算法_分枝限界法

相对代价函数 g ( )：衡量一个结点X的相对代价。
衡量标准一：生成答案结点前，子树X上需要生成的结点数目 衡量标准二：子树X上离X最近的答案结点到X的路径长度 (见图9-2 (b) )
结点的代价和相对代价都难以计算，因此通常采用它 们的估计值作为评价函数：

ˆ ( ) ：估计结点X的相对代价。 相对代价估计函数 g
分枝限界法的种类
根据从活结点中选择下一个扩展结点的不同次序，将分枝限 界法分为三类： （1）队列式(FIFO)分枝限界法：将活结点表组织成一个队列， 按队列的先进先出(FIFO)原则选取下一个结点为当前扩展结 点； （2）堆栈式(LIFO)分枝限界法：将活结点表组织成一个堆栈， 按堆栈的后进先出(LIFO)原则选取下一个结点为当前扩展结 点； （3）优先队列式(LC)分枝限界法：将活结点表组织成一个优 先队列，并按优先队列中规定的结点优先级选取优先级最高 的下一个结点为当前扩展结点。
基于上下界函数的分枝限界法
（假定目标函数取最小值时为最优解。） 设定一个上界变量U，记录迄今为止已知的最小代价答案结 点的代价值(即最小代价的上界值，最小代价答案结点的代 价值不会超过U)。
ˆ( X ) U ，则X子树可以剪枝。 对任意结点X，若 c
ˆ( X ) U c
ˆ ( X ) U 作为剪枝条件，会将最小答案节点误 但在这以前，以 c 剪除掉。因此使用 u(X)+ɛ 作为该子树的最小代价上界值U。
第二种搜索方式：LIFO分枝限界法（D-检索） 采用深度优先搜索（回溯法）生成状态空间树的方式。 （见图9-5部分状态空间树） ——深度优先搜索沿着状态生成树中最左边的路径搜 索，离目标状态越来越远。
ch8.16
第三种搜索方式：LC分枝限界法
ˆ( X ) f ( X ) g ˆ ( X ) 作为搜索代价 c 定义代价估计函数： 进行LC检索。（见图9-6状态空间树）
Less(k)为满足下列情况的号牌数目：号牌牌号小于k，但被 放置在号牌k的位置之后。(见图9-3 (a) ) i和j分别是空格在棋盘上的行和列下标。 ch8.13
第一种搜索方式： FIFO分枝限界法
采用广度优先搜索由初始状态图9-3(b)移动号牌得到 目标状态图9-3(c)的过程。(见图9-4状态空间树)
由于移动号牌和移动空格是等价的，因此从父状态 到子状态的一次转换可以视为空格的一次向上、下、 左或右的合法移动。 图中剪去了那些与双亲状态重复的孩子结点及其子 树。（即不能和上一步移动方向刚好相反） 到达边界时，也无法继续移向界外方向。
ch8.14
15谜问题的部分状态空间树(FIFOBB)
ch8.15
ˆ (X) U作为剪枝条件尽可 —— 于是，算法可使用 c 能剪除多余分枝。
ch8.24
基于上下界函数的FIFO分枝限界法：
Livelist<Node *> lst(mSize); do{ for ( 对结点E的每个孩子） Node *ans=null,*x,*E=t; //lst为FIFO队列
ch8.21
基于上下界函数的分枝限界法
（假定目标函数取最小值时为最优解。） 设定一个上界变量U，记录迄今为止已知的最小代价答案结 点的代价值(即最小代价的上界值，最小代价答案结点的代 价值不会超过U)。
ˆ( X ) U ，则X子树可以剪枝。 对任意结点X，若 c
因为c(X)是X子树上最小代价答案结点的代价， ˆ( X ) 是其下界。 c 而U是迄今已知的最小代价答案结点的代价值（即：整个树 最小代价的上界值）。 现若有 U c ˆ( X ) c( X ) ，必可断定：X子树上不含最小代价答 案结点。 ch8.22
ch8.2

