算法设计与分析_回溯法分析

本文深入探讨了回溯法的概念及其在解决组合数较大问题时的高效算法框架。通过定义解空间、搜索策略及关键步骤,阐述了回溯法如何系统地搜索问题的最优解。同时,介绍了子集树与排列树的概念,以及递归与迭代回溯法的应用实例,旨在提供全面理解回溯法的指南。

回溯法 有通用的解题法之称。用它可以系统的搜索问题的所有解。回溯法是一个既带有系统性

又带有跳跃性的搜索算法。它在问题的解空间树中,按深度优先策略,从根节点出发搜索解空间树,算法

搜索到解空间的任一节点时,先判断该节点是否包含问题的解。如果肯定不包含,那么跳过对该

节点为树的子树的搜索的,逐层向其祖先节点回溯,否则进入该子树,继续按深度优先策略搜索,回溯

法求问题的一个子解时,只要搜索到问题的一个解就可以结束了。这种以深度优先方式系统搜索问题解的算法称

为回溯法。它适应用解组合数较大的问题。

 

1.回溯法的算法框架

 

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最优解。例如,对于有n种可选择物品的

0 1 背包问题,其解空间由长度为n的01 向量组成的,该解空间包含对遍历的所以01赋值

 

回溯法搜索解空间树时,通常才用两种策略避免无效的搜索,提高回溯法的搜索效率。其一是用约束函数在扩展节点处

剪去不满足约束的子树,其二是用限界函数剪去得不到的最优解的子树,这两类函数通常称为剪纸函数。

 

回溯法求解的三个步骤

1.针对问题,定义问题的解空间

2.确定容易搜索的解空间结构

3.以深度优先方式搜索解空间,并在搜索过程中用剪纸函数避免无效的搜索结果

 

方法1.递归回溯(递归调用函数本身)

回溯法对解空间进行深度优先的搜索,因此,在一般的情况下可用递归方法实现回溯法。

 

方法2.迭代回溯 (一般使用while或者for循环,将问题慢慢扩展到全部,前一次的结果被后一次的结构使用)

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

用回溯法解题的一个显著特征是在搜索过程中动态产生问题的解空间,在任何时刻,算法只是保存从根节点到当前扩展节点

的路径。如果解空间树中从根节点到叶节点的最长路径的长度为h(n),则回溯法所需的计算空间通常为o(h(n)),而显式地存储整个解空间

那么需要O(h(n)!)

 

子集树与排列树

 

当所给的问题是从n个元素的集合S中找出S满足某种性质的子集时,相应的解空间称为子集树。比如,n个物品的0-1背包问题所相应的解空间

树是一颗子集树,这类子集树通常有2^n个叶节点,其节点总个数有2^n-1,遍历子集树的算法需要  2^n的空间复杂度

 

    当所给问题是确定n个元素满足某种性质的排列时,相应的解空间树称为树排列树通常有n!个叶节点,因此遍历排列树需要n!空间复制度。

 

 

 

•Alpha-Beta剪枝(Alpha-Beta pruning) 对于一般的最大最小搜索,即使每一步只有很少的下法,搜索的位置也会增长非常快;在大多数的中局棋形中,每步平均有十个位置可以下棋,于是假设搜索九步(程序术语称为搜索深度为九),就要搜索十亿个位置(十的九次方),极大地限制了电脑的棋力。于是采用了一个方法,叫“alpha-beta剪枝”,它大为减少了检测的数目,提高电脑搜索的速度。各种各样的这种算法用于所有的强力Othello程序。(同样用于其他棋类游戏,如国际象棋和跳棋)。为了搜索九步,一个好的程序只用搜索十万到一百万个位置,而不是没用前的十亿次。 •估值 这是一个程序中最重要的部分,如果这个模块太弱,则就算算法再好也没有用。我将要叙述三种不同的估值函数范例。我相信,大多数的Othello程序都可以归结于此。 棋格表:这种算法的意思是,不同的棋格有不同的值,角的值大而角旁边的格子值要小。忽视对称的话,棋盘上有10个不同的位置,每个格子根据三种可能性赋值:黑棋、白棋和空。更有经验的逼近是在游戏的不同阶段对格子赋予不同的值。例如,角在开局阶段和中局开始阶段比终局阶段更重要。采用这种算法的程序总是很弱(我这样认为),但另一方面,它很容易实现,于是许多程序开始采用这种逼近。 基于行动力的估值:这种更久远的接近有很强的全局观,而不像棋格表那样局部化。观察表明,许多人类玩者努力获得最大的行动力(可下棋的数目)和潜在行动力(临近对手棋子的空格,见技巧篇)。如果代码有效率的话,可以很快发现,它们提高棋力很多。 基于模版的估值 :正如上面提及的,许多中等力量的程序经常合并一些边角判断的知识,最大行动力和潜在行动力是全局特性,但是他们可以被切割成局部配置,再加在一起。棋子最少化也是如此。这导致了以下的概括:在估值函数中仅用局部配置(模版),这通常用单独计算每一行、一列、斜边和角落判断,再加在一起来实现。 估值合并:一般程序的估值基于许多的参数,如行动力、潜在行动力、余裕手、边角判断、稳定子。但是怎么样将他们合并起来得到一个估值呢?一般采用线性合并。设a1,a2,a3,a4为参数,则估值s:=n1*a1+n2*a2+n3*a3+n4*a4。其中n1,n2,n3,n4为常数,术语叫“权重”(weight),它决定了参数的重要性,它们取决于统计值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值