回溯法

c语言经典算法
五、回溯法　
回溯法也称为试探法，该方法首先暂时放弃关于问题规模大小的限制，并将问题的候选解按某种顺序逐一枚举和检验。当发现当前候选解不可能是解时，就选择下一个候选解；倘若当前候选解除了还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。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。扩大当前候选解的规模，以继续试探的过程称为向前试探。　
1、回溯法的一般描述　
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（x1，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<i）元组（x1，x2，…，xj）一定也满足D中仅涉及到x1，x2，…，xj的所有约束，i=1，2，…，n。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）对应于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。　
【问题】 组合问题　
问题描述：找出从自然数1、2、……、n中任取r个数的所有组合。　
例如n=5，r=3的所有组合为：　
（1）1、2、3 （2）1、2、4 （3）1、2、5　
（4）1、3、4 （5）1、3、5 （6）1、4、5　
（7）2、3、4 （8）2、3、5 （9）2、4、5　
（10）3、4、5　
则该问题的状态空间为：　
E={（x1，x2，x3）∣xi∈S ，i=1，2，3 } 其中：S={1，2，3，4，5}　
约束集为： x1<x2<x3　
显然该约束集具有完备性。　
问题的状态空间树T：　
RE：c语言经典算法
2、回溯法的方法　
对于具有完备约束集D的一般问题P及其相应的状态空间树T，利用T的层次结构和D的完备性，在T中搜索问题P的所有解的回溯法可以形象地描述为：　
从T的根出发，按深度优先的策略，系统地搜索以其为根的子树中可能包含着回答结点的所有状态结点，而跳过对肯定不含回答结点的所有子树的搜索，以提高搜索效率。具体地说，当搜索按深度优先策略到达一个满足D中所有有关约束的状态结点时，即“激活”该状态结点，以便继续往深层搜索；否则跳过对以该状态结点为根的子树的搜索，而一边逐层地向该状态结点的祖先结点回溯，一边“杀死”其儿子结点已被搜索遍的祖先结点，直到遇到其儿子结点未被搜索遍的祖先结点，即转向其未被搜索的一个儿子结点继续搜索。　
在搜索过程中，只要所激活的状态结点又满足终结条件，那么它就是回答结点，应该把它输出或保存。由于在回溯法求解问题时，一般要求出问题的所有解，因此在得到回答结点后，同时也要进行回溯，以便得到问题的其他解，直至回溯到T的根且根的所有儿子结点均已被搜索过为止。　
例如在组合问题中，从T的根出发深度优先遍历该树。当遍历到结点（1，2）时，虽然它满足约束条件，但还不是回答结点，则应继续深度遍历；当遍历到叶子结点（1，2，5）时，由于它已是一个回答结点，则保存（或输出）该结点，并回溯到其双亲结点，继续深度遍历；当遍历到结点（1，5）时，由于它已是叶子结点，但不满足约束条件，故也需回溯。　
3、回溯法的一般流程和技术　
在用回溯法求解有关问题的过程中，一般是一边建树，一边遍历该树。在回溯法中我们一般采用非递归方法。下面，我们给出回溯法的非递归算法的一般流程：　

在用回溯法求解问题，也即在遍历状态空间树的过程中，如果采用非递归方法，则我们一般要用到栈的数据结构。这时，不仅可以用栈来表示正在遍历的树的结点，而且可以很方便地表示建立孩子结点和回溯过程。　
例如在组合问题中，我们用一个一维数组Stack[ ]表示栈。开始栈空，则表示了树的根结点。如果元素1进栈，则表示建立并遍历（1）结点；这时如果元素2进栈，则表示建立并遍历（1，2）结点；元素3再进栈，则表示建立并遍历（1，2，3）结点。这时可以判断它满足所有约束条件，是问题的一个解，输出（或保存）。这时只要栈顶元素（3）出栈，即表示从结点（1，2，3）回溯到结点（1，2）。　
【问题】 组合问题　
问题描述：找出从自然数1，2，…，n中任取r个数的所有组合。　
采用回溯法找问题的解，将找到的组合以从小到大顺序存于a[0]，a[1]，…，a[r-1]中，组合的元素满足以下性质：　
（1） a[i+1]>a[i]，后一个数字比前一个大；　
（2） a[i]-i<=n-r+1。　
按回溯法的思想，找解过程可以叙述如下：　
首先放弃组合数个数为r的条件，候选组合从只有一个数字1开始。因该候选解满足除问题规模之外的全部条件，扩大其规模，并使其满足上述条件（1），候选组合改为1，2。继续这一过程，得到候选组合1，2，3。该候选解满足包括问题规模在内的全部条件，因而是一个解。在该解的基础上，选下一个候选解，因a[2]上的3调整为4，以及以后调整为5都满足问题的全部要求，得到解1，2，4和1，2，5。由于对5不能再作调整，就要从a[2]回溯到a[1]，这时，a[1]=2，可以调整为3，并向前试探，得到解1，3，4。重复上述向前试探和向后回溯，直至要从a[0]再回溯时，说明已经找完问题的全部解。按上述思想写成程序如下：　

