算法06-回溯算法

一、回溯算法详解

回溯算法是一种通过逐步构建解决方案来解决问题的算法。它通常用于解决组合问题、排列问题、子集问题等。回溯算法的核心思想是“试错”，即在每一步尝试所有可能的选项，如果发现当前选择无法达到目标，就回退到上一步，尝试其他选项。

1. 基本思想

回溯算法可以看作是一种深度优先搜索（DFS）的变种。它通过递归的方式尝试所有可能的路径，并在遇到不符合条件的情况时“回溯”到上一步，继续尝试其他路径。

2. 关键步骤

  • 选择：在当前步骤中，选择一个可能的选项。
  • 递归：基于当前选择，继续向下递归，尝试解决子问题。
  • 撤销：如果发现当前选择无法达到目标，撤销当前选择，回到上一步，尝试其他选项。

3. 适用场景

回溯算法通常适用于以下类型的问题：

  • 组合问题：如从一组数中找出所有可能的组合。
  • 排列问题：如找出所有可能的排列方式。
  • 子集问题：如找出一个集合的所有子集。
  • 棋盘问题：如八皇后问题、数独等。

4. 算法框架

虽然回溯算法的具体实现会因问题而异，但通常可以遵循以下框架：

  1. 定义问题的解空间（即所有可能的解）。
  2. 使用递归函数遍历解空间。
  3. 在每一步中，尝试所有可能的选项。
  4. 如果当前选项符合条件，继续递归。
  5. 如果当前选项不符合条件，回溯到上一步，尝试其他选项。
  6. 当找到一个有效解时，记录下来或直接返回。

5. 优化策略

  • 剪枝：在递归过程中，提前排除那些明显不符合条件的选项，减少不必要的计算。
  • 记忆化：在某些情况下，可以使用记忆化技术来避免重复计算，提高效率。

6. 优缺点

  • 优点：
    • 能够系统地搜索所有可能的解。
    • 适用于多种类型的问题，灵活性高。
  • 缺点：
    • 时间复杂度较高，尤其是在解空间较大时。
    • 可能需要大量的递归调用，导致栈溢出。

7. 总结

回溯算法是一种强大且灵活的算法，适用于解决多种组合优化问题。通过系统地尝试所有可能的选项，并在必要时回溯，它可以有效地找到问题的解。然而，由于其较高的时间复杂度，实际应用中常常需要结合剪枝等优化策略来提高效率。

二、回溯算法逐步演示

以下是一个回溯算法的示例，并通过图示逐步演示其执行过程。我们将以经典的 子集问题 为例，目标是找到集合 [1, 2, 3] 的所有子集。

（一）示例问题：子集问题

给定一个集合 [1, 2, 3]，找出它的所有子集。

子集问题的解空间

集合 [1, 2, 3] 的所有子集为：

[]
[1]
[2]
[3]
[1, 2]
[1, 3]
[2, 3]
[1, 2, 3]

（二）回溯算法解决子集问题

算法思路
  1. 从空集开始，逐步尝试添加元素。
  2. 每次递归时，选择是否将当前元素加入子集。
  3. 当遍历完所有元素时，记录当前的子集。
  4. 回溯到上一步，尝试其他选择。

（三）图示演示

以下是回溯算法的执行过程，用树形图表示每一步的选择。

初始状态
[]
第一步：选择是否添加元素 1
  • 选择添加 1：
[1]
  • 选择不添加 1：
[]
第二步：选择是否添加元素 2
  • 对于 [1]：
  • 选择添加 2：
    [1, 2]
  • 选择不添加 2：
    [1]
  • 对于 []：
  • 选择添加 2：
    [2]
  • 选择不添加 2：
    []
第三步：选择是否添加元素 3
  • 对于 [1, 2]：
  • 选择添加 3：
    [1, 2, 3]
  • 选择不添加 3：
    [1, 2]
  • 对于 [1]：
  • 选择添加 3：
    [1, 3]
  • 选择不添加 3：
    [1]
  • 对于 [2]：
  • 选择添加 3：
    [2, 3]
  • 选择不添加 3：
    [2]
  • 对于 []：
  • 选择添加 3：
    [3]
  • 选择不添加 3：
    []

（四）树形图表示

以下是完整的树形图，表示回溯算法的执行过程：

[]
├── [1]
│   ├── [1, 2]
│   │   ├── [1, 2, 3]
│   │   └── [1, 2]
│   └── [1]
│       ├── [1, 3]
│       └── [1]
└── []├── [2]│   ├── [2, 3]│   └── [2]└── []├── [3]└── []

