回溯算法
![回溯算法](https://img.360docs.net/img73/03gn14uq2zuxtkmeakja-31.webp)
![回溯算法](https://img.360docs.net/img73/03gn14uq2zuxtkmeakja-62.webp)
五、回溯法
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(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。
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(x1,x2,…,xi)满足D中仅涉及到x1,x2,…,xi的所有约束意味着 j(jj。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P的n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:设 Si中的元素可排成xi(1) ,xi(2) ,…,xi(mi-1) ,|Si| =mi,i=1,2,…,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=0,1,2,…,n-1。照这种构造方式,E中的一个n元组(x1,x2,…,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x1,x2,…,xn,反之亦然。另外,对于任意的0≤i≤n-1,E中n元组(x1,x2,…,xn)的一个前缀I元组(x1,x2,…,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x1,x2,…,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x1,x2,…,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(x1,x2)、…,前缀I元组(x1,x2,…,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1、2、……、n中任取r个数的所有组合。
例如n=5,r=3的所有组合为:
(1)1、2、3 (2)1、2、4 (3)1、2、5
(4)1、3、4 (5)1、3、5 (6)1、4、5
(7)2、3、4 (8)2、3、5 (9)2、4、5
(10)3、4、5
则该问题的状态空间为:
E={(x1,x2,x3)∣xi∈S ,i=1,2,3 } 其中:S={1,2,3,4,5}
约束集为: x1 显然该约束集具有完备性。 问题的状态空间树T: RE:c语言经典算法 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: 从 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(1,2)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(1,2,5)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(1,5)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: 在用回溯法求解问题,也即在遍历状态空间树的过程中,如果采用非递归方法,则我们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(1,2)结点;元素3再进栈,则表示建立并遍历(1,2,3)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(1,2,3)回溯到结点(1,2)。 【问题】组合问题 问题描述:找出从自然数1,2,…,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1,2。继续这一过程,得到候选组合1,2,3。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1,2,4和1,2,5。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1,3,4。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 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1到N(N≥10)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 # 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m列col[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[ ]和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[ ]和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[ ]和c[ ]对应位置的值都为1来确定。细节见以下程序: 【程序】 # include # include # 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(“列\t行”); 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 # include # 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(“列\t行”); 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 { 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; } 六、贪婪法 贪婪法是一种不追求最优解,只希望得到较为满意解的方法。贪婪法一般可以快速得到满意的解,因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪法常以当前情况为基础作最优选择,而不考虑各种可能的整体情况,所以贪婪法不要回溯。 