【程序】　
# define MAXN 100　
int a[MAXN];　
void comb(int m,int r)　
{ int i,j;　
i=0;　
a[i]=1;　
do {　
if (a[i]-i<=m-r+1　
{ if (i==r-1)　
{ for (j=0;j<r;j++)　
printf(“%4d”,a[j]);　
printf(“/n”);　
}　
a[i]++;　
continue;　
}　
else　
{ if (i==0)　
return;　
a[--i]++;　
}　
} while (1)　
}　

main()　
{ comb(5,3);　
}　
【问题】 填字游戏　
问题描述：在3×3个方格的方阵中要填入数字1到N（N≥10）内的某9个数字，每个方格填一个整数，似的所有相邻两个方格内的两个整数之和为质数。试求出所有满足这个要求的各种数字填法。　
可用试探发找到问题的解，即从第一个方格开始，为当前方格寻找一个合理的整数填入，并在当前位置正确填入后，为下一方格寻找可填入的合理整数。如不能为当前方格找到一个合理的可填证书，就要回退到前一方格，调整前一方格的填入数。当第九个方格也填入合理的整数后，就找到了一个解，将该解输出，并调整第九个的填入的整数，寻找下一个解。　
为找到一个满足要求的9个数的填法，从还未填一个数开始，按某种顺序（如从小到大的顺序）每次在当前位置填入一个整数，然后检查当前填入的整数是否能满足要求。在满足要求的情况下，继续用同样的方法为下一方格填入整数。如果最近填入的整数不能满足要求，就改变填入的整数。如对当前方格试尽所有可能的整数，都不能满足要求，就得回退到前一方格，并调整前一方格填入的整数。如此重复执行扩展、检查或调整、检查，直到找到一个满足问题要求的解，将解输出。　
回溯法找一个解的算法：　
{ int m=0,ok=1;　
int n=8;　
do{　
if (ok) 扩展;　
else 调整;　
ok=检查前m个整数填放的合理性;　
} while ((!ok||m!=n)&&(m!=0))　
if (m!=0) 输出解;　
else 输出无解报告；　
}　
如果程序要找全部解，则在将找到的解输出后，应继续调整最后位置上填放的整数，试图去找下一个解。相应的算法如下：　
回溯法找全部解的算法：　
{ int m=0,ok=1;　
int n=8;　
do{　
if (ok)　
{ if (m==n)　
{ 输出解；　
调整；　
}　
else 扩展;　
}　
else 调整;　
ok=检查前m个整数填放的合理性;　
} while (m!=0);　
}　
为了确保程序能够终止，调整时必须保证曾被放弃过的填数序列不会再次实验，即要求按某种有许模型生成填数序列。给解的候选者设定一个被检验的顺序，按这个顺序逐一形成候选者并检验。从小到大或从大到小，都是可以采用的方法。如扩展时，先在新位置填入整数1，调整时，找当前候选解中下一个还未被使用过的整数。将上述扩展、调整、检验都编写成程序，细节见以下找全部解的程序。　
【程序】　
# include <stdio.h>　
# define N 12　
void write(int a[ ])　
{ int i,j;　
for (i=0;i<3;i++)　
{ for (j=0;j<3;j++)　
printf(“%3d”,a[3*i+j]);　
printf(“/n”);　
}　
scanf(“%*c”);　
}　

int b[N+1];　
int a[10];　
int isprime(int m)　
{ int i;　
int primes[ ]={2,3,5,7,11,17,19,23,29,-1};　
if (m==1||m%2=0) return 0;　
for (i=0;primes[i]>0;i++)　
if (m==primes[i]) return 1;　
for (i=3;i*i<=m;)　
{ if (m%i==0) return 0;　
i+=2;　
}　
return 1;　
}　

