回溯算法的应用课程名称：算法设计与分析院系：************************学生姓名：******学号：************专业班级：***************************** 指导教师：******2013年12月27日回溯法的应用摘要：回溯法（探索与回溯法）是一种选优搜索法，按选优条件向前搜索，以达到目标。

但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。

回溯法，其意义是在递归直到可解的最小问题后，逐步返回原问题的过程。

而这里所说的回溯算法实际是一个类似枚举的搜索尝试方法，它的主题思想是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。

回溯算法是尝试搜索算法中最为基本的一种算法，其采用了一种“走不通就掉头”的思想，作为其控制结构。

在包含问题的所有解的解空间树中，按照深度优先搜索的策略，从根结点出发深度探索解空间树。

当探索到某一结点时，要先判断该结点是否包含问题的解，如果包含，就从该结点出发继续探索下去，如果该结点不包含问题的解，则逐层向其祖先结点回溯。

若用回溯法求问题的所有解时，要回溯到根，且根结点的所有可行的子树都要已被搜索遍才结束。

而若使用回溯法求任一个解时，只要搜索到问题的一个解就可以结束。

全排列和求最优解问题是比较经典的问题，我们可以采用多种算法去求解此问题，比如动态规划法、分支限界法、回溯法。

在这里我们采用回溯法来解决这个问题。

关键词：回溯法全排列最优值枚举目录第1章绪论 (4)1.1 回溯法的背景知识 (4)1.2 回溯法的前景意义 (4)第2章回溯法的理论知识 (5)2.1 问题的解空间树 (5)2.2 回溯法的一般性描述 (6)第3章 n的全排列 (7)3.1 问题描述 (7)3.2 问题分析 (7)3.3 算法设计 (7)3.4 测试结果与分析 (9)第4章最优化问题 (11)4.1 问题描述 (11)4.2 问题分析 (11)4.3 算法设计 (11)4.4 测试结果与分析 (14)第5章结论 (15)参考文献 (16)附件 (16)第1章绪论1.1 回溯法的背景知识回溯算法是尝试搜索算法中最为基本的一种算法，其采用了一种“走不通就掉头”的思想，作为其控制结构。

在递归算法中，其存在的意义是在递归知道可解的最小问题后，逐步返回原问题的过程。

实际上是一个类似于枚举的搜索尝试方法，他的主题思想是在搜索尝试的过程中寻找问题的解，当发现不满足条件时就回溯返回，尝试别的路径。

简单的说就是：从问题的某一种初始状态出发，依次搜寻每一种可能到达的情况，当走到这条路的“尽头”时，回过头到上一个情况，看这个情况是否还有没有走过的路，依次进行下去，直到遍历完所有的情况。

回溯法实际上是一种深度优先搜索的方式。

对于回溯法解决的问题，通常将其解空间组织成图或者树的形式。

对于用回溯法求解的问题，首先要将问题进行适当的转化，得出状态空间树。

这棵树的每条完整路径都代表了一种解的可能。

通过深度优先搜索这棵树，枚举每种可能的解的情况；从而得出结果。

但是，回溯法中通过构造约束函数，可以大大提升程序效率，因为在深度优先搜索的过程中，不断的将每个解与约束函数进行对照从而删除一些不可能的解，这样就不必继续把解的剩余部分列出从而节省部分时间。

1.2 回溯法的前景意义在做题时，有时会遇到这样一类题目，它的问题可以分解，但是又不能得出明确的动态规划或是递归解法，此时可以考虑用回溯法解决此类问题。

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。

通过运用回溯法，可以解决很多问题，譬如我们所熟知的“八皇后问题”、“0/1背包问题”，这只是在教学阶段中的运用，在实际运用中回溯法也能起到很大的作用。

回溯法适用于解决难以归纳一般规律解法的问题，其适用范围广，灵活性大，在解一些列举方法的问题时尤其可用。

但是，其缺点也是明显的，即时间复杂度较大；因此在采用时我们应该因情况的不同而做出不同的选择。

第2章回溯法的理论知识2.1 问题的解空间树对于全排列问题。

对n位数进行全排列，知道了这个数的位数就知道有多少种排列方法，在n位数中选定一个数为首位就可以进行下面的排列。

当n=4时，我们要从一个数开始排列，再进行其他两位数。

假设排列从1开始出发，则可能的路径如下图2.1。

图2.1 选择的路径活结点：不是叶结点，满足约束条件，使目标函数有所改善，儿子结点有尚未访问的（可继续搜索下去）。

否则为死结点。

E-结点：扩展结点，当前正在搜索的活结点。

死结点：即如果取了这个结点，将不会有可行解。

2.2 回溯法的一般性描述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S i 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，…，x i ）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，…，x j ）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，…，x j 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，…，x j ，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。

