算法分析与设计(第2版)回溯算法.pptVIP

第5章 回溯法 有许多问题，当需要找出它的解集或者要求回答什么 解是满足某些约束条件的最佳解时，往往要使用回溯法。 回溯法的基本做法是搜索，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。这种方法适用于 解一些组合数相当大的问题。 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。 本章主要知识点： 5.1 回朔法的算法框架 5.2 装载问题 5.3 批处理作业调度 5.4 符号三角形问题 5.5 n后问题 5.6 0-1背包问题 5.7 最大团问题 5.8 图的m着色问题 5.9 旅行售货员问题 5.10 圆排列问题 5.11 电路板排列问题 5.12 连续邮资问题 5.13 回朔法效率分析 5.1 回朔法的算法框架 public int comparable(Object x) { double xd=((Element) x).d; if(dxd) return -1; if(d==xd) return 0 return 1; } public boolean equals(Object x) { return d==((Element) x).d; } static double c; static int n; static double []w; static double []p; static double cw; static double cp; static double bestp; public static double knapsack(double []pp, double []ww, double cc) { c=cc; n=pp.length-1; cw=0.0; cp=0.0; best=0.0; Element []q=new Element[n]; for(int i=1; i=n; i++) q[i-1]=new Element(i, pp[i]/ww[i]); MergeSort.mergeSort(q); p=new double[n+1]; w=new double[n+1]; for(int i=1; i=n; i++) { p[i]=pp[q[n-i].id]; w[i]=ww[q[n-i].id]; } backtrack(1); return bestp; } public static void backtrack(int i) { if(in) { bestp=cp; return; } if(cw+w[i]=c) { cw+=w[i]; cp+=p[i]; backtrack(i+1); cw-=w[i]; cp-=p[i]; } if(bound(i+1)bestp) backtrack(i+1); } private static double bound(int i) {// 计算上界 double cleft = c - cw; // 剩余容量 double bound = cp; // 以物品单位重量价值递减序装入物品 while (i = n w[i] = cleft) { cleft -= w[i]; bound += p[i]; i++; } // 装满背包 if (i = n) bound += p[i] / w[i] * cleft; return bound; } } 1. 问题描述 5.7 最大团问题 给定无向图G=(V，E)。如果U?V，且对任意u，v?U有(u，v) ?E，则称U是G的完全子图。G的完全子图U是G的团当且仅当U不 包含在G的更大的完全子图中。G的最大团是指G中所含顶点数最多 的团。如果U?V且对任意u，v?U有(u