回溯法课件推荐.pptVIP

第六章 回溯法 1 本章主要内容 6.1 回溯法算法框架 6.2 典型应用 装载问题 n后问题 0-1背包问题 旅行售货员问题 图的m着色问题 学习要点 掌握回溯的概念 掌握经典问题的回溯解决方法 掌握回溯与其它方法的异同 引言 理论上 寻找问题的解的一种可靠的方法是首先列出所有候选解，然后依次检查每一个，在检查完所有或部分候选解后，即可找到所需要的解。 但是 当候选解数量有限并且通过检查所有或部分候选解能够得到所需解时，上述方法是可行的。 若候选解的数量非常大（指数级，大数阶乘），即便采用最快的计算机也只能解决规模很小的问题。 引言 于是 回溯和分枝限界法是比较常用的对候选解进行系统检查两种方法。 按照这两种方法对候选解进行系统检查通常会使问题的求解时间大大减少（无论对于最坏情形还是对于一般情形） 。 可以避免对很大的候选解集合进行检查，同时能够保证算法运行结束时可以找到所需要的解。 通常能够用来求解规模很大的问题。 引言 回溯法 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。 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。 6.1 回溯法的算法框架 6.1.1 问题的解空间 问题的解向量 回溯法希望一个问题的解能够表示成一个n元式(x1,x2,…,xn)的形式。 显约束 对分量xi的取值限定。 隐约束 为满足问题的解而对不同分量之间施加的约束。 6.1 回溯法的算法框架 解空间（Solution Space） 对于问题的一个实例，解向量满足显式约束条件的所有多元组，构成了该实例的一个解空间。 回溯法解问题时，首先应明确定义问题的解空间。解空间应至少包含问题的一个（最优）解。 同一问题可有多种表示，有些表示更简单，所需状态空间更小（存储量少，搜索方法简单）。 6.1 回溯法的算法框架 例如 对于有n种可选物品的0-1背包问题，其解空间由2n个长度为n的0-1向量组成。 n=3时，解空间为{(0,0,0),(0,0,1),(0,1,0),(0,1,1), (1,0,0),(1,0,1),(1,1,0),(1,1,1)} 用完全二叉树表示的解空间 边上的数字给出了向量x中第i个分量的值xi； 根节点到叶节点的路径定义了解问题的一个解； 根据w和c的值，从根到叶的路径中的部分或全部解可能是不可行的。 7.1 回溯法的算法框架 6.1 回溯法的算法框架 6.1.2 回溯法的基本思想 回溯法的基本步骤 (1)针对所给问题，定义问题的解空间； (2)确定易于搜索的解空间结构； (3)以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。 常用剪枝函数 用约束函数在扩展结点处剪去不满足约束的子树； 用限界函数剪去得不到最优解的子树。 6.1 回溯法的算法框架 空间复杂性 用回溯法解题的一个显著特征是在搜索过程中动态产生问题的解空间。在任何时刻，算法只保存从根结点到当前扩展结点的路径。 如果解空间树中从根结点到叶结点的最长路径的长度为h(n)，则回溯法所需的计算空间通常为O(h(n))。 显式地存储整个解空间则需要O(2h(n）)或O(h(n)!)内存空间。 6.1 回溯法的算法框架 生成问题状态的基本方法 扩展结点（E-结点,Expansion Node） 一个正在产生儿子的结点称为扩展结点 活结点（L-结点,Live Node） 一个自身已生成但其儿子还没有全部生成的节点称做活结点 死结点（D-结点,Dead Node） 一个所有儿子已经产生的结点称做死结点 6.1 回溯法的算法框架 深度优先的问题状态生成法 如果对一个扩展结点R，一旦产生了它的一个儿子C，就把C当做新的扩展结点。 在完成对子树C（以C为根的子树）的穷尽搜索之后，将R重新变成扩展结点，继续生成R的下一个儿子（如果存在）。 宽度优先的问题状态生成法 一个扩展结点变成死结点之前，它一直是扩展结点。 6.1 回溯法的算法框架 回溯法 为了避免生成那些不可能产生最佳解的问题状态，要不断地利用限界函数(Bounding Function)来处死那些实际上不可能产生所需解的活结点，以减少问题的计算量。 具有限界函数的深度优先生成法称为回溯法。 6.1 回溯法的算法框架 0-1背包问题 n=3, C=30, w={16, 15, 15}, v={45,25,25} 开始时， Cr=C=30，V=0 C为容量，Cr为剩余空间，V为价值。 A为唯一活结点，也是当前扩展结点。 6.1 回溯法的算法框架 n=3, C=30, w={16,15,1