CSDN博客

img hanlin1985

回溯法

发表于2008/9/28 9:13:00  239人阅读

回溯法也称为试探法,该方法首先暂时放弃关于问题规模大小的限制,并将问题的候选解按某种顺序逐一枚举和检验。当发现当前候选解不可能是解时,就选择下一个候选解;倘若当前候选解除了还不满足问题规模要求外,满足所有其他要求时,继续扩大当前候选解的规模,并继续试探。如果当前候选解满足包括问题规模在内的所有要求时,该候选解就是问题的一个解。在回溯法中,放弃当前候选解,寻找下一个候选解的过程称为回溯。扩大当前候选解的规模,以继续试探的过程称为向前试探。

1、回溯法的一般描述

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(x1x2,…,xn)组成的一个状态空间E={x1x2,…,xn)∣xiSi i=12,…,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=12,…,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。

解问题P的最朴素的方法就是枚举法,即对E中的所有n元组逐一地检测其是否满足D的全部约束,若满足,则为问题P的一个解。但显然,其计算量是相当大的。

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(x1x2,…,xi)满足D中仅涉及到x1x2,…,xi的所有约束意味着jj<i)元组(x1x2,…,xj)一定也满足D中仅涉及到x1x2,…,xj的所有约束,i=12,…,n。换句话说,只要存在0jn-1,使得(x1x2,…,xj)违反D中仅涉及到x1x2,…,xj的约束之一,则以(x1x2,…,xj)为前缀的任何n元组(x1x2,…,xjxj+1,…,xn)一定也违反D中仅涉及到x1x2,…,xi的一个约束,ni>j。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(x1x2,…,xj)违反D中仅涉及x1x2,…,xj的一个约束,就可以肯定,以(x1x2,…,xj)为前缀的任何n元组(x1x2,…,xjxj+1,…,xn)都不会是问题P的解,因而就不必去搜索它们、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来的比枚举法效率更高的算法。

回溯法首先将问题Pn元组的状态空间E表示成一棵高为n的带权有序树T,把在E中求问题P的所有解转化为在T中搜索问题P的所有解。树T类似于检索树,它可以这样构造:

       Si中的元素可排成xi(1) xi(2) ,…,xi(mi-1) |Si| =mii=12,…,n。从根开始,让T的第I层的每一个结点都有mi个儿子。这mi个儿子到它们的双亲的边,按从左到右的次序,分别带权xi+1(1) xi+1(2) ,…,xi+1(mi) i=012,…,n-1。照这种构造方式,E中的一个n元组(x1x2,…,xn)对应于T中的一个叶子结点,T的根到这个叶子结点的路径上依次的n条边的权分别为x1x2,…,xn,反之亦然。另外,对于任意的0in-1En元组(x1x2,…,xn)的一个前缀I元组(x1x2,…,xi)对应于T中的一个非叶子结点,T的根到这个非叶子结点的路径上依次的I条边的权分别为x1x2,…,xi,反之亦然。特别,E中的任意一个n元组的空前缀(),对应于T的根。

       因而,在E中寻找问题P的一个解等价于在T中搜索一个叶子结点,要求从T的根到该叶子结点的路径上依次的n条边相应带的n个权x1x2,…,xn满足约束集D的全部约束。在T中搜索所要求的叶子结点,很自然的一种方式是从根出发,按深度优先的策略逐步深入,即依次搜索满足约束条件的前缀1元组(x1i)、前缀2元组(x1x2)、…,前缀I元组(x1x2,…,xi),…,直到i=n为止。

       在回溯法中,上述引入的树被称为问题P的状态空间树;树T上任意一个结点被称为问题P的状态结点;树T上的任意一个叶子结点被称为问题P的一个解状态结点;树T上满足约束集D的全部约束的任意一个叶子结点被称为问题P的一个回答状态结点,它对应于问题P的一个解。

【问题】       组合问题

问题描述:找出从自然数12、……、n中任取r个数的所有组合。

例如n=5r=3的所有组合为: 

1123              2124              3125

              4134              5135              6145

              7234              8235              9245

              10345

则该问题的状态空间为:

