第5章 回溯法(1-例子)

合集下载

回溯法_ppt课件

回溯法_ppt课件
//h(i)表示在当前扩展节点处x[t]的第i个可选值
实 现 递 归
} }
if (Constraint(t) &&Bound(t) ) { if (Solution(t)) Output(x); else t ++; } else t --;
if (Constraint(t) &&Bound(t) ) { if (Solution(t)) Output(x); else t ++; } else t --; 分析:
算法设计与分析 >回溯法
5、回溯法解题步骤: 1).针对所给问题,定义问题的解空间 2).确定解空间结构. 3).以深度优先方式搜索解空间.
算法模式 Procedure BACKTRACK(n); {k:=l; repeat if TK (x1,x2,...xK-1 )中的值未取遍 then { xK:=TK (x1,x2,..., x K-1 )中未取过的一个值; if BK (x1, x2, ..., x K) then //状态结点(x1,...xk)被激活 if k=n then output(x1, x2, ..., xk) //输出度优先 e1se k:=k-l; //回溯 until k=0; end;{BACKTRACK}
if (Constraint(t)&&Bound(t) ) Backtrack(t + 1); if语句含义:Constraint(t)和Bound(t)表示当前扩展 节点处的约束函数和限界函数。 Constraint(t): 返回值为true时,在当前扩展节点处 x[1:t]的取值问题的约束条件,否则不满足问题的约束条 件,可剪去相应的子树 Bound(t): 返回的值为true时,在当前扩展节点处 x[1:t]的取值为时目标函数越界,还需由Backtrack(t+1) 对其相应的子树做进一步搜索。否则,当前扩展节点处 x[1:t]的取值是目标函数越界,可剪去相应的子树 for循环作用:搜索遍当前扩展的所有未搜索过的 子树。 递归出口:Backtrack(t)执行完毕,返回t-1层继续 执行,对还没有测试过的x[t-1]的值继续搜索。当t=1时, 若以测试完x[1]的所有可选值,外层调用就全部结束。

第5章回溯法PPT课件

第5章回溯法PPT课件

二、回溯的一般描述
一旦某个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。
三、回溯的一般步骤
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。
由于这是第一次用计算机证明数学定理,所以哈肯 和阿佩尔的工作,不仅是解决了一个难题,而且从 根本上拓展了人们对“证明”的理解,引发了数学 家从数学及哲学方面对“证明”的思考。
实例—n皇后问题
在一个n×n的棋盘上放置n个国际象棋中 的皇后,要求所有的皇后之间都不形成攻 击。请你给出所有可能的排布方案数。
n
4
5
6
7
8
总数
2
10
4
40
92
n皇后问题
对于n皇后问题而言,我们很难找出很合适的方法 来快速的得到解,因此,我们只能采取最基本的枚 举法来求解。
但我们知道,在n×n的棋盘上放置n个棋子的所有
回溯算法(一)
什么是回溯
入口回溯
▪迷宫游戏
回溯
➢什么是回溯法
回溯
▪回溯法是一个既带
有系统性又带有跳跃
性的的搜索算法
回溯
▪回溯法是以深度优先的方式系统地搜索问题 出口 的解, 它适用于解一些组合数较大的问题。
回溯(Trackback)是什么?
为什么回溯?
怎样回溯?
What
Why
How
一、回溯的概念
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,显然,其计算量是相当大的。

第5章 回溯法

第5章 回溯法

O(h(n)!)内存空间。
子集树
排列树
递归回溯
回溯法
南京邮电大学 通信与信息工程学院
迭代回溯
课件制作:王金元
递归回溯
回溯法对解空间作深度优先搜oid backtrack (int t) {
递归深度>n,算法搜索 到叶结点,输出可行解x
h(i)表示当前扩 展结点处x(t)的
Jn … J2 J1
南京邮电大学 通信与信息工程学院
机器1
机器2
课件制作:王金元
例子
tji 作业1 作业2 作业3
机器1 2 3 2
机器2 1 1 3
以1,2,3为例: 作业1在机器1上完成的时间为2,
在机器2上完成的时间为3 作业2在机器1上完成的时间为5,
在机器2上完成的时间为6 作业3在机器1上完成的时间为7,
} 南京邮电大学 通信与信息工程学院
课件制作:王金元
5.6. 批处理作业调度
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 tji。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。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。
解空间:排列树
void Flowshop::Backtrack(int i)
{ if (i > n) {
搜索到叶节点,更新最优值
for (int j = 1; j <= n; j++)
bestx[j] = x[j];
bestf = f; } else