第3章n的全排列3.1 问题描述输出自然数1到n所有不重复的全排列。

3.2 问题分析在n的全排列是一组n元一维向量，（x1,x2,x3,…,xn）,搜索空间是：1<=xi<=n i=1,2,3…,n约束条件很简单，xi互不相同。

3.3 算法设计1、算法介绍本例题采用“数组记录状态信息”的方法检查在搜索过程中是否满足约束条件。

一般的方法是用cheak()函数进行判断，cheak()函数中当前元素与前面的元素进行逐个比较。

而在这个算法中用的是try( )函数，是搜索的过程更加快。

void TRY(int k)//找第k个数{int j;for(j=1;j<=n;j++){if(d[j]==0)//判断第k个数是否可用{a[k]=j;d[j]=1;}elsecontinue;//第k个数不可用if(k<n)TRY(k+1);//找第k+1个数else{p++;output() ; } //输出元素d[a[k]]=0;//将数组中的数设为未使用}}具体方式为：设置n个元素的一维数组d，在该算法中的一维数组d用于记录数组中的元素的状态（是否被搜索过），其中的n个元素用来记录数据1～n的使用情况，已使用置1，未使用置0。

直到所有元素的已使用，输出结果；然后循环进行，直到输出所有排列。

在该算法中最重要的一个函数就是d[a[k]]=0，这是回溯的核心，用以上回溯法搜索算法完成算法的全排列问题的复杂度为O（n^n）,不是最佳算法。

如果在算法中运用try （）函数自身之间的交换，for 循环语句for（j=t;j<=n;j=j+1）,而且for循环体中的第二个swap（）调用，是用来恢复原顺序的，在每次回溯时，都要恢复本次操作前的原始操作。

这个全排列算法的复杂度为O（n！），其结果可以为搜索排列树所用。

2、流程图3.4 测试结果与分析（1）测试结果：图3.1 全排列问题的解图3.2 全排列问题的解（2）对测试结果的分析：从图3.1、3.2中可以看出全排列的排列方法，当n=2时有两种排列，当n=3时有六种排列，所以对于n的全排列有n！种排列方法。

第4章最优化问题4.1 问题描述一个有趣的高精度数据：构造一个尽可能大的数，使其从高到低满足前一位能被1整除，前2位能被2整除，……,前n位能被n整除。

数学模型：记高精度数据为a1,a2,…,an,题目很明确有两个要求：（1）a1能被1整除且（a1*10+a2）能被2整除且……(a1*10^n-1+a2*10^n-2+…+an)能被能整除；（2）求最大的这样的数。

a1能被1整除且（a1*10+a2）能被2整除且……(a1*10^n-1+a2*10^n-2+…+an)能被能整除；4.2 问题分析此数只能用从高位到低位逐位尝试，失败回溯的算法策略求解，生成的高精度数据用数组从高位到低位存储，1号元素开始存储最高位。

此数的大小无法估计不妨为数组开辟100个空间。

4.3 算法设计1、算法介绍算法中数组A位当前求解的高精度数据的暂存处，数组B为当前最大的满足条件的数。

算法的首位A[1](最高位)从1开始枚举。

以后各位从0开始枚举。

所以求解出的满足条件的数据之间只须比较位数就能确定大小。

n为当前满足条件的最大数据的位数，i 为当前满足条件数据的位数，当i>=n就认为找到了更大的解。

当i>n不必解释，位数多数据一定大；i=n时，由于尝试是由小到大进行的，虽然位数相等，但后来满足条件的数据一定比前面的大。

（1）从A[1]=1开始，每增加一位A[i](初值为0)先计算r=（A[1]*10^i-1+A[2]*10^i-2+…+A[i]），再测试r=r mod i是否。

（2）r=0 表示增加第i位后，满足条件，与原有满足条件的数（存在数组B中）比较，若前者大，则更新后者（数组B），继续增加下一位。

（3）r ！0表示增加i位不满足整除条件，接下来算法中并不是继续尝试A[i]=A[i]+1,而是继续尝试A[i]=A[i]+i-r，因为若A[i]=A[i]+i-r<=9时，（A[1]*10^i-1+A[2]*10^i-2+…+A[i]-r+i）mod i肯定为0.这样可以减少尝试次数。