第六章回溯法
算法设计与分析——批处理作业调度（回溯法）
算法设计与分析——批处理作业调度（回溯法）之前讲过⼀个相似的问题流⽔作业调度问题，那⼀道题最开始⽤动态规划，推到最后得到了⼀个Johnson法则，变成了⼀个排序问题，有兴趣的可以看⼀下本篇博客主要参考⾃⼀、问题描述给定n个作业的集合{J1,J2,…,Jn}。
每个作业必须先由机器1处理，然后由机器2处理。
作业Ji需要机器j的处理时间为t ji。
对于⼀个确定的作业调度，设Fji是作业i在机器j上完成处理的时间。
所有作业在机器2上完成处理的时间和称为该作业调度的完成时间和。
批处理作业调度问题要求对于给定的n个作业，制定最佳作业调度⽅案，使其完成时间和达到最⼩。
例：设n=3，考虑以下实例：看到这⾥可能会对这些完成时间和是怎么计算出来的会有疑问，这⾥我拿123和312的⽅案来说明⼀下。
对于调度⽅案（1,2,3）作业1在机器1上完成的时间是2，在机器2上完成的时间是3作业2在机器1上完成的时间是5，在机器2上完成的时间是6作业3在机器1上完成的时间是7，在机器2上完成的时间是10所以，作业调度的完成时间和= 3 + 6 + 10这⾥我们可以思考⼀下作业i在机器2上完成的时间应该怎么去求？作业i在机器1上完成的时间是连续的，所以是直接累加就可以。
但对于机器2就会产⽣两种情况，这两种情况其实就是上图的两种情况，对于（1,2,3）的调度⽅案，在求作业2在机器2上完成的时间时，由于作业2在机器1上还没有完成，这就需要先等待机器1处理完；⽽对于（3,1,2）的调度⽅案，在求作业2在机器2上完成的时间时，作业2在机器1早已完成，⽆需等待，直接在作业1被机器1处理之后就能接着被处理。
综上，我们可以得到如下表达式if(F2[i-1] > F1[i])F2[i] = F2[i-1] + t[2][i]elseF2[i] = F1[i] + t[2][i]⼆、算法设计类Flowshop的数据成员记录解空间的结点信息，M输⼊作业时间，bestf记录当前最⼩完成时间和，数组bestx记录相应的当前最佳作业调度。
回溯法笔记
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。
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。
•解空间：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。
注意：同一个问题可以有多种表示，有些表示方法更简单，所需表示的状态空间更小（存储量少，搜索方法简单）。
n=3时的0-1背包问题用完全二叉树表示的解空间生成问题状态的基本方法扩展结点:一个正在产生儿子的结点称为扩展结点活结点: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:一个所有儿子已经产生的结点称做死结点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：在一个扩展结点变成死结点之前，它一直是扩展结点回溯法：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回溯法的基本思想(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。
第6章 分支限界法(新)
3
6.1 分支限界法的基本思想
2. 分支限界法基本思想
分支限界法常以广度优先或以最小耗费（最大效益）优先的方式搜 索问题的解空间树。
在分支限界法中，每一个活结点只有一次机会成为扩展结点。活结 点一旦成为扩展结点，就一次性产生其所有儿子结点。在这些儿 子结点中，导致不可行解或导致非最优解的儿子结点被舍弃，其 余儿子结点被加入活结点表中。 此后，从活结点表中取下一结点成为当前扩展结点，并重复上述结 点扩展过程。这个过程一直持续到找到所需的解或活结点表为空 时为止。
11
6.5
上界函数
0-1背包问题
// n表示物品总数，cleft为剩余空间
while (i <= n && w[i] <= cleft) { cleft -= w[i]; b += p[i]; i++;
//w[i]表示i所占空间 //p n) b += p[i] / w[i] * cleft; // 装填剩余容量装满背包 return b; //b为上界函数
算法的while循环体完成对排列树内部结点的扩展。对于当前 扩展结点，算法分2种情况进行处理：
15
6.7 旅行售货员问题