第5章 回溯法(1-例子)

第5章 回溯法(1-例子)

{ if ((count>half)||(t*(t-1)/2-count>half)) return; if (t>n) sum++;
-++-+ -
else for (int i=0;i<2;i++) { p[1][t]=i;
-+
count+=i;
for (int j=2;j<=t;j++) { p[j][t-j+1]=p[j-1][t-j+1]^p[j-1][t-j+2]; count+=p[j][t-j+1];
对n=4, 四后问题的两个布局
无效布局
有效布局
14
对n=5, 五后问题
……
15
对n=8, 八后问题有92个解之多
1
Q
2
Q
3
Q
4
Q
5
Q
6Q
7
Q
8
Q
1 2345678
1
Q
2
Q
3
Q
4
Q
5
Q
6
Q
7Q
8
Q
1 2345678
16
四后问题的解空间
每行只能放置一个皇后,因此用xi表示第i行皇后 放置在xi列。
void Queen::Backtrack(int t)
{
if (t>n) sum++;
else
for (int i=1;i<=n;i++) {
x[t]=i;
if (Place(t)) Backtrack(t+1);

第5章 回溯法

第5章  回溯法
a(1)*m2*m3+a(4)*m1*m3=a(7)*m1*•m2成立。
设置中间变量g:先赋值g=1;若出现某两数字相同(即 a(i)=a(k))或a(1)>a(4),则赋值g=0(重复标记)。 首先从a(1)=1开始,逐步给a(i)(1≤i≤9)赋值,每一 个a(i)赋值从1开始递增至9。直至a(9)赋值,判断: 若i=9,g=1,a(1)*m2*m3+a(4)*m1*m3=a(7)*m1*m2•同时 满足,为一组解,用n统计解的个数后,格式输出这组解。 若i<9且g=1,表明还不到9个数字,则下一个a(i)从1开 始赋值继续。 若a(9)=9,则返回前一个数组元素a(8)增1赋值(此时, a(9)又从1开始)再试。若a(8)=9,则返回前一个数组元素 a(7)增1赋值再试。依此类推,直到a(1)=9时,已无法返 回,意味着已全部试毕,求解结束。
5.2 桥本分数式
案例提出:


日本数学家桥本吉彦教授于1993年10月在我国山东举行的中日美三 国数学教育研讨会上提出以下填数趣题:把1,2,„,9这9个数字填入 下式的9个方格中(数字不得重复),使下面分数等式成立:

□ □ □ ── + ── = ── □□ □□ □□
桥本教授当即给出了一个解答。这一填数趣题的解是否唯一?如果 不唯一究竟有多少个解?试求出所有解答 (等式左边两个分数交换次 序只算一个解答)。•
(4) 回溯实现



回溯法的试探搜索,是一种组织得井井有条的、能避免一些不必 要搜索的枚举式搜索。回溯法在问题的解空间树中,从根结点出 发搜索解空间树,搜索至解空间树的任意一点,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,逐层向其父结点回溯;否则,进入该子树,继续搜索。 从解的角度理解,回溯法将问题的候选解按某种顺序进行枚举和 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。 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。若当前候选解除了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。 通过例5-1“4皇后问题的回溯”理解回溯过程的实现。

第五章 回溯法

第五章  回溯法

• Cr=C=30,V=0
C为容量,Cr为剩余空间,V为价值。 • A为唯一活结点,也是当前扩展结点。
H D 1 0 I 1
1 B 0 E 1 0 J K
A
0 C 1 F 1 0 L M N 0 G 1 0 O
5.1 回溯法的算法框架
• n=3, C=30, w={16,15,15}, v={45,25,25}
理论上
寻找问题的解的一种可靠的方法是首先列出所有候选解,然后依次检查每一个, 在检查完所有或部分候选解后,即可找到所需要的解。
但是
当候选解数量有限并且通过检查所有或部分候选解能够得到所需解时,上述方
法是可行的。
若候选解的数量非常大(指数级,大数阶乘),即便采用最快的计算机也只能 解决规模很小的问题。
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。
5.1 回溯法的算法框架
解空间(Solution Space)
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:同一问题可有多种表示,有些表示更简单,所需状态空间更小(存储 量少,搜索方法简单)。
回溯法引言
以深度优先的方式系统地搜索问题的解的算法称为回溯法 使用场合
对于许多问题,当需要找出它的解的集合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。 这种方法适用于解一些组合数相当大的问题,具有“通用解题法”之称。 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。
一个正在产生儿子的结点称为扩展结点
活结点(L-结点,Live Node)
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