例如平时购物找钱时,为使找回的零钱的硬币数最少,不考虑找零钱的所有各种发表方案,而是从最大面值的币种开始,按递减的顺序考虑各币种,先尽量用大面值的币种,当不足大面值币种的金额时才去考虑下一种较小面值的币种。这就是在使用贪婪法。这种方法在这里总是最优,是因为银行对其发行的硬币种类和硬币面值的巧妙安排。如只有面值分别为1、5和11单位的硬币,而希望找回总额为15单位的硬币。按贪婪算法,应找1个11单位面值的硬币和4个1单位面值的硬币,共找回5个硬币。但最优的解应是3个5单位面值的硬币。【问题】装箱问题 问题描述:装箱问题可简述如下:设有编号为0、1、…、 n-1的n种物品,体积分别为v0、v1、…、vn-1。将这n种物品装到容量都为V的若干箱子里。约定这n种物品的体积均不超过V,即对于0≤i<n,有0<vi≤V。不同的装箱方案所需要的箱子数目可能不同。装箱问题要求使装尽这n种物品的箱子数要少。 若考察将n种物品的集合分划成n个或小于n个物品的所有子集,最优解就可以找到。但所有可能划分的总数太大。对适当大的n,找出所有可能的划分要花费的时间是无法承受的。为此,对装箱问题采用非常简单的近似算法,即贪婪法。该算法依次将物品放到它第一个能 放进去的箱子中,该算法虽不能保证找到最优解,但还是能找到非常好的解。不失一般性,设n件物品的体积是按从大到小排好序的,即有v0≥v1≥…≥vn-1。如不满足上述要求,只要先对这n件物品按它们的体积从大到小排序,然后按排序结果对物品重新编号即可。装箱算法简单描述如下: { 输入箱子的容积; 输入物品种数n; 按体积从大到小顺序,输入各物品的体积; 预置已用箱子链为空; 预置已用箱子计数器box_count为0; for (i=0;i { 从已用的第一只箱子开始顺序寻找能放入物品i 的箱子j; if (已用箱子都不能再放物品i) { 另用一个箱子,并将物品i放入该箱子; box_count++; } else 将物品i放入箱子j; } } 上述算法能求出需要的箱子数box_count,并能求出各箱子所装物品。下面的例子说明该算法不一定能找到最优解,设有6种物品,它们的体积分别为:60、45、35、20、20和20单位体积,箱子的容积为100个单位体积。按上述算法计算,需三只箱子,各箱子所装物品分别为:第一只箱子装物品 1、3;第二只箱子装物品2、4、5;第三只箱子装物品6。而最优解为两只箱子,分别装物品1、4、5和2、3、6。 若每只箱子所装物品用链表来表示,链表首结点指针存于一个结构中,结构记录尚剩余的空间量和该箱子所装物品链表的首指针。另将全部箱子的信息也构成链表。以下是按以上算法编写的程序。 【程序】 # include # include typedef struct ele { int vno; struct ele *link; } ELE; typedef struct hnode { int remainder; ELE *head; Struct hnode *next; } HNODE; void main() { int n, i, box_count, box_volume, *a; HNODE *box_h, *box_t, *j; ELE *p, *q; Printf(“输入箱子容积\n”); Scanf(“%d”,&box_volume); Printf(“输入物品种数\n”); Scanf(“%d”,&n); A=(int *)malloc(sizeof(int)*n); Printf(“请按体积从大到小顺序输入各物品的体积:”); For (i=0;i Box_h=box_t=NULL; Box_count=0; For (i=0;i { p=(ELE *)malloc(sizeof(ELE)); p->vno=i; for (j=box_h;j!=NULL;j=j->next) if (j->remainder>=a[i]) break; if (j==NULL) { j=(HNODE *)malloc(sizeof(HNODE)); j->remainder=box_volume-a[i]; j->head=NULL; if (box_h==NULL) box_h=box_t=j; else box_t=boix_t->next=j; j->next=NULL; box_count++; } else j->remainder-=a[i]; for (q=j->next;q!=NULL&&q->link!=NULL;q=q->link); if (q==NULL) { p->link=j->head; j->head=p; } else { p->link=NULL; q->link=p; } } printf(“共使用了%d只箱子”,box_count); printf(“各箱子装物品情况如下:”); for (j=box_h,i=1;j!=NULL;j=j->next,i++) { printf(“第%2d只箱子,还剩余容积%4d,所装物品有;\n”,I,j->remainder); for (p=j->head;p!=NULL;p=p->link) printf(“%4d”,p->vno+1); printf(“\n”); } } 【问题】马的遍历 问题描述:在8×8方格的棋盘上,从任意指定的方格出发,为马寻找一条走遍棋盘每一格并且只经过一次的一条路径。 马在某个方格,可以在一步内到达的不同位置最多有8个,如图所示。如用二维数组board[ ][ ]表示棋盘,其元素记录马经过该位置时的步骤号。另对马的8种可能走法(称为着法)设定一个顺序,如当前位置在棋盘的(i,j)方格,下一个可能的位置依次为(i+2,j+1)、(i+1,j+2)、(i-1,j+2)、(i-2,j+1)、(i-2,j-1)、(i-1,j-2)、(i+1,j- 2)、(i+2,j-1),实际可以走的位置尽限于还未走过的和不越出边界的那些位置。为便于程序的同意处理,可以引入两个数组,分别存储各种可能走法对当前位置的纵横增量。 4 3 5 2 马 6 1 7 0 对于本题,一般可以采用回溯法,这里采用Warnsdoff策略求解,这也是一种贪婪法,其选择下一出口的贪婪标准是在那些允许走的位置中,选择出口最少的那个位置。