int checkmatrix[ ][3]={ {-1},{0,-1},{1,-1},{0,-1},{1,3,-1},　
{2,4,-1},{3,-1},{4,6,-1},{5,7,-1}};　
int selectnum(int start)　
{ int j;　
for (j=start;j<=N;j++)　
if (b[j]) return j　
return 0;　
}　

int check(int pos)　
{ int i,j;　
if (pos<0) return 0;　
for (i=0;(j=checkmatrix[pos][i])>=0;i++)　
if (!isprime(a[pos]+a[j])　
return 0;　
return 1;　
}　

int extend(int pos)　
{ a[++pos]=selectnum(1);　
b[a][pos]]=0;　
　return pos;　
}　

int change(int pos)　
{ int j;　
while (pos>=0&&(j=selectnum(a[pos]+1))==0)　
b[a[pos--]]=1;　
if (pos<0) return –1　
b[a[pos]]=1;　
a[pos]=j;　
b[j]=0;　
return pos;　
}　

void find()　
{ int ok=0,pos=0;　
a[pos]=1;　
b[a[pos]]=0;　
do {　
if (ok)　
if (pos==8)　
{ write(a);　
pos=change(pos);　
}　
else pos=extend(pos);　
else pos=change(pos);　
ok=check(pos);　
} while (pos>=0)　
}　

void main()　
{ int i;　
for (i=1;i<=N;i++)　
b[i]=1;　
find();　
}　
【问题】 n皇后问题　
问题描述：求出在一个n×n的棋盘上，放置n个不能互相捕捉的国际象棋“皇后”的所有布局。　
这是来源于国际象棋的一个问题。皇后可以沿着纵横和两条斜线4个方向相互捕捉。如图所示，一个皇后放在棋盘的第4行第3列位置上，则棋盘上凡打“×”的位置上的皇后就能与这个皇后相互捕捉。　
　
1 2 3 4 5 6 7 8　
× ×　
× × ×　
× × ×　
× × Q × × × × ×　
× × ×　
× × ×　
× ×　
× ×　
从图中可以得到以下启示：一个合适的解应是在每列、每行上只有一个皇后，且一条斜线上也只有一个皇后。　
求解过程从空配置开始。在第1列至第m列为合理配置的基础上，再配置第m+1列，直至第n列配置也是合理时，就找到了一个解。接着改变第n列配置，希望获得下一个解。另外，在任一列上，可能有n种配置。开始时配置在第1行，以后改变时，顺次选择第2行、第3行、…、直到第n行。当第n行配置也找不到一个合理的配置时，就要回溯，去改变前一列的配置。得到求解皇后问题的算法如下：　
{ 输入棋盘大小值n；　
m=0;　
good=1;　
do {　
if (good)　
if (m==n)　
{ 输出解；　
改变之，形成下一个候选解;　
}　
else 扩展当前候选接至下一列；　
else 改变之，形成下一个候选解；　
good=检查当前候选解的合理性；　
} while (m!=0);　
}　
在编写程序之前，先确定边式棋盘的数据结构。比较直观的方法是采用一个二维数组，但仔细观察就会发现，这种表示方法给调整候选解及检查其合理性带来困难。更好的方法乃是尽可能直接表示那些常用的信息。对于本题来说，“常用信息”并不是皇后的具体位置，而是“一个皇后是否已经在某行和某条斜线合理地安置好了”。因在某一列上恰好放一个皇后，引入一个一维数组（col[ ]），值col[i]表示在棋盘第i列、col[i]行有一个皇后。例如：col[3]=4，就表示在棋盘的第3列、第4行上有一个皇后。另外，为了使程序在找完了全部解后回溯到最初位置，设定col[0]的初值为0当回溯到第0列时，说明程序已求得全部解，结束程序运行。　
为使程序在检查皇后配置的合理性方面简易方便，引入以下三个工作数组：　
（1） 数组a[ ]，a[k]表示第k行上还没有皇后；　
（2） 数组b[ ]，b[k]表示第k列右高左低斜线上没有皇后；　
（3） 数组 c[ ]，c[k]表示第k列左高右低斜线上没有皇后；　
棋盘中同一右高左低斜线上的方格，他们的行号与列号之和相同；同一左高右低斜线上的方格，他们的行号与列号之差均相同。　
初始时，所有行和斜线上均没有皇后，从第1列的第1行配置第一个皇后开始，在第m列col[m]行放置了一个合理的皇后后，准备考察第m+1列时，在数组a[ ]、b[ ]和c[ ]中为第m列，col[m]行的位置设定有皇后标志；当从第m列回溯到第m-1列，并准备调整第m-1列的皇后配置时，清除在数组a[ ]、b[ ]和c[ ]中设置的关于第m-1列，col[m-1]行有皇后的标志。一个皇后在m列，col[m]行方格内配置是合理的，由数组a[ ]、b[ ]和c[ ]对应位置的值都为1来确定。细节见以下程序：　
【程序】　
# include <stdio.h>　
# include <stdlib.h>　
# define MAXN 20　
int n,m,good;　
int col[MAXN+1],a[MAXN+1],b[2*MAXN+1],c[2*MAXN+1];　