E={x1x2x3)∣xiS i=123 }     其中:S={12345}

约束集为:    x1<x2<x3

       显然该约束集具有完备性。

问题的状态空间树T

2、回溯法的方法

       对于具有完备约束集D的一般问题P及其相应的状态空间树T,利用T的层次结构和D的完备性,在T中搜索问题P的所有解的回溯法可以形象地描述为:

       T的根出发,按深度优先的策略,系统地搜索以其为根的子树中可能包含着回答结点的所有状态结点,而跳过对肯定不含回答结点的所有子树的搜索,以提高搜索效率。具体地说,当搜索按深度优先策略到达一个满足D中所有有关约束的状态结点时,即“激活”该状态结点,以便继续往深层搜索;否则跳过对以该状态结点为根的子树的搜索,而一边逐层地向该状态结点的祖先结点回溯,一边“杀死”其儿子结点已被搜索遍的祖先结点,直到遇到其儿子结点未被搜索遍的祖先结点,即转向其未被搜索的一个儿子结点继续搜索。

在搜索过程中,只要所激活的状态结点又满足终结条件,那么它就是回答结点,应该把它输出或保存。由于在回溯法求解问题时,一般要求出问题的所有解,因此在得到回答结点后,同时也要进行回溯,以便得到问题的其他解,直至回溯到T的根且根的所有儿子结点均已被搜索过为止。

       例如在组合问题中,从T的根出发深度优先遍历该树。当遍历到结点(12)时,虽然它满足约束条件,但还不是回答结点,则应继续深度遍历;当遍历到叶子结点(125)时,由于它已是一个回答结点,则保存(或输出)该结点,并回溯到其双亲结点,继续深度遍历;当遍历到结点(15)时,由于它已是叶子结点,但不满足约束条件,故也需回溯。

3、回溯法的一般流程和技术

       在用回溯法求解有关问题的过程中,一般是一边建树,一边遍历该树。在回溯法中我们一般采用非递归方法。下面,我们给出回溯法的非递归算法的一般流程:

一般要用到栈的数据结构。这时,不仅可以用栈来表示正在遍历的树的结点,而且可以很方便地表示建立孩子结点和回溯过程。

例如在组合问题中,我们用一个一维数组Stack[ ]表示栈。开始栈空,则表示了树的根结点。如果元素1进栈,则表示建立并遍历(1)结点;这时如果元素2进栈,则表示建立并遍历(12)结点;元素3再进栈,则表示建立并遍历(123)结点。这时可以判断它满足所有约束条件,是问题的一个解,输出(或保存)。这时只要栈顶元素(3)出栈,即表示从结点(123)回溯到结点(12)。

【问题】       组合问题

问题描述:找出从自然数12,…,n中任取r个数的所有组合。

采用回溯法找问题的解,将找到的组合以从小到大顺序存于a[0]a[1],…,a[r-1]中,组合的元素满足以下性质:

(1)       a[i+1]>a[i],后一个数字比前一个大;

(2)       a[i]-i<=n-r+1

按回溯法的思想,找解过程可以叙述如下:

       首先放弃组合数个数为r的条件,候选组合从只有一个数字1开始。因该候选解满足除问题规模之外的全部条件,扩大其规模,并使其满足上述条件(1),候选组合改为12。继续这一过程,得到候选组合123。该候选解满足包括问题规模在内的全部条件,因而是一个解。在该解的基础上,选下一个候选解,因a[2]上的3调整为4,以及以后调整为5都满足问题的全部要求,得到解124125。由于对5不能再作调整,就要从a[2]回溯到a[1],这时,a[1]=2,可以调整为3,并向前试探,得到解134。重复上述向前试探和向后回溯,直至要从a[0]再回溯时,说明已经找完问题的全部解。按上述思想写成程序如下:

【程序】

# define   MAXN    100

int a[MAXN];

void comb(int m,int r)

{     int i,j;

       i=0;

       a[i]=1;

       do {

              if (a[i]-i<=m-r+1

              {     if (i==r-1)

                     {     for (j=0;j<r;j++)

                                   printf(“%4d”,a[j]);

                            printf(“/n”);

                     }

                     a[i]++;

                     continue;