如马的当前位置(i,j)只有三个出口,他们是位置(i+2,j+1)、(i-2,j+1)和(i-1,j-2),如分别走到这些位置,这三个位置又分别会有不同的出口,假定这三个位置的出口个数分别为4、2、3,则程序就选择让马走向(i-2,j+1)位置。 由于程序采用的是一种贪婪法,整个找解过程是一直向前,没有回溯,所以能非常快地找到解。但是,对于某些开始位置,实际上有解,而该算法不能找到解。对于找不到解的情况,程序只要改变8种可能出口的选择顺序,就能找到解。改变出口选择顺序,就是改变有相同出口时的选择标准。以下程序考虑到这种情况,引入变量start,用于控制8种可能着法的选择顺序。开始时为0,当不能找到解时,就让start增1,重新找解。细节以下程序。【程序】 # include int delta_i[ ]={2,1,-1,-2,-2,-1,1,2}; int delta_j[ ]={1,2,2,1,-1,-2,-2,-1}; int board[8][8]; int exitn(int i,int j,int s,int a[ ]) { int i1,j1,k,count; for (count=k=0;k<8;k++) { i1=i+delta_i[(s+k)%8]; j1=i+delta_j[(s+k)%8]; if (i1>=0&&i1<8&&j1>=0&&j1<8&&board[I1][j1]==0) a[count++]=(s+k)%8; } return count; } int next(int i,int j,int s) { int m,k,mm,min,a[8],b[8],temp; m=exitn(i,j,s,a); if (m==0) return –1; for (min=9,k=0;k { temp=exitn(I+delta_i[a[k]],j+delta_j[a[k]],s,b); if (temp { min=temp; kk=a[k]; } } return kk; } void main() { int sx,sy,i,j,step,no,start; for (sx=0;sx<8;sx++) for (sy=0;sy<8;sy++) { start=0; do { for (i=0;i<8;i++) for (j=0;j<8;j++) board[i][j]=0; board[sx][sy]=1; I=sx; j=sy; For (step=2;step<64;step++) { if ((no=next(i,j,start))==-1) break; I+=delta_i[no]; j+=delta_j[no]; board[i][j]=step; } if (step>64) break; start++; } while(step<=64) for (i=0;i<8;i++) { for (j=0;j<8;j++) printf(“%4d”,board[i][j]); printf(“\n\n”); } scanf(“%*c”); } } 今天复习了回溯算法。N皇后问题是一个典型的需要用回溯算法来解决的问题。回溯算法可以用递归方法来实现,也可以用非递归方法来实现。用递归的方法来解决回溯的问题思路 很清晰,但是耗费的内存资源较多,速度也较慢;非递归方法具有速度快和耗费较少内存资源的优点,但是程序的逻辑结构却很复杂——不过搞懂之后觉得也很简单。 在写非递归算法之前,参考了网上的一些文章,但是觉得那些程序都很晦涩难懂,而且存在一些问题,我索性自己写了一个,花了我不少时间。 递归实现: #include "stdio.h" #include "stdlib.h" #include "time.h" /**//* 记录当前的放置方案 */ int *x; /**//* 皇后的个数N 和方案数目 */ int n,sum=0; /**//* 检查参数所指示的这一行皇后放置方案是否满足要求 */ int Place(int); /**//* 递归方法求取皇后放置方案*/ void Queen1(void); /**//* 用户递归求取皇后放置方案的递归方法 */ void TraceBack(int); /**//* 打印当前成功的放置方案 */ void PrintMethod(void); void main(void) { long start,stop; printf("input n: "); scanf("%d",&n); x=(int *)malloc(sizeof(int)*n); time(&start);/**//*记录开始时间*/ Queen1(); time(&stop);/**//*记录结束时间*/ printf("\nmethod total %d \n",sum); printf("\nuse %d seconds \n",(int)(stop-start)); } int Place(int r) { int i; for(i=0;i if(x[r]==x[i] || abs(r-i)==abs(x[r]-x[i])) return 0; } return 1; } void TraceBack(int r) { int i; if(r>=n){ sum++; /**//* PrintMethod(); */ }else{ for(i=0;i x[r]=i; if(Place(r)) TraceBack(r+1); } } } void PrintMethod(void) { int i,j; printf("\nmethod %d\n",sum); for(i=0;i for(j=0;j if(j==x[i]) printf("*"); else printf("#"); } printf("\n"); } } void Queen1(void) { TraceBack(0); } 非递归实现: #include "stdio.h" #include "stdlib.h" #include "time.h" /**//* 记录当前的放置方案 */ int *x; /**//* 皇后的个数N 和方案数目 */ int n,sum=0; /**//* 检查参数所指示的这一行皇后放置方案是否满足要求 */ int Place(int); /**//* 非递归的方法求取皇后放置方案 */ void Queen2(void); /**//* 打印当前成功的放置方案 */ void PrintMethod(void); void main(void) { long start,stop; printf("input