解结点（即答案结点）。u为当前的最优解，初值为一个较大的数;E表示当前扩展的活结点，x为E的儿子，s(x)为结点x下界函数，当其值比u大时，不可能为最优解，不继续搜索此分支，该结点不入队；当其值比u小时，可能达到最优解，继续搜索此分支，该结点入队；cost（X）为当前叶结点所在分支的解。 算法框架如下： 2）： 3）： 5．6 图的搜索算法小结 2. 3. 4. 5. 上一页· 下一页· 返回首页· 5.5 在处理最优问题时，采用穷举法、回溯法或分支限界法都可以通过利用当前最优解和上界函数加速。仅就对限界剪支的效率而言，优先队列的分支限界法显然要更充分一些。在穷举法中通过上界函数与当前情况下函数值的比较可以直接略过不合要求的情况而省去了更进一步的枚举和判断；回溯法则因为层次的划分，可以在上界函数值小于当前最优解时，剪去以该结点为根的子树，也就是节省了搜索范围；分支限界法在这方面除了可以做到回溯法能做到的之外，同时若采用优先队列的分支限界法，用上界函数作为活结点的优先级，一旦有叶结点成为当前扩展结点，就意味着该叶结点所对应的解即为最优解，可以立即终止其余的过程。在前面的例题中曾说明，优先队列的分支限界法更象是有选择、有目的地进行深度优先搜索，时间效率、空间效率都是比较高的。 上一页· 下一页· 返回首页· 5.5 3．动态规划与搜索算法 撇开时空效率的因素不谈，在解决最优化问题的算法中，搜索可以说是“万能”的。所以动态规划可以解决的问题，搜索也一定可以解决。动态规划要求阶段决策具有无后向性，而搜索算法没有此限止。 动态规划是自底向上的递推求解，而无论深度优先搜索或广度优先搜索都是自顶向下求解。利用动态规划法进行算法设计时，设计者在进行算法设计前已经用大脑自己构造好了问题的解空间，因此可以自底向上的递推求解；而搜索算法是在搜索过程中根据一定规则自动构造，并搜索解空间树的。由于在很多情况下，问题的解空间太复杂用大脑构造有一定困难，仍然需要采用搜索算法。 上一页· 下一页· 返回首页· 5.5 * 1．基本思想 分支搜索法也是一种在问题解空间上进行尝试搜索算法。所谓“分支”是采用广度优先的策略，依次生成E-结点所有分支，也就是所有的儿子结点。和回溯法一样，在生成的节点中，抛弃那些不满足约束条件（或者说不可能导出最优可行解）的结点，其余节点加入活节点表。然后从表中选择一个节点作为下一个E-节点。选择下一个E-节点的方式不同导致几种不同的分支搜索方式： 1．FIFO搜索 2．LIFO搜索 3．优先队列式搜索 上一页· 下一页· 返回首页· 5.5.2· 5.5.3· 5.6 一开始，根结点是唯一的活结点，根结点入队。从活结点队中取出根结点后，作为当前扩展结点。对当前扩展结点，先从左到右地产生它的所有儿子，用约束条件检查，把所有满足约束函数的儿子加入活结点队列中。再从活结点表中取出队首结点（队中最先进来的结点）为当前扩展结点，……，直到找到一个解或活结点队列为空为止。 返回 上一页· 下一页· 返