章节内容:
9.1 一般方法 9.2 求最优解的分枝限界法 9.3 带时限的作业排序
ch8.3
9.1 分枝限界法的一般方法

采用广度优先产生状态空间树的结点，并使用剪枝函数的 方法称为——分枝限界法。 分枝限界法的基本做法是： 以广度优先的方式搜索问题的状态空间树。每一个活结点 只有一次机会成为扩展结点。 按照广度优先的原则，活结点一旦成为扩展结点（E结点） R后，就依次生成它的所有孩子结点。在这些孩子结点中， 导致不可行解或导致非最优解的孩子结点被舍弃，其余孩 子结点被一一加入活结点表中。 此后，R自身成为死结点，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。 ch8.4
ch8.11
15谜问题
问题描述：在一个4×4的方形棋盘上放置了15块编 了号的牌，还剩下一个空格。号牌的一次合法移动 是指将位于空格四周（上、下、左、右）的一块号 牌合法移动，将给定的初始排列转换成如图9-3 (c) 所示的目标排列：
分枝限界法与回溯法的异同
一、分枝限界法与回溯法的共同点 都是在问题的状态空间树上搜索问题解的算法,都通过活结点表 实现。都用约束函数剪去不含答案结点的分枝,用限界函数剪去 不含最优解的分枝. 二、分枝限界法与回溯法的区别 （1）求解目标不同：回溯法的求解目标是找出解空间树中满足约 束条件的所有可行解；而分枝限界法的求解目标则是找出满足 约束条件的一个可行解，或某种意义下的最优解。 （2）搜索方式不同：回溯法以深度优先的方式搜索解空间树，而 分枝限界法则以广度优先的方式搜索解空间树。 （3）对当前扩展结点的扩展方式不同：回溯法中的每个活结点可 能多次成为当前扩展结点，纵深方向扩展其一个儿子，然后再 回溯后扩展其他儿子；而分枝限界法中每一个活结点只有一次 机会成为扩展结点，一次产生所有孩子结点，自身成为死结点， 之后无需再返回该结点处。 ch8.5
{ x=new Node;
ˆ( X ) U ) if ( c
x->parent=E;
ˆ( X ) U ，则x不会被限界函数剪枝 //若 c
lst.Serve(E); } while(1); }
ch8.7
利用FIFO分枝限界法求解4-皇后问题时,实际生成的部分状态 空间树如图9-1所示 (请与P182 图8-6比较) :
1 0 3
1 2
1 3 B 1 9 B 8 3 1 2 3 13 2 0 19 18 2 24
2 34 3
29 0 35 1 40 3 B 3 45 B 1 51 2 0 50 1 56 2 61
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
ch8.12
注意：（一个4×4的棋盘有16!种不同的排列） 并非所有可能的状态作为初始状态都能到达目标状态。 定理9-1给出了一种简单的判定方法： 对给定的初始状态，当且仅当 Less(k ) i j
k 1 16
为偶数时，可以由此初始状态到达目标状态。
答案结点X的搜索代价cost(X)： 从根结点开始,直到搜索到答案 结点X为止所耗费的搜索时间.
定义4个相关函数：



代价函数 c( ) ：从根结点到X的搜索代价。
若X是答案结点,则 c( )是从根结点到X的搜索代价; 若X不是答案结点且子树X上不含任何答案结点,则 c( ) =∞; 若X不是答案结点但子树X上包含答案结点,则 c( )等于子树X 上具有最小搜索代价的答案结点的代价. (见图9-2 (a) ) ch8.9
ˆ( )最小的活结点作为下一个扩展结点（E结点） 以代价估计函数 c 的搜索策略称为最小成本检索，简称LC-检索。
ˆ( X ) g ˆ ( X， ) LC-检索表现出深度优先搜索特 如果 f ( ) 0，则 c 性，成为D-检索（LIFO检索）。 ˆ ( ) 0，且f(X)等于X在树中的层次，则LC-检索表现出宽 如果 g 度优先搜索特性，成为FIFO检索。
{
输出从x到t的一条路径;
return;
} //输出一个可行解后,算法终止
lst.Append(x); }
//否则（x不是答案结点）x进活结点表
if (lst.IsEmpty())
{ cout<<“没有答案结点”; return;
//活结点表lst为空时
} //搜索失败终止 //从活结点表lst中输出一个活结点为E-结点
1 3 4 5 2 7 8 9 6 10 12 13 14 11 15 (a) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (b)
ch8.19
课外提高题
请编程实现用LC分枝限界法求解15迷问题。
ch8.20
9.2 求最优解的分枝限界法
用分枝限界法求最优解时，需要使用上下界函数作为 限界函数（也即一种剪枝函数），以剪去不含最优解 的分枝。 定义一个与最优化问题的目标函数有关的代价函数 （不同于上一节的搜索代价）和上下界函数： 难以计算 定义9-1: 状态空间树上一个结点X的代价函数 c( ) 定义为：
U的值是不断修改的，根据搜索中获取的越来越多关于最小代 价的上界信息，逐渐逼近最小代价答案结点的代价值（即整棵 树的最小目标函数值——最优解值）。 ch8.23
基于上下界函数的分枝限界法
求最优解的限界方法：（按以下原则修正U的值）


如果X是答案结点，cost(X)是X所代表的可行解的 目标函数值，则U =min{cost(X),U}; 如果X代表部分分量，u(X)是该子树上最小代价答 案结点代价的上界值，则U=min{u(X)+ε,U}；
程序9-1 分枝限界法的算法框架 (为简化起见,用指针代表所指向的结点)
void BranchBound(Node *t) { do{ //t是指向状态空间树的根结点指针 //lst为活结点表 ,表中元素为指针类型; 求得一个可行解后终止 for (对结点E的每个不受限的孩子) { x=new Node; if (x是一个答案结点) x->parent=E; //构造E的孩子结点x