n: "); scanf("%d",&n); x=(int *)malloc(sizeof(int)*n); time(&start);/**//*记录开始时间*/ Queen2(); time(&stop);/**//*记录结束时间*/ printf("\nmethod total %d \n",sum); printf("\nuse %d seconds \n",(int)(stop-start)); } int Place(int r) { int i; for(i=0;i if(x[r]==x[i] || abs(r-i)==abs(x[r]-x[i])) return 0; } return 1; } void Queen2(void) { int i,k; for(i=0;i x[i]=0; k=0; while(1){ if(x[k]>=n){ /**//* 如果当前第K行的放置位置超出了范围,那么检查该行是否为第0行如果是第0行,说明所有的方案都已经遍历完毕,函数返回;否则回退到前一行 */ if(k==0) break; x[k]=0; /**//* 下次遍历的初始位置 */ k--; /**//* 返回上一行 */ x[k]++; /**//*下一种放置方案*/ } else if(!Place(k)){ /**//* 如果当前第K行的放置方案不满足要求,采取下一种放置方案*/ x[k]++; } else{ if(k==(n-1)){ /**//* 如果已经是最后一行,那么表示已经成功得到一种放置方案*/ sum++; /**//* PrintMethod(); */ x[k]=0; /**//*下次遍历的初始位置*/ k--; /**//*返回上一行*/ x[k]++; /**//*下一种放置方案*/ }else k++; /**//* 否则开始配置下一行的皇后 */ } } } void PrintMethod(void) { int i,j; printf("\nmethod %d\n",sum); for(i=0;i for(j=0;j if(j==x[i]) printf("*"); else printf("#"); } printf("\n"); } } 设计四 子集和数的回溯算法 班级通信08-2BF 学号1408230929 姓名杨福 成绩 分 一、 设计目的 1.掌握回溯法解题的基本思想; 2.掌握子集和数问题的回溯算法; 3.进一步掌握子集和数问题的回溯递归算法、迭代算法的基本思想和算法设计方法; 二、 设计内容 a) 任务描述 1)子集和数问题简介 子集和数问题是假定有n 个不同的正数(通常称为权),要求找出这些数中所有事的某和数为M 的组合。 2)设计任务简介 设计、编程、测试求解子集和数问题的回溯算法。 1. 子集和数问题的表示方案 本设计利用大小固定的元组来研究回溯算法,在此情况下,解向量的元素X (i )取1或0值,它表示是否包含了权数W (i ). 生成图中任一结点的儿子是很容易的。对于i 级上的一个结点,其左儿子对应于X (i )=1,右儿子对应于X(i)=0。对于限界函数的 一种简单选择是,当且仅当∑∑+==≥+ n k i k i M i W i X i W 11)()()(时,B(X(1),〃〃〃,X (k ))=true 。 显然,如果这个条件不满足,X(1),〃〃〃,X (k )就不能导致一个答案结点。如果假定这些W (i )一开始就是按非降次序列排列的,那么这些限界函数可以被强化。在这种情 况下,如果M k W i X i W k i >++∑=)1()()(1 ,则X(1),〃〃〃,X (k )就不能导致一个答案结 点。因此,将要使用的限界函数是B k (X (1),〃〃〃,X (k ))=true,当且仅当 M i W i X i W n k i k i =+∑∑+==11)()()(。 2. 主要数据类型与变量 int M ; // 表示要求得到的子集和; int s; // 表示所选当前元素之前所选的元素和; 算法分析与设计实验报告第五次附加实验 附录: 完整代码(回溯法) //0-1背包问题回溯法求解 #include Typew c; //背包容量 int n; //物品数 Typew *w; //物品重量数组| Typep *p; //物品价值数组 Typew cw; //当前重量 Typep cp; //当前价值 Typep bestp; //当前最后价值 }; template 回溯法与分支限界法的分析与比较 摘要:通过对回溯法与分支限界法的简要介绍,进一步分析和比较这两种算法在求解问题时的差异,并通过具体的应用来说明两种算法的应用场景及侧重点。 关键词:回溯法分支限界法n后问题布线问题 1、引言 1.1回溯法 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。这种以深度优先方式系统搜索问题解的算法称为回溯法。 1.2分支限界法 分支限界法是以广度优先或以最小耗费优先的方式搜索解空间树,在每一个活结点处,计算一个函数值,并根据函数值,从当前活结点表中选择一个最有利的结点作为扩展结点,使搜索朝着解空间上有最优解的分支推进,以便尽快地找出一个最优解,这种方法称为分支限界法。 2、回溯法的基本思想 用回溯法解问题时,应明确定义问题的解空间。问题的解空间至少应包含问题的一个解。之后还应将解空间很好的组织起来,使得能用回溯法方便的搜索整个解空间。在组织解空间时常用到两种典型的解空间树,即子集树和排列树。确定了解空间的组织结构后,回溯法从开始结点出发,以深度优先方式搜索整个解空间。这个开始结点成为活结点,同时也成为当前的扩展结点。在当前的扩展结点处,搜索向纵深方向移至一个新结点。这个新结点就成为新的活结点,并成为当前扩展结点。如果在当前的扩展结点处不能再向纵深方向移动,则当前扩展结点就成为死结点。此时,应往回移动至最近的一个活结点处,并使这个活结点成为当前的扩展结点。回溯法以这种工作方式递归的在解空间中搜索,直至找到所要求的解或解空间中已无活结点时为止。 3、分支限界法的基本思想 用分支限界法解问题时,同样也应明确定义问题的解空间。之后还应将解空间很好的组织起来。分支限界法也有两种组织解空间的方法,即队列式分支限界法和优先队列式分支限界法。