1、首先考虑s=n-2的情形，此时当前扩展结点是排列树中某 个叶结点的父结点。如果该叶结点相应一条可行回路且费用小于 当前最小费用，则将该叶结点插入到优先队列中，否则舍去该叶 结点。 2、当s<n-2时，算法依次产生当前扩展结点的所有儿子结点。 由于当前扩展结点所相应的路径是x[0:s]，其可行儿子结点是从 剩余顶点x[s+1:n-1]中选取的顶点x[i]，且(x[s]，x[i])是所给 有向图G中的一条边。对于当前扩展结点的每一个可行儿子结点， 计算出其前缀(x[0:s]，x[i])的费用cc和相应的下界lcost。当 lcost<bestc时，将这个可行儿子结点插入到活结点优先队列中。
回溯法简介——精选推荐
回溯法简介回溯法(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的点称为“回溯点”。
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。
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。
问题的解空间应⾄少包含问题的⼀个(最优)解。
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解空间：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注意：同⼀个问题可以有多种表⽰，有些表⽰⽅法更简单，所需表⽰的状态空间更⼩（存储量少，搜索⽅法简单）例如，对于有n种可选物品的0-1背包问题，其解空间由长度为n的0-1向量组成状态空间树的动态搜索 可能解----》可⾏解---》最优解可能解：解空间的⼀个⼦集。
可⾏解：满⾜约束条件的解最优解：使⽬标函数取极值的最优解。
在背包问题中，有2^n中可能解，其中有些是可⾏解，有些不是可⾏解。
在可⾏解中，也只有⼀个或⼏个是最优解。
有些问题不需要寻找最优解，例如后⾯的⼋后问题和图的着⾊问题，只要找出满⾜约束条件的可⾏解即可。
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。
简述回溯法
简述回溯法
回溯法是一种解决问题的思路和方法，它通常用于在有限的选择中
搜索问题的解。
这种方法通过不断回溯，重复尝试不同的解决方案，
直到找到正确的解答，或者发现问题无解。
回溯法通常用于解决NP问题，如旅行商问题、八皇后问题等。
它的基
本思路是从初始状态开始搜索，逐步深入，直到找到解答或者无解为止。
在搜索的过程中，如果发现当前的搜索方向行不通，就会回溯到
上一个状态，尝试其他可行的方案，直到找到正确的路径。
回溯法的具体实现可以用递归来实现。
在搜索的过程中，我们需要记
录当前的状态和步骤，并根据状态的变化不断更新。
如果发现当前的
状态无法满足要求，就返回上一个状态，继续尝试其他的方案。
这种
方法可以帮助我们避免遗漏解法，同时也能够高效地找到最优解。
在实际应用中，回溯法通常分为两类：深度优先搜索和广度优先搜索。
深度优先搜索从初始状态开始，按照某种规定的搜索方向进行搜索，
直到找到一个终止状态或者遍历完所有状态。
广度优先搜索则是从初
始状态开始，逐层扩展搜索范围，直到找到一个解答或者遍历完所有
状态。
总之，回溯法是一种非常有效的求解方法，可以解决很多复杂的问题。
它的优点在于能够避免遗漏解法，同时也能够高效地找到最优解。
在
实际应用中，我们可以根据问题的具体特点来选择合适的搜索算法，并在实现过程中注意优化和剪枝，以提高搜索效率。
回溯算法
刚才的方法为生成皇后的摆放方案再去判断是否符合 要求，效率比较低，我们能不能每摆放一个皇后就看 这个皇后摆放的位置对还是不对，这样可以节省很多 无效的搜索 procedure try(dep:longint); var i:longint; begin if dep>n then inc(total) else for i:=1 to n do begin a[dep]:=i; if pd(dep) then try(dep+1); end; end;
procedure search(dep:longint); var i:longint; begin if dep>n then print else for i:=1 to 4 do{每个城市有四种颜色} begin a[dep]:=i; if check(dep) then search(dep+1); end; end;
主要代码： procedure search(dep:longint); var i:longint; begin if dep>n then print else for i:=1 to n do begin a[dep]:=i; search(dep+1); end; end;
