1.基本概念
回溯算法實際上一個類似枚舉的搜索嘗試過程，主要是在搜索嘗試過程中尋找問題的解，當發(fā)現(xiàn)已不滿足求解條件時，就“回溯”返回，嘗試別的路徑。
回溯法是一種選優(yōu)搜索法，按選優(yōu)條件向前搜索，以達到目標。但當探索到某一步時，發(fā)現(xiàn)原先選擇并不優(yōu)或達不到目標，就退回一步重新選擇，這種走不通就退回再走的技術為回溯法，而滿足回溯條件的某個狀態(tài)的點稱為“回溯點”。
許多復雜的，規(guī)模較大的問題都可以使用回溯法，有“通用解題方法”的美稱。
2.基本思想
在包含問題的所有解的解空間樹中，按照有限搜索的策略，從根節(jié)點出發(fā)深度探索解空間樹。當探索到某一接點時，要先判斷該結點是否包含問題的解，如果包含，就從該結點出發(fā)繼續(xù)探索，如果該結點不包含問題的解，則逐層想其祖先結點回溯。（回溯法就是對隱式的深度優(yōu)先搜索算法）
若用回溯法求解問題的所有解時，要回溯到根，且根節(jié)點的所有可行的子樹都已經被所有遍才結束。而使用回溯法求解任一個解時，只要搜索到問題的一個解就可以結束。
3.解空間的樹結構
使用回溯法的解空間一般有兩種解空間：子集樹和排列樹
3.1子集樹
當所給的問題從n個元素的集合S中找出滿足某種性質的子集時，相應的解空間樹稱為子集樹。常用于0-1問題，如0-1背包問題。
如下圖:
3.2排列樹
當所給的問題是確定n個元素滿足某種性質的排列時，相應的解空間樹稱之為排列樹。排序樹通常有n！葉結點。
如下圖:
4.用回溯法解題的一般步驟
- 針對所給問題，確定問題的解空間：
首先明確定義問題的解空間，問題的解空間應該至少包含問題的一個解 - 確定結點擴展搜索規(guī)則
- 以深度優(yōu)先方式搜索解空間，并在搜索過程中用剪枝函數(shù)避免無效搜索
5.算法框架
1.問題框架
設問題的解是一個n維向量(a1,a2,………,an),約束條件是ai(i=1,2,3,…..,n)之間滿足某種條件，記為f(ai)。
2.遞歸回溯框架
回溯法是對解空間的深度優(yōu)先搜索，在一般情況下使用遞歸函數(shù)來實現(xiàn)回溯法比較簡單，其中i為搜索的深度，框架如下：
void backtrack (int t) //t表示遞歸深度
{
if (t>n) output(x); //n表示深度界限
else
for (int i=f(n,t);i<=g(n,t);i++) // f(n,t)，g(n,t)分別表示當前擴展結點未搜索過的子樹的起始編號和終止編號
{
x[t]=h(i);
if (constraint(t)&&bound(t)) //滿足約束函數(shù)和限界函數(shù)
backtrack(t+1);
}
}
3.非遞歸的算法框架
void iterativeBacktrack ()
{
int t=1;
while (t>0) {
if (f(n,t)<=g(n,t))
for (int i=f(n,t);i<=g(n,t);i++) {
x[t]=h(i);
if (constraint(t)&&bound(t)) {
if (solution(t)) output(x);
else t++;}
}
else t--;
}
}
6.舉個例子
現(xiàn)在舉個例子，給定一組數(shù)組nums，再給定一個目標值target,找出集合nums的所有子集使其之和剛好為目標值，nums中的數(shù)只能使用一次。
例如：給定數(shù)組nums = {1,2,3,4,5},給定目標值target = 9,那么所能得到的結果有:
[0, 1, 1, 1, 0]
[0, 0, 0, 1, 1]
也即是：2+3+4和4+5
現(xiàn)在我們來考慮一下如何求解這個題，要找出所有子集，這顯然有點“窮舉搜索”的感覺，回溯就是這樣一種“搜索”算法。
那么按照回溯步驟：
6.1 確定問題的解空間
用0/1表示是否是用集合中某個元素，那么對于整個集合，我們可以定義一個數(shù)組x,x[i]=0，則表示不使用第i個元素；x[i]=1，表示是用該元素。這樣就將問題轉化問了經典的0-1問題，而二叉樹天然具有這樣的性質（左子樹對應1，右子樹對應0，當然也可以反過來定義）。構造出的解空間樹如上文中的子集樹。這里就不贅述了。
6.2 確定結點擴展搜索規(guī)則
這個沒什么好說的，大多數(shù)回溯問題均使用深度遍歷。
6.3 進行搜索，必要時加入剪枝函數(shù)
什么是剪枝函數(shù)？其實這是一個很形象的名詞，在上文中我們構造了一個解空間樹，那么這顆樹就有很多分支。在搜索過程中，我們可以將一些明顯不可能產生解的分支給去掉，降低搜索次數(shù)。如果我們不使用剪枝函數(shù)，那么就會全部進行遍歷，這往往不是我們想要的。
首先貼上不加剪枝函數(shù)的代碼：
import java.util.Arrays;
public class Main {
/**
* 回溯法
*
*/
static int[] nums = {1,2,3,4,5};
static int target = 9;
static int n = nums.length;
static int[] currentX = new int[n];
public static void main(String[] args) {
backTrack(0);
}
static int iter = 0;
static void backTrack(int i ) {
if(i == n) {
//結束
return;
}
//求和
int currentSum = sum(currentX);
if(currentSum+nums[i] < target) {
//滿足約束條件
currentX[i] = 1;
backTrack(i+1);
}else if(currentSum+nums[i] == target) {
//滿足約束條件
currentX[i] = 1;
System.out.println(Arrays.toString(currentX));
return;
}
//準備進入右子樹，不一定能進入
currentX[i] = 0;
//不滿足約束條件,加入剪枝函數(shù)，減低遍歷次數(shù)
//設計規(guī)則：當前和只加上右子樹的最大值都無法達到target，則不用進入右子樹
// if(currentSum + bound(i+1) >= target) {
System.out.println(++iter);
backTrack(i+1);
//}
}
static int bound(int i) {
int sum = 0;
for(;i<n;i++) {
sum+=nums[i];
}
return sum;
}
static int sum(int[] x) {
int sum = 0;
for (int i = 0; i < x.length; i++) {
if(x[i] == 1) {
sum+=nums[i];
}
}
return sum;
}
}
這里我將代碼中的剪枝函數(shù)注釋掉了，下面是運行結果:
1
2
3
4
5
6
7
8
9
[1, 0, 1, 0, 1]
10
11
12
13
[0, 1, 1, 1, 0]
14
15
16
17
18
19
20
21
[0, 0, 0, 1, 1]
22
23
進入右子樹23次，一共有三個解。
現(xiàn)在我們將注釋刪掉，運行結果如下：
1
2
3
4
[1, 0, 1, 0, 1]
5
6
7
[0, 1, 1, 1, 0]
8
9
10
11
[0, 0, 0, 1, 1]
可以看到，進入右子樹的次數(shù)只有11次了，也就是加入剪枝函數(shù)后，我們的搜索次數(shù)減少了12次。顯然這是很可觀。
7.最后
回溯法的介紹大概就這么多了，回溯法能夠找到所有滿足約束條件的解，還有一種常用求解優(yōu)化問題的算法-分支限界法，用來求解滿足約束條件的一個解。