两者的区别在于:队列式分支限界法按照队列先进先出的原则选取下一个节点为扩展节点,而优先队列式分支限界法按照优先队列 算法分析与设计实验报告第七次附加实验 } } 测试结果 当输入图如下时: 当输入图如下时: 1 2 3 4 5 1 2 3 4 5 当输入图如下时: 1 2 3 4 5 附录: 完整代码(回溯法) //最大团问题回溯法求解 #include cout<<"最大团:("; for(int i=1;i 补充2 回溯法 解回溯法的深度优先搜索策略 z理解回溯法的深度优先搜索策略。 z掌握用回溯法解题的算法框架 (1)递归回溯 (2)迭代回溯 (3)子集树算法框架 (4)排列树算法框架 通过应用范例学习回溯法的设计策略 z通过应用范例学习回溯法的设计策略。 Sch2-1z Sch2-1 方法概述搜索算法介绍 (1)穷举搜索 (2)盲目搜索 —深度优先(DFS)或回溯搜索( Backtracking); —广度优先搜索( BFS ); (Branch &Bound) —分支限界法(Branch & Bound);—博弈树搜索( α-βSearch) (3)启发式搜索 —A* 算法和最佳优先( Best-First Search ) —迭代加深的A*算法 —B*AO*SSS*等算法B , AO , SSS 等算法 —Local Search, GA等算法 Sch2-1z Sch2-1 方法概述搜索空间的三种表示: —表序表示:搜索对象用线性表数据结构表示; —显示图表示:搜索对象在搜索前就用图(树)的数据结构表示; —隐式图表示:除了初始结点,其他结点在搜索过程中动态生成。缘于搜索空间大,难以全部存储。 z 搜索效率的思考:随机搜索 —上世纪70年代中期开始,国外一些学者致力于研究随机搜索求解困难的组合问题,将随机过程引入搜索; —选择规则是随机地从可选结点中取一个从而可以从统计角度分析搜选择规则是随机地从可选结点中取一个,从而可以从统计角度分析搜索的平均性能; —随机搜索的一个成功例子是:判定一个很大的数是不是素数,获得了第个多式时算法 第一个多项式时间的算法。 实验04 回溯法 班级:0920561 姓名:宋建俭学号:20 一、实验目的 1.掌握回溯法的基本思想。 2.掌握回溯法中问题的解空间、解向量、显式约束条件、隐式约束条件以及子 集树与排列树的递归算法结构等内容。 3.掌握回溯法求解具体问题的方法。 二、实验要求 1.认真阅读算法设计教材,了解回溯法思想及方法; 2.设计用回溯算法求解装载问题、n后问题、图的m着色问题的java程序 三、实验内容 1.有一批共n个集装箱要装上2艘载重量分别为C1和C2的轮船,其中集装箱 i的重量为wi,且∑wi≤C1+C2。装载问题要求确定是否有一个合理的装载方案可将这个集装箱装上这2艘轮船。如果有,找出一种装载方案。 2.在n×n格的棋盘上放置彼此不受攻击的n个皇后。按照国际象棋的规则, 皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。n后问题等价于在n×n格的棋盘上放置n个皇后,任何2个皇后不放在同一行或同一列或同一斜线上。 3.给定无向连通图G和m种不同的颜色。用这些颜色为图G的各顶点着色,每 个顶点着一种颜色。是否有一种着色法使G中每条边的2个顶点着不同颜色。 这个问题是图的m可着色判定问题。 四、算法原理 1、装载问题 用回溯法解装载问题时,用子集树表示其解空间是最合适的。可行性约束可剪去不满足约束条件(w1x1+w2x2+…+wnxn)<=c1的子树。在子集树的第j+1层结点Z处,用cw记当前的装载重量,即cw=(w1x1+w2x2+…+wjxj),当cw>c1时,以结点Z为根的子树中所有结点都不满足约束条件,因而该子树中的解均为不可行解,故可将该子树剪去。 解装载问题的回溯法中,方法maxLoading返回不超过c的最大子集和,但未给出达到这个最大子集和的相应子集。 算法maxLoading调用递归方法backtrack(1)实现回溯搜索。Backtrack(i)搜索 搜索与回溯算法介绍 一、概述: 计算机常用算法大致有两大类:一类叫蛮干算法,一类叫贪心算法。前者常使用的手段就是搜索,对全部解空间进行地毯式搜索,直到找到指定解或最优解。后者在求最优解问题的过程中,依据某种贪心标准,从问题的初始状态出发,直接去求每一步的最优解,通过若干次的贪心选择,最终得出整个问题的最优解。 二、搜索与回溯: 这里着重介绍搜索与回溯。当很多问题无法根据某种确定的计算法则来求解时可以利用搜索与回溯的技术求解。回溯是搜索算法中既带有系统性又带有跳跃性的一种控制策略。它的基本思想是:为了求得问题的解,先选择某一种可能情况向前探索。在探索过程中,一旦发现原来的选择是错误的,就退回一步重新选择,然后继续向前探索,如此反复进行,直至得到解或证明无解。如迷宫问题:进入迷宫后,先随意选择一个前进方向,一步步向前试探前进。如果碰到死胡同,说明前进方向已无路可走,这时,首先看其它方向是否还有路可走,如果有路可走,则沿该方向再向前试探;如果已无路可走,则返回一步,再看其它方向是否还有路可走;如果有路可走,则沿该方向再向前试探。按此原则不断搜索回溯再搜索,直到找到新的出路或从原路返回入口处无解为止。 【建立解空间】 问题的解应该如何描述,如何建立呢?问题的解空间:应用回溯法解问题时,首先应明确定义问题的解空间。问题的解空间应到少包含问题的一个(最优)解。借助图论的思想,可以用图来描述,图的定义为G,由顶点集和边集构成,顶点即实实在在的数据、对象,而边可以抽象为关系,即顶点间的关系,这种关系不一定非要在数据结构上表现出来,用数据结构的语言来描述,如果关系是一对一,则为线性表,如果关系是一对多,则为树,如果关系是多对多,则为图,如果完全没有关系,则为集合。但在数据结构中这种关系不一定非要在数据的存储性质上一开始就表现出来,譬如,你可以用一个数组表示一个线性表,也可以表示完全二叉树,同样也可以用邻接表表示一个图,对于关系的描述不是数据结构本身的描述,而是算法的描述,正如数据结构是离不开特定的算法一样,不可分开单独而谈。 确定了解空间的组织结构后,回溯法就从开始结点(根结点)出发,以深度优先的方式搜索整个解空间。这个开始结点就成为一个活结点,同时也成为当前的扩展结点。在当前的扩展结点处,搜索向纵深方向移至一个新结点。这个新结点就成为一个新的活结点,并成为当前扩展结点。如果在当前的扩展结点处不能再向 1、实验目的 (1)掌握回溯法设计策略。 (2)通过0-1背包问学习回溯法法设计技巧2.