              }

              else

              {     if (i==0)

                            return;

                     a[--i]++;

              }

       }     while (1)

}

 

main()

{     comb(5,3);

}

【问题】       填字游戏

问题描述:在3×3个方格的方阵中要填入数字1NN10)内的某9个数字,每个方格填一个整数,似的所有相邻两个方格内的两个整数之和为质数。试求出所有满足这个要求的各种数字填法。

可用试探发找到问题的解,即从第一个方格开始,为当前方格寻找一个合理的整数填入,并在当前位置正确填入后,为下一方格寻找可填入的合理整数。如不能为当前方格找到一个合理的可填证书,就要回退到前一方格,调整前一方格的填入数。当第九个方格也填入合理的整数后,就找到了一个解,将该解输出,并调整第九个的填入的整数,寻找下一个解。

为找到一个满足要求的9个数的填法,从还未填一个数开始,按某种顺序(如从小到大的顺序)每次在当前位置填入一个整数,然后检查当前填入的整数是否能满足要求。在满足要求的情况下,继续用同样的方法为下一方格填入整数。如果最近填入的整数不能满足要求,就改变填入的整数。如对当前方格试尽所有可能的整数,都不能满足要求,就得回退到前一方格,并调整前一方格填入的整数。如此重复执行扩展、检查或调整、检查,直到找到一个满足问题要求的解,将解输出。

回溯法找一个解的算法:

{     int m=0,ok=1;

       int n=8;

       do{

              if (ok)     扩展;

              else         调整;

              ok=检查前m个整数填放的合理性;

       }     while ((!ok||m!=n)&&(m!=0))

       if (m!=0) 输出解;

       else         输出无解报告;

}

如果程序要找全部解,则在将找到的解输出后,应继续调整最后位置上填放的整数,试图去找下一个解。相应的算法如下:

回溯法找全部解的算法:

{     int m=0,ok=1;

       int n=8;

       do{

              if (ok)    

{     if (m==n)      

{     输出解;

调整;

}

else  扩展;

                     }

                     else         调整;

              ok=检查前m个整数填放的合理性;

       }     while (m!=0);

}

为了确保程序能够终止,调整时必须保证曾被放弃过的填数序列不会再次实验,即要求按某种有许模型生成填数序列。给解的候选者设定一个被检验的顺序,按这个顺序逐一形成候选者并检验。从小到大或从大到小,都是可以采用的方法。如扩展时,先在新位置填入整数1,调整时,找当前候选解中下一个还未被使用过的整数。将上述扩展、调整、检验都编写成程序,细节见以下找全部解的程序。

【程序】

# include <stdio.h>

# define N     12

void write(int a[ ])

{     int i,j;

       for (i=0;i<3;i++)

       {     for (j=0;j<3;j++)

                     printf(“%3d”,a[3*i+j]);

              printf(“/n”);

       }

       scanf(“%*c”);

}

 

int b[N+1];

int a[10];

int isprime(int m)

{     int i;

       int primes[ ]={2,3,5,7,11,17,19,23,29,-1};

       if (m==1||m%2=0) return 0;

       for (i=0;primes[i]>0;i++)

              if (m==primes[i])   return 1;

       for (i=3;i*i<=m;)

       {     if (m%i==0)   return 0;

              i+=2;

       }

       return 1;

}

 

int checkmatrix[ ][3]={  {-1},{0,-1},{1,-1},{0,-1},{1,3,-1},

                                   {2,4,-1},{3,-1},{4,6,-1},{5,7,-1}};

int selectnum(int start)

{     int j;

       for (j=start;j<=N;j++)

              if (b[j]) return j

       return 0;

}

 

int check(int pos)

{     int i,j;

       if (pos<0)              return 0;

       for (i=0;(j=checkmatrix[pos][i])>=0;i++)

              if (!isprime(a[pos]+a[j])

                     return 0;

       return 1;

}

 

int extend(int pos)

{     a[++pos]=selectnum(1);

       b[a][pos]]=0;

       return pos;

}

 

int change(int pos)