program pailie(input,output); var n:integer; a:array[1..20] of integer; procedure print; var i:integer; begin for i:=1 to n do write(a[i]); writeln; end;
代码实现： procedure try(dep:longint); var i:longint; begin if dep>n then print else for i:=1 to n do begin a[dep]:=i; try(dep+1); end; end;
回溯法的几种算法框架
回溯法的几种算法框架回溯法是一种经典的求解问题的算法框架，通常用于解决组合优化、搜索和排列问题。
下面将介绍回溯法的几种常见算法框架。
1. 全排列问题：全排列问题是指对给定的一组数字或字符，求出所有可能的排列方式。
回溯法可以通过递归的方式实现。
首先选择一个初始位置，然后从剩余的数字中选择下一个位置，依次类推，直到所有位置都被填满。
当所有位置都填满时，得到一个排列。
随后继续回溯，在上一次选择的位置后面选择下一个数字，直到得到所有的排列。
2. 子集问题：子集问题是指对给定的一组数字或字符，求出所有可能的子集。
回溯法可以通过递归的方式实现。
从给定的集合中选择一个元素，可以选择将其添加到当前正在构建的子集中，也可以选择跳过。
递归地遍历所有可能的选择路径，直到得到所有的子集。
3. 组合问题：组合问题是指在给定的一组数字或字符中，取出若干个元素进行组合，求解出所有不重复的组合方式。
回溯法可以通过递归的方式实现。
从给定的集合中选择一个元素，将其添加到当前正在构建的组合中，然后以当前选择元素的下一个位置为起点，递归地构建后续的组合。
如果当前组合已经满足条件或者已经遍历完所有可能的位置，则回溯到上一次选择的位置，继续尝试其他可能的选择。
4. 搜索问题：搜索问题是指在给定的搜索空间中，找到满足特定条件的解。
回溯法可以通过递归的方式实现。
从初始状态开始，选择一个操作或移动方式，然后递归地探索所有可能的状态转移路径。
每次探索时，进行剪枝操作，排除一些不符合条件的状态。
当找到满足条件的解或搜索空间遍历完时，回溯到上一次选择的位置，继续探索其他可能的路径。
总结：回溯法是一种求解问题的经典算法框架，适用于组合优化、搜索和排列问题。
通过选择和回溯的方式，可以遍历所有可能的解空间，并找到满足特定条件的解。
在实际应用中，可以根据具体问题的特点，选择合适的算法框架和相应的优化策略，以提高算法的效率和准确性。
回溯法解决01背包问题
回溯法是一个既带有系统性又带有跳跃性的搜索算法。
它在包含问题的所有解的解空间树中按照深度优先的策略，从根节点出发搜索解空间树。
算法搜索至解空间树的任一节点时，总是先判断该节点是否肯定不包含问题的解。
如果肯定不包含，则跳过对以该节点为根的子树的系统搜索，逐层向其原先节点回溯。
否则，进入该子树，继续按深度优先的策略进行搜索。
运用回溯法解题通常包含以下三个步骤：∙针对所给问题，定义问题的解空间；∙确定易于搜索的解空间结构；∙以深度优先的方式搜索解空间，并且在搜索过程中用剪枝函数避免无效搜索；在0／1背包问题中，容量为M的背包装载。
从n个物品中选取装入背包的物品，物品i的重量为Wi，价值为Pi。
最佳装载指装入的物品价值最高，即∑PiXi(i=1..n)取最大值。
约束条件为∑WiXi ≤M且Xi∈[0,1](1≤i≤n)。
在这个表达式中，需求出Xi的值。
Xi=1表示物品i装入背包，Xi＝0表示物品i不装入背包。
∙即判断可行解的约束条件是：∑WiXi≤M（i=0..n），Wi>0,Xi∈[0,1](1≤i≤n)∙目标最大值：max∑PiXi（i=0..n-1）,Pi>0,Xi=0或1（0≤i<n）0/1背包问题是一个自己选取问题，适合于用子集树表示0／1背包问题的解空间。
在搜索解空间树时，只要左儿子节点是一个可行节点，搜索就进入左子树，在右子树中有可能包含最优解才进入右子树搜索，否则将右子树剪去。
程序分析：将物品个数，每个物品体积／价值输入，计算总物品体积S，输入背包体积V，如果V<0或者V>S则前置条件错误，即背包体积输入错误，否则顺序将物品放入背包。
假设放入前i件物品，背包没有装满，继续选取第i+1件物品，若该物品“太大”不能装入，则弃之继而选取下一件直到背包装满为止；如果剩余物品中找不到合适物品以填满背包，则说明“刚刚”装入的第i件物品不合适，应将i拿出，继续从i＋1及以后的物品中选取，如此重复，直到找到满足条件的解。