第5章 回溯法

第5章 回溯法

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,并在搜索过程展结点处剪去不满足约束的子树; 用限界函数剪去得不到最优解的子树。
21
5.1 回溯法的算法框架
回溯法的基本步骤
采用树的非递归深度优先遍历算法,可将回溯法表示为一个 非递归迭代过程。
void iterativeBacktrack ( ) { int t = 1; while ( t > 0 ) { if ( f ( n, t ) <= g ( n, t ) ) for( int i = f( n, t ); i<=g( n, t); i++) { x[ t ] = h( i ); if( constraint( t )&&bound( t )) { if (solution( t ) ) output( x ); else t++; } } else t--; } }
r = 14 v = 45
r = 14 v = 45
r = 30 v=0 r = 15 v = 25 r = 30 v=0
根结点的孩 子已经都被 搜索过,搜 索结束。
v = 45
v = 50
v = 25 v = 25
v=0
11
5.1 回溯法的算法框架
• 回溯法在包含问题的所有解的解空间树中,按照深 度优先的策略,从根结点出发搜索解空间树。 • 算法搜索至解空间树的任一结点时,总是先判断该 结点是否肯定不包含问题的解,如果肯定不包含, 则跳过对以该结点为根的子树的系统搜索,逐层向 其祖先结点回溯。否则进入该子树,继续按深度优 先的策略进行搜索。

第五部分 回溯法

第五部分 回溯法

1
装载问题
• 有一批共n个集装箱要装上2艘载重量分别为c1和c2 n 的轮船,其中集装箱i个重量为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n个集装箱装上这2艘轮船。如果有,找出 n 2 一种装载方案。
– 例如,当n=3, c1=c2=50, 且w=[10,40,40]时,则可以将集 装箱1和2装到第一艘轮船上,而将集装箱3装到第二艘 轮船上;如果w=[20,40,40],则无法将这3个集装箱都装 上轮船。
• 限界函数
– 例如,c=7, w=[3, 5, 2, 1], v=[9, 10, 7, 4] 。v/w=[3, 2, 3.5, 4]。以物品单位重量价值的递减序装入物品。装入物品 4、3、1后,只能装入0.2的物品2,由此得到一个解 Bound (i) x=[1, 0.2, 1, 1],其相应的价值为22。尽管这个解不是一 //计算上界 个可行解,但其价值是最优值的一个上界,即对于该 cleft = c - cw // 剩余容量 问题,最优值不超过22。 bound = cp //以物品单位重量价值递减序装入物品 while i <= n and w[i] <= cleft O(n) cleft = cleft - w[i] bound = bound + p[i] i++ //装满背包 if i <= n bound = bound + p[i] / w[i] * cleft return bound
• • • •
活结点:自身已生成但其儿子结点还未全部生成的结点 扩展结点:当前正在处理的结点 死结点:所有儿子已经生成 叶结点:可行解 0-1背包:w=[16,15,15], v=[45,25,25], c=30
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