{     int j;

       while (pos>=0&&(j=selectnum(a[pos]+1))==0)

              b[a[pos--]]=1;

       if (pos<0)              return –1

       b[a[pos]]=1;

       a[pos]=j;

       b[j]=0;

       return pos;

}

 

void find()

{     int ok=0,pos=0;

       a[pos]=1;

       b[a[pos]]=0;

       do {

              if (ok)

                     if (pos==8)

                     {     write(a);

                            pos=change(pos);

                     }

                     else  pos=extend(pos);

              else  pos=change(pos);

              ok=check(pos);

       }     while (pos>=0)

}

 

void main()

{     int i;

       for (i=1;i<=N;i++)

              b[i]=1;

       find();

}

【问题】       n皇后问题

问题描述:求出在一个n×n的棋盘上,放置n个不能互相捕捉的国际象棋“皇后”的所有布局。

       这是来源于国际象棋的一个问题。皇后可以沿着纵横和两条斜线4个方向相互捕捉。如图所示,一个皇后放在棋盘的第4行第3列位置上,则棋盘上凡打“×”的位置上的皇后就能与这个皇后相互捕捉。

      

1

2

3

4

5

6

7

8

 

 

×

 

 

×

 

 

×

 

×

 

×

 

 

 

 

×

×

×

 

 

 

 

×

×

Q

×

×

×

×

×

 

×

×

×

 

 

 

 

×

 

×

 

×

 

 

 

 

 

×

 

 

×

 

 

 

 

×

 

 

 

×

 

从图中可以得到以下启示:一个合适的解应是在每列、每行上只有一个皇后,且一条斜线上也只有一个皇后。

       求解过程从空配置开始。在第1列至第m列为合理配置的基础上,再配置第m+1列,直至第n列配置也是合理时,就找到了一个解。接着改变第n列配置,希望获得下一个解。另外,在任一列上,可能有n种配置。开始时配置在第1行,以后改变时,顺次选择第2行、第3行、…、直到第n行。当第n行配置也找不到一个合理的配置时,就要回溯,去改变前一列的配置。得到求解皇后问题的算法如下:

       {     输入棋盘大小值n

              m=0;

              good=1;

              do {

                     if (good)

                            if (m==n)

                            {     输出解;

                                   改变之,形成下一个候选解;

                            }

                            else  扩展当前候选接至下一列;

                     else  改变之,形成下一个候选解;

                     good=检查当前候选解的合理性;

              } while (m!=0);

       }

       在编写程序之前,先确定边式棋盘的数据结构。比较直观的方法是采用一个二维数组,但仔细观察就会发现,这种表示方法给调整候选解及检查其合理性带来困难。更好的方法乃是尽可能直接表示那些常用的信息。对于本题来说,“常用信息”并不是皇后的具体位置,而是“一个皇后是否已经在某行和某条斜线合理地安置好了”。因在某一列上恰好放一个皇后,引入一个一维数组(col[ ]),值col[i]表示在棋盘第i列、col[i]行有一个皇后。例如:col[3]=4,就表示在棋盘的第3列、第4行上有一个皇后。另外,为了使程序在找完了全部解后回溯到最初位置,设定col[0]的初值为0当回溯到第0列时,说明程序已求得全部解,结束程序运行。

       为使程序在检查皇后配置的合理性方面简易方便,引入以下三个工作数组:

(1)       数组a[ ]a[k]表示第k行上还没有皇后;

(2)       数组b[ ]b[k]表示第k列右高左低斜线上没有皇后;

(3)       数组 c[ ]c[k]表示第k列左高右低斜线上没有皇后;

棋盘中同一右高左低斜线上的方格,他们的行号与列号之和相同;同一左高右低斜线上的方格,他们的行号与列号之差均相同。

       初始时,所有行和斜线上均没有皇后,从第1列的第1行配置第一个皇后开始,在第mcol[m]行放置了一个合理的皇后后,准备考察第m+1列时,在数组a[ ]b[ ]c[ ]中为第m列,col[m]行的位置设定有皇后标志;当从第m列回溯到第m-1列,并准备调整第m-1列的皇后配置时,清除在数组a[ ]b[ ]c[ ]中设置的关于第m-1列,col[m-1]行有皇后的标志。一个皇后在m列,col[m]行方格内配置是合理的,由数组a[ ]b[ ]c[ ]对应位置的值都为1来确定。细节见以下程序:

