数据结构回溯法求装载问题概论.docx
《数据结构回溯法求装载问题概论.docx》由会员分享,可在线阅读,更多相关《数据结构回溯法求装载问题概论.docx(11页珍藏版)》请在冰豆网上搜索。
数据结构回溯法求装载问题概论
数据结构与算法分析
回溯法求解装载问题
回溯法求解装载问题
一、方法一般原理
基本思想:
在回溯法中,每次扩大当前部分解时,都面临一个可选的状态集合,新的部分解救通过在该集合中进行选择结构而成的。
这样的状态集合,结构上是一颗多叉树,每个树结点代表一个可能的部分解,她的儿子是在他的基础上生成其他部分解。
树根为初始状态。
这样的状态集合,称为状态空间树。
回溯法对任一解的生成,一般都采用逐步扩大解的方式。
每前进一部,都试图在当前部分解的基础上扩大该部分解。
它在问题的状态空间树中,从开始结点(根结点)出发,一深度优先搜索整个状态空间。
这个开始结点成为活结点,同时也成为当前的扩展结点。
在当前扩展结点处,搜索向纵深方向移动一个新的结点。
这个新的结点为新的活结点,并成为当前的中结点。
如果在当前扩展结点处不能再向纵深方向移动,则当前的扩展结点就成为死结点。
此时,应往回移动(回溯)至最近的活结点处,并使这个活结点成为当前扩展结点。
回溯法以这种工作方式递归地在状态空间中搜索,直到找到所要求的解或解空间中以无活结点时为止。
回溯法与穷举法有某些联系,他们都是基于试探。
穷举法要将一个解的各个部分全都生成后,才检查是否满足条件,若不满足,则直接放弃该完整解、然后再尝试另一个可能的完整解,没有沿着一个可能的完整解的各个部分逐步回退生成解的过程。
而对于回溯法,一个解的各个部分是逐步生成的,当发现当前生成的某部分不满足约束条件,就放弃该部所做的工作,退到上一步进行新的尝试,而不是放弃整个解重来。
一般来说,回溯法要比穷举法效率高一些。
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(1,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(j
换句话说,只要存在0≤j≤n-1,使得(x1,x2,…,xj)违反D中仅涉及到x1,x2,…,xj的约束之一,则以(x1,x2,…,xj)为前缀的任何n元组(x1,x2,…,xj,xj+1,…,xn)一定也违反D中仅涉及到x1,x2,…,xi的一个约束,n≥i>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(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。
二、描述问题
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
,且,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,请给出该方案。
三、由原理得到的算法、算法的复杂度、改进
1、可得算法回溯法解装载问题时,用子集树表示解空间最合适。
voidBacktrack(intt)
{
if(t>n)
Output(x);
else
{
for(inti=0;i{
x[t]=i;
if(Constraint(t)&&Bound(t))
Backtrack(t+1);
}
}
}
Maxloading调用递归函数backtrack实现回溯。
Backtrack(i)搜索子集树第i层子树。
i>n时,搜索至叶节点,若装载量>bestw,更新bestw。
当i<=n时,扩展节点Z是子集树内部节点。
左儿子节点当cw+w[i]<=c时进入左子树,对左子树递归搜索。
右儿子节点表示x[i]=0的情形。
2、时间复杂度
Backtrack动态的生成解空间树。
每个节点花费O
(1)时间。
Backtrack执行时间复杂度为O(2n)。
另外Backtrack还需要额外O(n)递归栈空间。
3、可能的改进
可以再加入一个上界函数来剪去已经不含最优解的子树。
设Z是解空间树第i层上的一个当前扩展结点,curw是当前载重量,maxw是已经得到的最优载重量,如果能在当前结点确定curw+剩下的所有载重量≤maxw则可以剪去些子树。
所以可以引入一个变量r表示剩余的所有载重量。
虽然改进后的算法时间复杂度不变,但是平均情况下改进后算法检查结点数较少。
进一步改进:
(1)首先运行只计算最优值算法,计算最优装载量,再运行backtrack算法,并在算法中将bestw置为W,在首次到叶节点处终止。
(2)在算法中动态更新bestw。
每当回溯一层,将x[i]存入bestx[i].从而算法更新bestx
所需时间为O(2n)。
四、算法实现
intBacktrack(inti)//搜索第i层节点
{
intj_index;//如果到达叶结点,则判断当前的cw,如果比前面得到的最优解bestw好,则替换原最优解。
if(i>n)
{
if(cw>bestw)
{
for(j_index=1;j_index<=n;j_index++)