实验内容 源程序: #include } if(cw+w[i]<=c) //搜索左子树 { cw+=w[i]; cp+=p[i]; Backtrack(i+1); cp-=p[i]; cw-=w[i]; } if(bound(i+1)>bestp)//搜索右子树 Backtrack(i+1); } double Knapsack (double pp[],double ww[],double d) { int i; double TP=0,TW=0; cw=0.0;cp=0.0;bestp=0.0;//计算所有物品的重量及价值 for(i=1;i<=n;i++) { TP=TP+pp[i]; TW=TW+ww[i]; } if(TW<=d)//所有物品装入背包 bestp=TP; else { Backtrack(1); } return bestp; }; int main() { 数学与计算机学院实验报告 一、实验项目信息 项目名称:回溯法 实验时间: 2016/06/08 实验学时: 03 学时 实验地点:工科楼503 二、实验目的及要求 理解回溯法的深度优先搜索策略、 掌握用回溯法解题的算法框架、 掌握回溯法的设计策略 三、实验环境 计算机Ubuntu Kylin14.04 CodeBlock软件四、实验内容及实验步骤 排兵布阵问题 某游戏中,不同的兵种处在不同的地形上其攻击能力不一样,现有n个不同兵种的角色{1,2,...,n},需安排在某战区n个点上,角色i在j点上的攻击力为A ij。试设计一个布阵方案,使总的攻击力最大。 数据: 防卫点 角 色 1 2 3 4 5 1 2 3 4 5 回溯法: 程序: #include if(check(k))break; else position[k]=position[k]+1; if(position[k]<=n && k==n-1) { for(i=0;i 中原工学院信息商务学院 实验报告 实验项目名称回溯划算法的应用 课程名称算法设计与分析 学院(系、部)中原工学院信息商务学院学科专业计算机科学与技术系班级学号计科132班17号姓名程一涵 任课教师邬迎 日期2014年12月9日 实验五回溯算法的应用 一、实验目的 1.掌握回溯算法的基本概念 2.熟练掌握回溯算法解决问题的基本步骤。 3.学会利用回溯算法解决实际问题。 二.问题描述 题目一:N皇后问题 要在n*n的国际象棋棋盘中放n个皇后,使任意两个皇后都不能互相吃掉。规则:皇后能吃掉同一行、同一列、同一对角线的任意棋子。求所有的解要求:键盘输入皇后的个数n (n ≤ 13) 输出有多少种放置方法 输入输出实例: 三.算法设计 首先,确定第一行皇后的位置,再确定第二行的位置,并且要注意不能同行同列同对角线,若是发现有错则返回上一层,继续判断。满足约束条件时,则开始搜索下一个皇后的位置,直到找出问题的解。 四.程序调试及运行结果分析 五.实验总结 通过这次试验,使得我们面对问题时的解题思路变得更加灵活和多变,并且使我们的编写能力稍稍的提高一些。初步了解了回溯算法,回溯算法实际是一个类似枚举的搜索尝试方法,他的主题思想是在搜索尝试的过程中寻找问题的解,当发现已不满足求解条件时,就回溯返回,尝试别的路径。他特别适用于求解那些涉及到寻求一组解的问题或者求满足某些约束条件的最优解的问题。此算法具有结构清晰,容易理解且可读性强等优点,并且通过稍加变通也可以适用于其他类似问题 附录:程序清单(程序过长,可附主要部分) #include 应用数学学院信息安全专业班学号姓名 实验题目回溯算法 实验评分表 实验报告 一、实验目的与要求 1、理解回溯算法的基本思想; 2、掌握回溯算法求解问题的基本步骤; 3、了解回溯算法效率的分析方法。 二、实验内容 【实验内容】 最小重量机器设计问题:设某一个机器有n个部件组成,每个部件都可以m个不同供应商处购买,假设已知表示从j个供应商购买第i个部件的重量,表示从j个供应商购买第i个部件的价格,试用回溯法求出一个或多个总价格不超过c且重量最小的机器部件购买方案。 【回溯法解题步骤】 1、确定该问题的解向量及解空间树; 2、对解空间树进行深度优先搜索; 3、再根据约束条件(总价格不能超过c)和目标函数(机器重量最小)在搜索过程中剪去多余的分支。 4、达到叶结点时记录下当前最优解。 5、实验数据n,m, ] ][ [j i w,] ][ [j i c的值由自己假设。 三、算法思想和实现【实现代码】 【实验数据】 假设机器有3个部件,每个部件可由3个供应商提供(n=3,m=3)。总价不超过7(c<=7)。 部件重量表: 部件价格表: 【运行结果】 实验结果:选择供应商1的部件1、供应商1的部件2、供应商3的部件3,有最小重量机器的重量为4,总价钱为6。 四、问题与讨论 影响回溯法效率的因素有哪些? 答:影响回溯法效率的因素主要有以下这五点: 1、产生x[k]的时间; 2、满足显约束得x[k]值的个数; 3、计算约束函数constraint的时间; 4、计算上界函数bound的时间; 5、满足约束函数和上界函数约束的所有x[k]的个数。 五、总结 这次实验的内容都很有代表性,通过上机操作实践与对问题的思考,让我更深层地领悟到了回溯算法的思想。 回溯算法的基本思路并不难理解,简单来说就是:从一条路往前走,能进则进,不能进则退回来,换一条路再试。回溯法的基本做法是深度优先搜索,是一种组织得井井 回溯法 回溯法也是搜索算法中的一种控制策略,但与枚举法不同的是,它是从初始状态出发,运用题目给出的条件、规则,按照深度优秀搜索的顺序扩展所有可能情况,从中找出满足题意要求的解答。回溯法是求解特殊型计数题或较复杂的枚举题中使用频率最高的一种算法。 一、回溯法的基本思路 何谓回溯法,我们不妨通过一个具体实例来引出回溯法的基本思想及其在计算机上实现的基本方法。【例题12.2.1】n皇后问题 一个n×n(1≤n≤100)的国际象棋棋盘上放置n个皇后,使其不能相互攻击,即任何两个皇后都不能处在棋盘的同一行、同一列、同一条斜线上,试问共有多少种摆法? 输入: n 输出: 所有分案。每个分案为n+1行,格式: 方案序号 以下n行。其中第i行(1≤i≤n)行为棋盘i行中皇后的列位置。 在分析算法思路之前,先让我们介绍几个常用的概念: 1、状态(state) 状态是指问题求解过程中每一步的状况。在n皇后问题中,皇后所在的行位置i(1≤i≤n)即为其时皇后问题的状态。显然,对问题状态的描述,应与待解决问题的自然特性相似,而且应尽量做到占用空间少,又易于用算符对状态进行运算。 2、算符(operater) 算符是把问题从一种状态变换到另一种状态的方法代号。算符通常采用合适的数据来表示,设为局部变量。n皇后的一种摆法对应1..n排列方案(a1,…,a n)。