现代大学计算机基础第5章算法思维与程序的设计基础.pptVIP

5.3.5 迷途知返—回溯法　　1．回溯法所能解决的问题特征　　可用回溯法求解的问题P，通常要能表达为：对于已知的由n元组(x1，x2，…，xn)组成的一个状态空间E={(x1，x2，…，xn)∣xi∈Si，i=1，2，…，n}，给定关于n元组中的一个分量的一个约束集D，要求E中满足D的全部约束条件的所有n元组。其中Si是分量xi的定义域，且|Si|有限，i=1，2，…，n。我们称E中满足D的全部约束条件的任一n元组为问题P的一个解。 　　我们发现，对于许多问题，所给定的约束集D具有完备性，即i元组(x1，x2，…，xi)满足D中仅涉及x1，x2，…，xi的所有约束意味着j(j=i)元组(x1，x2，…，xj)一定也满足d中仅涉及x1，x2，…，xj的所有约束，其中i=1，2，…，n。换句话说，只要存在0≤j≤n-1，使得(x1，x2，…，xj)违反d中仅涉及x1，x2，…，xj的约束之一，则以(x1，x2，…，xj)为前缀的任何n元组(x1，x2，…，xj，xj+1，…，xn)一定也违反d中仅涉及x1，x2，…，xi的一个约束(j≤i≤n)。因此，对于约束集d具有完备性的问题P，一旦检测断定某个j元组(x1，x2，…，xj)违反d中仅涉及x1，x2，…，xj的一个约束，就可以肯定，以(x1，x2，…，xj)为前缀的任何n元组 (x1，x2，…，xj，xj+1，…，xn)都不会是问题P的解，因而就不必去搜索、检测它们。回溯法正是针对这类问题，利用这类问题的上述性质而提出的比枚举法效率更高的算法。　　2．回溯法的基本要素　　(1) 约束条件：包括隐性的和显性的，显约束指对问题的解的取值范围限定，隐约束指为满足问题的解而对不同分量之间施加的约束。　　(2) 解空间：对于问题的一个实例，解向量满足显约束的所有n元组构成该实例的一个解空间。为了搜索方便，一般用树或图的形式将问题的解空间有效地组织起来，称为状态树，它是构造深度搜索过程的依据，整个搜索以此树展开。注意：同一个问题的显约束可能有多种，相应解空间的大小就会不同，通常情况下，解空间越小，算法的搜索效率越高。 　　2) 求解各个子问题　　如何对各个子问题进行求解呢？由于采用分治法求解的问题被分解为若干个规模较小的相同子问题，各个子问题的解法与原问题的解法是相同的，因此，可以采用递归技术对各个子问题进行求解。在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而规模不断缩小，最终使子问题缩小到很容易解决的程度，这导致递归过程的产生。分治与递归经常同时用在算法设计中，有时，递归也可以采用循环来实现。　　3) 合并　　合并对分治法的性能至关重要，算法的有效性很大程度上依赖于合并的实现。 　　3．分治算法设计模式 　　其中p(n)表示一个规模为n的问题p，可以分解成K个规模较小的子问题，这些问题相互独立，又与原来的问题结构相同。在解决子问题时，又用相同的方式对每一个问题进行进一步的分解，直到某个阈值n0为止。递归地解这些子问题，再把这些子问题的解合并起来，就得到原来问题的解。n0为一阈值，表示当问题p的规模不超过n0时，问题已容易解出，不必继续分解。Adhoc(p(n))是该分治法中的基本子算法，用于直接解小规模的问题p。因此，当p的规模不超过n0时，直接用Adhoc(p(n))求解。merge(y1，y2，…，yk)是该分治法中的合并子算法，用于将p的子问题p1，p2，…，pk的相应解合并为p的解。 　　例5-4 整数乘法。设X和Y都是n位二进制整数，现在要计算它们的乘积XY。我们可以用小学所学的方法来设计一个计算乘积XY的算法，但是这样做计算步骤太多，显得效率较低。如果将每2个1位数的乘法或加法看做一步运算，那么这种方法运行时间为O(n2)。下面用分治法来设计一个更有效的大整数乘积算法。　　我们将n位二进制整数X和Y各分为2段，每段的长为n/2位(为简单起见, 假设n是2的幂), 由此, X=A2n/2+B, Y=C2n/2+D。这样，X和Y的乘积为 Y=(A2n/2+B)(C2n/2+D)=AC2n+(AD+CB)2n/2+BD (1) 　　如果按式(1)计算XY，则必须进行4次n/2位整数的乘法(AC，AD，BC和BD)，以及3次不超过n位的整数加法(分别对应于式(1)中的加号)，此外还要做2次移位(分别对应于式(1)中乘2n和乘2n/2)，运行时间为O(n2)，可见，用式(1)计算X和Y的乘积并不比小学生的方法更有效。要想改进算法的计算复杂性，必须减少乘法次数。为此把XY写成另一种形式： XY=AC2n+[(A－B)(D－C)+AC+?BD]2n/2+BD (2)虽然式(2)来比式(1)复杂些，