【程序】

# include <stdio.h>

# include <stdlib.h>

# define   MAXN    20

int n,m,good;

int col[MAXN+1],a[MAXN+1],b[2*MAXN+1],c[2*MAXN+1];

 

void main()

{     int j;

       char awn;

       printf(“Enter n:    “);   scanf(“%d”,&n);

       for (j=0;j<=n;j++)   a[j]=1;

       for (j=0;j<=2*n;j++)      cb[j]=c[j]=1;

       m=1;       col[1]=1;        good=1;  col[0]=0;

       do {

              if (good)

                     if (m==n)

                     {     printf(“/t”);

                            for (j=1;j<=n;j++)

                                   printf(“%3d/t%d/n”,j,col[j]);

                            printf(“Enter  a  character (Q/q  for  exit)!/n”);

                            scanf(“%c”,&awn);

                            if (awn==’Q’||awn==’q’)      exit(0);

                            while (col[m]==n)

                            {     m--;

                                   a[col[m]]=b[m+col[m]]=c[n+m-col[m]]=1;

                            }

                            col[m]++;

                     }

                     else

                     {     a[col[m]]=b[m+col[m]]=c[n+m-col[m]]=0;

                            col[++m]=1;

                     }

              else

              {     while (col[m]==n)

                     {     m--;

                            a[col[m]]=b[m+col[m]]=c[n+m-col[m]]=1;

                     }

                     col[m]++;

              }

              good=a[col[m]]&&b[m+col[m]]&&c[n+m-col[m]];

       } while (m!=0);

}

       试探法找解算法也常常被编写成递归函数,下面两程序中的函数queen_all()和函数queen_one()能分别用来解皇后问题的全部解和一个解。

【程序】

# include <stdio.h>

# include <stdlib.h>

# define   MAXN    20

int n;

int col[MAXN+1],a[MAXN+1],b[2*MAXN+1],c[2*MAXN+1];

void main()

{     int j;

       printf(“Enter n:    “);   scanf(“%d”,&n);

       for (j=0;j<=n;j++)   a[j]=1;

       for (j=0;j<=2*n;j++)      cb[j]=c[j]=1;

       queen_all(1,n);

}

 

void queen_all(int k,int n)

{     int i,j;

       char awn;

       for (i=1;i<=n;i++)

              if (a[i]&&b[k+i]&&c[n+k-i])

              {     col[k]=i;

                     a[i]=b[k+i]=c[n+k-i]=0;

                     if (k==n)

                     {     printf(“/t”);

                            for (j=1;j<=n;j++)

                                   printf(“%3d/t%d/n”,j,col[j]);

                            printf(“Enter  a  character (Q/q  for  exit)!/n”);

                            scanf(“%c”,&awn);

                            if (awn==’Q’||awn==’q’)      exit(0);

                     }

                     queen_all(k+1,n);

                     a[i]=b[k+i]=c[n+k-i];

              }

}

       采用递归方法找一个解与找全部解稍有不同,在找一个解的算法中,递归算法要对当前候选解最终是否能成为解要有回答。当它成为最终解时,递归函数就不再递归试探,立即返回;若不能成为解,就得继续试探。设函数queen_one()返回1表示找到解,返回0表示当前候选解不能成为解。细节见以下函数。

【程序】

# define   MAXN    20

       int n;

       int col[MAXN+1],a[MAXN+1],b[2*MAXN+1],c[2*MAXN+1];

       int queen_one(int k,int n)

       {     int i,found;

              i=found=0;

              While (!found&&i<n)

              {     i++;

                     if (a[i]&&b[k+i]&&c[n+k-i])

                     {     col[k]=i;

                            a[i]=b[k+i]=c[n+k-i]=0;

                            if (k==n) return 1;

                            else

                                   found=queen_one(k+1,n);

                            a[i]=b[k+i]=c[n+k-i]=1;

                     }

              }

              return found;

       }

 

0 0

相关博文

我的热门文章

img
取 消
img