void main()　
{ int j;　
char awn;　
printf(“Enter n: “); scanf(“%d”,&n);　
for (j=0;j<=n;j++) a[j]=1;　
for (j=0;j<=2*n;j++) cb[j]=c[j]=1;　
m=1; col[1]=1; good=1; col[0]=0;　
do {　
if (good)　
if (m==n)　
{ printf(“列/t行”);　
for (j=1;j<=n;j++)　
printf(“%3d/t%d/n”,j,col[j]);　
printf(“Enter a character (Q/q for exit)!/n”);　
scanf(“%c”,&awn);　
if (awn==’Q’||awn==’q’) exit(0);　
while (col[m]==n)　
{ m--;　
a[col[m]]=b[m+col[m]]=c[n+m-col[m]]=1;　
}　
col[m]++;　
}　
else　
{ a[col[m]]=b[m+col[m]]=c[n+m-col[m]]=0;　
col[++m]=1;　
}　
else　
{ while (col[m]==n)　
{ m--;　
a[col[m]]=b[m+col[m]]=c[n+m-col[m]]=1;　
}　
col[m]++;　
}　
good=a[col[m]]&&b[m+col[m]]&&c[n+m-col[m]];　
} while (m!=0);　
}　

试探法找解算法也常常被编写成递归函数，下面两程序中的函数queen_all()和函数queen_one()能分别用来解皇后问题的全部解和一个解。　
【程序】　
# include <stdio.h>　
# include <stdlib.h>　
# define MAXN 20　
int n;　
int col[MAXN+1],a[MAXN+1],b[2*MAXN+1],c[2*MAXN+1];　
void main()　
{ int j;　
printf(“Enter n: “); scanf(“%d”,&n);　
for (j=0;j<=n;j++) a[j]=1;　
for (j=0;j<=2*n;j++) cb[j]=c[j]=1;　
queen_all(1,n);　
}　

void queen_all(int k,int n)　
{ int i,j;　
char awn;　
for (i=1;i<=n;i++)　
if (a[i]&&b[k+i]&&c[n+k-i])　
{ col[k]=i;　
a[i]=b[k+i]=c[n+k-i]=0;　
if (k==n)　
{ printf(“列/t行”);　
for (j=1;j<=n;j++)　
printf(“%3d/t%d/n”,j,col[j]);　
printf(“Enter a character (Q/q for exit)!/n”);　
scanf(“%c”,&awn);　
if (awn==’Q’||awn==’q’) exit(0);　
}　
queen_all(k+1,n);　
a[i]=b[k+i]=c[n+k-i];　
}　
}　
采用递归方法找一个解与找全部解稍有不同，在找一个解的算法中，递归算法要对当前候选解最终是否能成为解要有回答。当它成为最终解时，递归函数就不再递归试探，立即返回；若不能成为解，就得继续试探。设函数queen_one()返回1表示找到解，返回0表示当前候选解不能成为解。细节见以下函数。　
【程序】　
# define MAXN 20　
int n;　
int col[MAXN+1],a[MAXN+1],b[2*MAXN+1],c[2*MAXN+1];　
int queen_one(int k,int n)　
{ int i,found;　
i=found=0;　
While (!found&&i<n)　
{ i++;　
if (a[i]&&b[k+i]&&c[n+k-i])　
{ col[k]=i;　
a[i]=b[k+i]=c[n+k-i]=0;　
if (k==n) return 1;　
else　
found=queen_one(k+1,n);　
a[i]=b[k+i]=c[n+k-i]=1;　
}　
}　
return found;　
}
六、贪婪法　
贪婪法是一种不追求最优解，只希望得到较为满意解的方法。贪婪法一般可以快速得到满意的解，因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪法常以当前情况为基础作最优选择，而不考虑各种可能的整体情况，所以贪婪法不要回溯。　
例如平时购物找钱时，为使找回的零钱的硬币数最少，不考虑找零钱的所有各种发表方案，而是从最大面值的币种开始，按递减的顺序考虑各币种，先尽量用大面值的币种，当不足大面值币种的金额时才去考虑下一种较小面值的币种。这就是在使用贪婪法。这种方法在这里总是最优，是因为银行对其发行的硬币种类和硬币面值的巧妙安排。如只有面值分别为1、5和11单位的硬币，而希望找回总额为15单位的硬币。按贪婪算法，应找1个11单位面值的硬币和4个1单位面值的硬币，共找回5个硬币。但最优的解应是3个5单位面值的硬币。　
【问题】 装箱问题　
问题描述：装箱问题可简述如下：设有编号为0、1、…、n-1的n种物品，体积分别为v0、v1、…、vn-1。将这n种物品装到容量都为V的若干箱子里。约定这n种物品的体积均不超过V，即对于0≤i＜n，有0＜vi≤V。不同的装箱方案所需要的箱子数目可能不同。装箱问题要求使装尽这n种物品的箱子数要少。　