bestx[j_index]=x[j_index];bestw=cw;
}
return1;
}//搜索子树
r-=w[i];
if(cw+w[i]<=c)//搜索左子树,如果当前剩余空间可以放下当前物品也就是,cw+w[i]<=c
{
x[i]=1;
cw+=w[i];//把当前载重cw+=w[i]
Backtrack(i+1);//递归访问其左子树,Backtrack(i+1)
cw-=w[i];//访问结束,回到调用点,cw-=w[i]
}
if(cw+r>bestw)//搜索右子树
{
x[i]=0;
Backtrack(i+1);
}
r+=w[i];
}
intmaxloading(intmu[],intc,intn,int*mx)
{
loadingx;
x.w=mu;
x.x=mx;
x.c=c;
x.n=n;
x.bestw=0;
x.cw=0;
x.Backtrack(1
);
returnx.bestw;
}
五、总结
由此,我们可以总结出回溯法的一般步骤:
(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。
通过DFS思想完成回溯,完整过程如下:
(1)设置初始化的方案(给变量赋初值,读入已知数据等)。
(2)变换方式去试探,若全部试完则转(7)。
(3)判断此法是否成功(通过约束函数),不成功则转
(2)。
(4)试探成功则前进一步再试探。
(5)正确方案还未找到则转
(2)。
(6)已找到一种方案则记录并打印。
(7)退回一步(回溯),若未退到头则转
(2)。
(8)已退到头则结束或打印无解。
可以看出,回溯法的优点在于其程序结构明确,可读性强,易于理解,而且通过对问题的分析可以大大提高运行效率。
但是,对于可以得出明显的递推公式迭代求解的问题,还是不要用回溯法,因为它花费的时间比较长。
附录(源码)
#include
#include
#include
typedefintStatus;
typedefintType;
intn=0;//集装箱数
Type*x=(Type*)malloc((50)*sizeof(Type));//当前解
Type*bestx=(Type*)malloc((50)*sizeof(Type));//当前最优解
Typec=0,//第一艘轮船的载重量
cw=0,//当前载重量
bestw=0,//当前最优载重量
r=0,
*w=(Type*)malloc((50)*sizeof(Type));//集装箱重量数组
intBacktrack(inti)//搜索第i层节点
{
intj_index;//如果到达叶结点,则判断当前的cw,如果比前面得到的最优解bestw好,则替换原最优解。
if(i>n)
{
if(cw>bestw)
{
for(j_index=1;j_index<=n;j_index++)
bestx[j_index]=x[j_index];bestw=cw;
}
return1;
}//搜索自树
r-=w[i];
if(cw+w[i]<=c)//搜索左子树,如果当前剩余空间可以放下当前物品也就是,cw+w[i]<=c
{
x[i]=1;
cw+=w[i];//把当前载重cw+=w[i]
Backtrack(i+1);//递归访问其左子树,Backtrack(i+1)
cw-=w[i];//访问结束,回到调用点,cw-=w[i]
}
if(cw+r>bestw)//搜索右子树
{
x[i]=0;
Backtrack(i+1);
}
r+=w[i];
}
Type*Initiate()
{
intindex=1;
printf("输入集装箱个数:
");
scanf("%d",&n);
printf("输入轮船载重量:
");
scanf("%d",&c);
while(index<=n)//数组从1号单元开始存储
{
printf("输入集装箱%d的重量:
",index);
scanf("%d",&w[index]);
index++;
}
bestw=0;
cw=0;
r=0;
for(index=1;index<=n;index++)
r+=w[index];//初始时r为全体物品的重量和
printf("n=%dc=%dcw=%dbestw=%dr=%d\n",n,c,cw,bestw,r);
for(index=1;index<=n;index++)
{
printf("w[%d]=%d",index,w[index]);
}
printf("\n");
returnw;
}
intmain()
{
inti;
Initiate();//计算最优载重量
Backtrack
(1);
for(i=1;i<=n;i++)
{
printf("%d",w[i]);
printf("%d\n",bestx[i]);}
returnbestw;
}
结果图
货物的总重量为48,轮船的总重量为34,所以所用货物都装上了轮船。
货物总重为155,但是轮船的载重量为24,所以只有集装箱1,集装箱4,集装箱6装进了轮船。