排列中的每个元素a i对应i行上皇后的列位置(1≤i≤n)。由此想到,在n皇后问题中,采用当前行的列位置i(1≤i≤n)作为算符是再合适不过了。由于每行仅放一个皇后,因此行攻击的问题自然不存在了,但在试放当前行的一个皇后时,不是所有列位置都适用。例如(l,i)位置放一个皇后,若与前1..l-1行中的j行皇后产生对角线攻击(|j-l|=|a j -i|)或者列攻击(i≠a j),那么算符i显然是不适用的,应当舍去。因此,不产生对角线攻击和列攻击是n皇后问题的约束条件,即排列(排列a1,…,a i,…,a j,…,a n)必须满足条件(|j-i|≠|a j-a i|) and (a i≠a j) (1≤i,j≤n)。 3、解答树(analytic tree) 现在让我们先来观察一个简单的n皇后问题。设n=4,初始状态显然是一个空棋盘。 此时第一个皇后开始从第一行第一列位置试放,试放的顺序是从左至右、自上而下。每个棋盘由4个数据表征相应的状态信息(见下图): (××××) 算法分析与设计实验报告第三次附加实验 附录: 完整代码(回溯法) //回溯算法递归回溯n皇后问题#include { friend int nQueen(int); //定义友元函数,可以访问私有数据 private: bool Place(int k); //判断该位置是否可用的函数 void Backtrack(int t); //定义回溯函数 int n; //皇后个数 int *x; //当前解 long sum; //当前已找到的可行方案数 }; int main() { int m,n; for(int i=1;i<=1;i++) { cout<<"请输入皇后的个数:"; //输入皇后个数 cin>>n; cout<<"皇后问题的解为:"< 【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1到N(N≥10)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); } 实验报告 一、实验名称:回溯法求解N皇后问题(Java实现) 二、学习知识: 回溯法:也称为试探法,它并不考虑问题规模的大小,而是从问题的最明显的最小规模开始逐步求解出可能的答案,并以此慢慢地扩大问题规模,迭代地逼近最终问题的解。这种迭代类似于穷举并且是试探性的,因为当目前的可能答案被测试出不可能可以获得最终解时,则撤销当前的这一步求解过程,回溯到上一步寻找其他求解路径。 为了能够撤销当前的求解过程,必须保存上一步以来的求解路径,这一点相当重要。 三、问题描述 N皇后问题:在一个 N * N 的国际象棋棋盘中,怎样放置 N 个皇后才能使 N 个皇后之间不会互相有威胁而共同存在于棋局中,即在 N * N 个格子的棋盘中没有任何两个皇后是在同一行、同一列、同一斜线上。 深度优先遍历的典型案例。 四、求解思路 1、求解思路:最容易想到的方法就是有序地从第 1 列的第 1 行开始,尝试放上一个皇后,然后再尝试第 2 列的第几行能够放上一个皇后,如果第 2 列也放置成功,那么就继续放置第 3 列,如果此时第 3 列没有一行可以放置一个皇后,说明目前为止的尝试是无效的(即不可能得到最终解),那么此时就应该回溯到上一步(即第 2 步),将上一步(第 2 步)所放置的皇后的位置再重新取走放在另一个符合要求的地方…如此尝试性地遍历加上回溯,就可以慢慢地逼近最终解了。 2、需要解决的问题:如何表示一个 N * N 方格棋盘能够更有效?怎样测试当前所走的试探路径是否符合要求?这两个问题都需要考虑到使用怎样的数据结构,使用恰当的数据结构有利于简化编程求解问题的难度。 3、我们使用以下的数据结构: int column[col] = row 表示第 col 列的第 row 行放置一个皇后 boolean rowExists[i] = true 表示第 i 行有皇后 boolean a[i] = true 表示右高左低的第 i 条斜线有皇后(按→↓顺序从1~ 2*N -1 依次编号) boolean b[i] = true 表示左高右低的第 i 条斜线有皇后(按→↑顺序从1~ 2*N -1 依次编号) 五、算法实现 对应这个数据结构的算法实现如下: 实验4 回溯法解0-1背包问题 一、实验要求 1.要求用回溯法求解0-1背包问题; 要求交互输入背包容量,物品重量数组,物品价值数组;2.要求显示结果。3. 二、实验仪器和软件平台 仪器:带usb接口微机 软件平台:WIN-XP + VC++ 三、实验源码 #include \ #include { bag[i].flag=0; bag[i].kk=i; bag[i].fl=*bag[i].v/bag[i].w; } }void Backtrack(int i){cw+=bag[i].w;if(i>=n) <=c) lag=1; cp+=bag[i].v; Backtrack(i+1); cw-=bag[i].w; cp-=bag[i].v; } if(Bound(i+1)>bestp)lag=0; Backtrack(i+1); }}<=cleft){; b+=bag[i].v; i++; } /bag[i].w * cleft; return b; } void Knapsack() k]=bag[k].flag; lag*bag[k].v; //价值累加 } cout< 《算法设计与分析》上机报告 如图所示,当任务数为20,机器数为2,总共耗时18.2999ms,最有时间为474单位时间,每个任务所花费时间就是随机数生成的时间序列是:73,31,66,7,50,9,11,53,66,90,99,12,37,31,31,38,9,82,60,93. Random r = new Random(); t=new int[N];//每个任务的时间 for (int i = 0; i < N; i++) { t[i] = r.Next(1,100);//随机数生成每个任务所需要的时间 } len=new int[M];//记录每台机器已安排的时间 best = 9999999; bestx = new int[N]; x = new int[N]; Stopwatch sw = new Stopwatch(); sw.Start(); backtrack(0); sw.Stop(); TimeSpan ts2 = sw.Elapsed; Console.WriteLine("程序运行总共花费{0}ms.", ts2.TotalMilliseconds); Console.WriteLine("最优时间是:"); Console.Write(best+" "); Console.WriteLine("每个任务所花费的时间是:"); for (int i = 0; i < N; i++) { Console.Write(t[i] + " "); } Console.WriteLine(); Console.WriteLine("最佳调度序列是:"); for (int i = 0; i < N; i++) { Console.Write(bestx[i] + " "); } Console.ReadKey(); } void backtrack(int dep) { if (dep == N) { int tmp = comp(); if (tmp < best) { best = tmp; for (int i = 0; i < N; i++) 回溯算法的应用 课程名称:算法设计与分析 院系:************************ 学生姓名:****** 学号:************ 专业班级:***************************** 指导教师:****** 2013年12月27日 回溯法的应用 摘要:回溯法(探索与回溯法)是一种选优搜索法,按选优条件向前搜索,以达到目标。但当探索到某一步时,发现原先选择并不优或达不到目标,就退回一步重新选择,这种走不通就退回再走的技术为回溯法,而满足回溯条件的某个状态的点称为“回溯点”。 回溯法,其意义是在递归直到可解的最小问题后,逐步返回原问题的过程。而这里所说的回溯算法实际是一个类似枚举的搜索尝试方法,它的主题思想是在搜索尝试过程中寻找问题的解,当发现已不满足求解条件时,就“回溯”返回,尝试别的路径。 回溯算法是尝试搜索算法中最为基本的一种算法,其采用了一种“走不通就掉头”的思想,作为其控制结构。在包含问题的所有解的解空间树中,按照深度优先搜索的策略,从根结点出发深度探索解空间树。当探索到某一结点时,要先判断该结点是否包含问题的解,如果包含,就从该结点出发继续探索下去,如果该结点不包含问题的解,则逐层向其祖先结点回溯。若用回溯法求问题的所有解时,要回溯到根,且根结点的所有可行的子树都要已被搜索遍才结束。而若使用回溯法求任一个解时,只要搜索到问题的一个解就可以结束。 全排列和求最优解问题是比较经典的问题,我们可以采用多种算法去求解此问题,比如动态规划法、分支限界法、回溯法。在这里我们采用回溯法来解决这个问题。 关键词:回溯法全排列最优值枚举 回溯算法 搜索与回溯是计算机解题中常用的算法,很多问题无法根据某种确定的计算法则来求解,可以利用搜索与回溯的技术求解。回溯是搜索算法中的一种控制策略。它的基本思想是:为了求得问题的解,先选择某一种可能情况向前探索,在探索过程中,一旦发现原来的选择是错误的,就退回一步重新选择,继续向前探索,如此反复进行,直至得到解或证明无解。如迷宫问题:进入迷宫后,先随意选择一个前进方向,一步步向前试探前进,如果碰到死胡同,说明前进方向已无路可走,这时,首先看其它方向是否还有路可走,如果有路可走,则沿该方向再向前试探;如果已无路可走,则返回一步,再看其它方向是否还有路可走;如果有路可走,则沿该方向再向前试探。按此原则不断搜索回溯再搜索,直到找到新的出路或从原路返回入口处无解为止。 递归回溯法算法框架[一] procedure Try(k:integer); begin for i:=1 to 算符种数 Do if 满足条件 then begin 保存结果 if 到目的地 then 输出解 else Try(k+1); 恢复:保存结果之前的状态{回溯一步} end; end; 递归回溯法算法框架[二] procedure Try(k:integer); begin if 到目的地 then 输出解 else for i:=1 to 算符种数 Do if 满足条件 then begin 保存结果 Try(k+1); end; end; 例 1:素数环:把从1到20这20个数摆成一个环,要求相邻的两个数的和是一个素数。【算法分析】非常明显,这是一道回溯的题目。从1 开始,每个空位有 20(19)种可能,只要填进去的数合法:与前面的数不相同;与左边相邻的数的和是一个素数。第 20个数还要判断和第1个数的和是否素数。 〖算法流程〗1、数据初始化; 2、递归填数: 判断第J种可能是否合法; A、如果合法:填数;判断是否到达目标(20个已填完):是,打印结果;不是,递归填下一个; B、如果不合法:选择下一种可能; 【参考程序】 program z74;框架[一] var a:array[0..20]of byte; b:array[0..20]of boolean; total:integer; function pd(x,y:byte):boolean; var k,i:byte; begin k:=2; i:=x+y; pd:=false; while (k<=trunc(sqrt(i)))and(i mod k<>0) do inc(k); if k>trunc(sqrt(i)) then pd:=true; end; procedure print; var j:byte; begin inc(total);write('<',total,'>:'); for j:=1 to 20 do write(a[j],' '); writeln; end; procedure try(t:byte); var i:byte; begin for i:=1 to 20 do if pd(a[t-1],i)and b[i] then begin a[t]:=i; b[i]:=false; if t=20 then begin if pd(a[20],a[1]) then print;end子集和数的回溯算法
回溯法实验(0-1背包问题)
回溯法与分支限界法的分析与比较
回溯法实验(最大团问题)
回溯搜索算法
回溯法实验报告
搜索与回溯算法介绍
回溯算法之0-1背包问题
回溯法实验报告
回溯算法实验
算法设计与分析:回溯法-实验报告
回溯法
回溯法实验(n皇后问题)(迭代法)
回溯算法实例一
实验报告:回溯法求解N皇后问题(Java实现)
回溯法解0 1背包问题实验报告
最佳调度问题 回溯算法分析
回溯算法的应用
回溯算法的一些例题