　若考察将n种物品的集合分划成n个或小于n个物品的所有子集，最优解就可以找到。但所有可能划分的总数太大。对适当大的n，找出所有可能的划分要花费的时间是无法承受的。为此，对装箱问题采用非常简单的近似算法，即贪婪法。该算法依次将物品放到它第一个能放进去的箱子中，该算法虽不能保证找到最优解，但还是能找到非常好的解。不失一般性，设n件物品的体积是按从大到小排好序的，即有v0≥v1≥…≥vn-1。如不满足上述要求，只要先对这n件物品按它们的体积从大到小排序，然后按排序结果对物品重新编号即可。装箱算法简单描述如下：　
{ 输入箱子的容积；　
输入物品种数n；　
按体积从大到小顺序，输入各物品的体积；　
预置已用箱子链为空；　
预置已用箱子计数器box_count为0；　
for (i=0;i<n;i++)　
{ 从已用的第一只箱子开始顺序寻找能放入物品i 的箱子j；　
if （已用箱子都不能再放物品i）　
{ 另用一个箱子，并将物品i放入该箱子；　
box_count++；　
}　
else　
将物品i放入箱子j；　
}　
}　
上述算法能求出需要的箱子数box_count，并能求出各箱子所装物品。下面的例子说明该算法不一定能找到最优解，设有6种物品，它们的体积分别为：60、45、35、20、20和20单位体积，箱子的容积为100个单位体积。按上述算法计算，需三只箱子，各箱子所装物品分别为：第一只箱子装物品1、3；第二只箱子装物品2、4、5；第三只箱子装物品6。而最优解为两只箱子，分别装物品1、4、5和2、3、6。　
若每只箱子所装物品用链表来表示，链表首结点指针存于一个结构中，结构记录尚剩余的空间量和该箱子所装物品链表的首指针。另将全部箱子的信息也构成链表。以下是按以上算法编写的程序。　
【程序】　
# include <stdio.h>　
# include <stdlib.h>　
typedef struct ele　
{ int vno;　
struct ele *link;　
} ELE;　
typedef struct hnode　
{ int remainder;　
ELE *head;　
Struct hnode *next;　
} HNODE;　