n; // 作业数};
8
} //end Backtrack
旅行售货员问题
9
旅行售货员问题
解空间树 —— 排列树 剪枝函数:当搜索到第i 层,图G中存在从顶点1经i个 顶点到某其他顶点的一条路 径,且x[1:i]的费用和大于当前 已获得的最优值时,剪去该子 树的搜索。 算法效率:
O((n-1)!)*O(n) =O(n!)
cleft -= w[i];
b += p[i];
i++;
} // 装满背包
if (i <= n) b += p[i]/w[i] * cleft;
return b;
4
}
0-1背包问题
例:n=4,c=7,p=[9,10,7,4],w=[3,5,2,1] 解空间树如下:
物品 1 物品 2 物品 3 物品 4
class Flowshop { friend Flow(int**, int, int []);
f+=f2[i];
private:
if (f < bestf) {
void Backtrack(int i);
Swap(x[i], x[j]);
int **M, // 各作业所需的处理时间
Backtrack(i+1);
(2)将剩余的集装箱装上第二艘轮船。
将第一艘轮船尽可能装满等价于选取全体集装箱的一个子集,
使该子集中集装箱重量之和最接近c1。由此可知,装载问题等
价于以下特n殊的0-1背包问题。
max wi xi i 1
用回溯法设计解装载问题的O(2n)计
n
s.t. wi xi c1
算时间算法。
i 1
1
xi {0,1},1 i n
*x, // 当前作业调度
Swap(x[i], x[j]); } //end if f1- =M[x[j]][1]; f- =f2[i]; } //end for
*bestx, // 当前最优作业调度
*f2, // 机器2完成处理时间
f1, // 机器1完成处理时间
f, // 完成时间和
bestf, // 当前最优值
i 1
template<class Typew, class Typep>
Typep Knap<Typew, Typep>::Bound (int i)
{// 计算上界 Typew cleft = c - cw; // 剩余容量
Typep b = cp; // 以物品单位重量价值递减序装入物品
while (i <= n && w[i] <= cleft) {
如调度顺序2,3,1: (3+1)+(3+2+3)+(max(2+3+2, 8)+1)
=(3+1)+(3+2+3)+(8+1)=21
每个作业,
•在机器1上是否要
等?等多久?
•在机器2上是否要
等?又等多久?
•何时能上到机器2上
去才能决定此作业何
时能完成!
7
批处理作业调度 • 解空间:排列树
void Flowshop::Backtrack(int i) {
h1 h2 i1 i2 j1 j2 k1 k2 l1 l2 m1 m2 n1 n2 o1 o2
5
批处理作业调度
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tji。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。
装载问题
•解空间:子集树: wi xi c1
•上界函数(不选择当前元素): i1
当前载重量cw+剩余集装箱的重量r当前最优载重量bestw
void backtrack (int i)
{// 搜索第i层结点
if (i > n) { // 到达叶结点
更新最优解bestx,bestw; return;}
装载问题
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
n
wi
c1
c2
装载问题是否有一个合理的i装1 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。
容易证明,如果一个给定装载问题有解,则采用下面的策略可
得到最优装载方案。
(1)首先将第一艘轮船尽可能装满;
2
}
装载问题
• 构造最优解 P147 需在搜索过程中记录与当前最优装载重量值相匹配 的当前装载方案向量解(即当前最优解)。增加两个 量:x和bestx
x用于记录从根到当前结点的路径 bestx用于记录当前最优解
3
0-1背包问题
• 解空间:子集树 n
• 可行性约束函数: wi xi c1
• 上界函数:
r -= w[i];
if (cw + w[i] <= c) {// 搜索左子树
x[i] = 1;
cw += w[i];
backtrack(i + 1);
cw -= w[i]; }
if (cw + r > bestw) {// 搜索右子树
x[i] = 0;
backtrack(i + 1); }
r += w[i];
6
时间和为18。
批处理作业调度
tji 作业1 作业2 作业3
机器1 2 3 2
机器2 1 1 3
这3个作业的6种可能的 调度方案是1,2,3; 1,3,2;2,1,3;2,3,1; 3,1,2;3,2,1
如调度顺序1,2,3: 3+(2+4)+(2+3+5)=19
如调度顺序3,1,2: (2+3)+(2+3+1)+(2+2+3+1)=19
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。
tji 作业1 作业2 作业3
机器1 2 3 2
机器2 1 1 3
这3个作业的6种可能的调度方案是1,2,3;1,3,2;2,1,3; 2,3,1;3,1,2;3,2,1;它们所相应的完成时间和分别是19, 18,20,21,19,19。易见,最佳调度方案是1,3,2,其完成
1
3
2
if (i > n) {
for (int j = 1; j <= n; j++) bestx[j] = x[j];
2
3
1
3
1
2
bestf = f;
} //end if else
3
2
3
1
2
1
for (int j = i; j <= n; j++) {
f1+=M[x[j]][1]; f2[i]=((f2[i-1]>f1)?f2[i-1]:f1)+M[x[j]][2];
相关文档
最新文档