void main()　
{ int n, i, box_count, box_volume, *a;　
HNODE *box_h, *box_t, *j;　
ELE *p, *q;　
Printf(“输入箱子容积/n”);　
Scanf(“%d”,&box_volume);　
Printf(“输入物品种数/n”);　
Scanf(“%d”,&n);　
A=(int *)malloc(sizeof(int)*n);　
Printf(“请按体积从大到小顺序输入各物品的体积：”);　
For (i=0;i<n;i++) scanf(“%d”,a+i);　
Box_h=box_t=NULL;　
Box_count=0;　
For (i=0;i<n;i++)　
{ p=(ELE *)malloc(sizeof(ELE));　
p->vno=i;　
for (j=box_h;j!=NULL;j=j->next)　
if (j->remainder>=a[i]) break;　
if (j==NULL)　
{ j=(HNODE *)malloc(sizeof(HNODE));　
j->remainder=box_volume-a[i];　
j->head=NULL;　
if (box_h==NULL) box_h=box_t=j;　
else box_t=boix_t->next=j;　
j->next=NULL;　
box_count++;　
}　
else j->remainder-=a[i];　
for (q=j->next;q!=NULL&&q->link!=NULL;q=q->link);　
if (q==NULL)　
{ p->link=j->head;　
j->head=p;　
}　
else　
{ p->link=NULL;　
q->link=p;　
}　
}　
printf(“共使用了%d只箱子”，box_count);　
printf(“各箱子装物品情况如下：”);　
for (j=box_h,i=1;j!=NULL;j=j->next,i++)　
{ printf(“第%2d只箱子，还剩余容积%4d，所装物品有；/n”,I,j->remainder);　
for (p=j->head;p!=NULL;p=p->link)　
printf(“%4d”,p->vno+1);　
printf(“/n”);　
}　
}　
【问题】 马的遍历　
问题描述：在8×8方格的棋盘上，从任意指定的方格出发，为马寻找一条走遍棋盘每一格并且只经过一次的一条路径。　
马在某个方格，可以在一步内到达的不同位置最多有8个，如图所示。如用二维数组board[ ][ ]表示棋盘，其元素记录马经过该位置时的步骤号。另对马的8种可能走法（称为着法）设定一个顺序，如当前位置在棋盘的（i，j）方格，下一个可能的位置依次为（i+2，j+1）、（i+1，j+2）、（i-1，j+2）、（i-2，j+1）、（i-2，j-1）、（i-1，j-2）、（i+1，j-2）、（i+2，j-1），实际可以走的位置尽限于还未走过的和不越出边界的那些位置。为便于程序的同意处理，可以引入两个数组，分别存储各种可能走法对当前位置的纵横增量。　

　4 3　
5 2　
马　
6 1　
7 0　

对于本题，一般可以采用回溯法，这里采用Warnsdoff策略求解，这也是一种贪婪法，其选择下一出口的贪婪标准是在那些允许走的位置中，选择出口最少的那个位置。如马的当前位置（i，j）只有三个出口，他们是位置（i+2，j+1）、（i-2，j+1）和（i-1，j-2），如分别走到这些位置，这三个位置又分别会有不同的出口，假定这三个位置的出口个数分别为4、2、3，则程序就选择让马走向（i-2，j+1）位置。　
由于程序采用的是一种贪婪法，整个找解过程是一直向前，没有回溯，所以能非常快地找到解。但是，对于某些开始位置，实际上有解，而该算法不能找到解。对于找不到解的情况，程序只要改变8种可能出口的选择顺序，就能找到解。改变出口选择顺序，就是改变有相同出口时的选择标准。以下程序考虑到这种情况，引入变量start，用于控制8种可能着法的选择顺序。开始时为0，当不能找到解时，就让start增1，重新找解。细节以下程序。　
【程序】　
# include <stdio.h>　
int delta_i[ ]={2,1,-1,-2,-2,-1,1,2};　
int delta_j[ ]={1,2,2,1,-1,-2,-2,-1};　
int board[8][8];　
int exitn(int i,int j,int s,int a[ ])　
{ int i1,j1,k,count;　
for (count=k=0;k<8;k++)　
{ i1=i+delta_i[(s+k)%8];　
j1=i+delta_j[(s+k)%8];　
if (i1>=0&&i1<8&&j1>=0&&j1<8&&board[I1][j1]==0)　
a[count++]=(s+k)%8;　
}　
return count;　
}　

int next(int i,int j,int s)　
{ int m,k,mm,min,a[8],b[8],temp;　
m=exitn(i,j,s,a);　
if (m==0) return –1;　
for (min=9,k=0;k<m;k++)　
{ temp=exitn(I+delta_i[a[k]],j+delta_j[a[k]],s,b);　
if (temp<min)　
{ min=temp;　
kk=a[k];　
}　
}　
return kk;　
}　

void main()　
{ int sx,sy,i,j,step,no,start;　
for (sx=0;sx<8;sx++)　
for (sy=0;sy<8;sy++)　
{ start=0;　
do {　
for (i=0;i<8;i++)　
for (j=0;j<8;j++)　
board[i][j]=0;　
board[sx][sy]=1;　
I=sx; j=sy;　
For (step=2;step<64;step++)　
{ if ((no=next(i,j,start))==-1) break;　
I+=delta_i[no];　
j+=delta_j[no];　
board[i][j]=step;　
}　
if (step>64) break;　
start++;　
} while(step<=64)　
for (i=0;i<8;i++)　
{ for (j=0;j<8;j++)　
printf(“%4d”,board[i][j]);　
printf(“/n/n”);　
}　
scanf(“%*c”);　
}　
}