（五）回溯过程详解

  1. 从空集 [] 开始。
  2. 选择是否添加 1：
    • 添加 1，得到 [1]。
    • 不添加 1，保持 []。
  3. 对于 [1]，选择是否添加 2：
    • 添加 2，得到 [1, 2]。
    • 不添加 2，保持 [1]。
  4. 对于 [1, 2]，选择是否添加 3：
    • 添加 3，得到 [1, 2, 3]。
    • 不添加 3，保持 [1, 2]。
  5. 回溯到 [1]，选择是否添加 3：
    • 添加 3，得到 [1, 3]。
    • 不添加 3，保持 [1]。
  6. 回溯到 []，选择是否添加 2：
    • 添加 2，得到 [2]。
    • 不添加 2，保持 []。
  7. 对于 [2]，选择是否添加 3：
    • 添加 3，得到 [2, 3]。
    • 不添加 3，保持 [2]。
  8. 回溯到 []，选择是否添加 3：
    • 添加 3，得到 [3]。
    • 不添加 3，保持 []。

（六）最终结果

通过回溯算法，我们找到了集合 [1, 2, 3] 的所有子集：

[]
[1]
[2]
[3]
[1, 2]
[1, 3]
[2, 3]
[1, 2, 3]

（七）总结

  • 回溯算法通过递归和回溯的方式，系统地遍历所有可能的解。
  • 在子集问题中，每一步选择是否添加当前元素，最终生成所有可能的子集。
  • 树形图清晰地展示了算法的执行过程，帮助理解回溯的思想。

三、代码示例

以下是子集问题的 Python3 代码实现，使用回溯算法来生成集合 [1, 2, 3] 的所有子集：

（一）代码

def backtrack(start, path, nums, result):"""回溯算法的核心递归函数。参数:- start: 当前选择的起始位置。- path: 当前路径（子集）。- nums: 原始集合。- result: 存储所有子集的结果列表。"""# 将当前路径加入结果列表result.append(path[:])# 遍历所有可能的选项for i in range(start, len(nums)):# 选择当前元素path.append(nums[i])# 递归进入下一层backtrack(i + 1, path, nums, result)# 撤销选择（回溯）path.pop()def subsets(nums):"""生成集合的所有子集。参数:- nums: 输入的集合。返回:- result: 所有子集的列表。"""result = []backtrack(0, [], nums, result)return result# 示例输入
nums = [1, 2, 3]
# 调用函数
all_subsets = subsets(nums)
# 输出结果
print("所有子集：")
for subset in all_subsets:print(subset)

（二） 代码详解

  1. backtrack 函数：

  • 这是回溯算法的核心递归函数。

  • start 表示当前选择的起始位置，避免重复选择。

  • path 是当前路径（子集），记录已经选择的元素。

  • nums 是原始集合。

  • result 是存储所有子集的结果列表。

  1. 递归过程：

  • 每次递归时，先将当前路径 path 加入结果列表 result。

  • 然后遍历从 start 开始的元素，依次选择并递归。

  • 递归结束后，撤销选择（path.pop()），以便尝试其他选项。

  1. subsets 函数：
  • 这是主函数，初始化结果列表 result 并调用 backtrack 函数。
  1. 示例输入：
  • 输入集合 [1, 2, 3]，调用 subsets 函数生成所有子集。
  1. 输出结果：
  • 打印所有子集。

（三）输出结果

运行上述代码，输出结果为：

所有子集：
[]
[1]
[1, 2]
[1, 2, 3]
[1, 3]
[2]
[2, 3]
[3]

（四）总结：

  • 这段代码通过回溯算法系统地生成了集合 [1, 2, 3] 的所有子集。

  • 代码结构清晰，递归和回溯的逻辑易于理解。

  • 可以通过修改输入集合 nums 来生成其他集合的子集。

© 著作权归作者所有

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/895490.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

RabbitMQ学习—day2—安装

RabbitMQ学习—day2—安装

目录 普通Linux安装 安装RabbitMQ 1、下载 2、安装 3. Web管理界面及授权操作 Docker 安装 强力推荐学docker，使用docker安装 普通Linux安装 安装RabbitMQ 1、下载 官网下载地址：https://www.rabbitmq.com/download.html(opens new window) 这…
阅读更多...
降本增效 - VGF 构建轻量高性能日志管理平台

降本增效 - VGF 构建轻量高性能日志管理平台

VFG 技术架构 Filebeat 接收Syslog ，并进行日志分段，VictoriaLogs 持久化存储日志 ，Grafana 可视化、数据查询、告警、数据导出。 为什么要用VictoriaLogs ？ 与Elasticsearch /Grafana Loki相比几十倍的CPU/内存/存储资源占用的…
阅读更多...
初识camel智能体（一）

初识camel智能体（一）

同目录下配置环境变量.env，内容如下， apikey从魔搭社区获取 QWEN_API_KEY4ff3ac8f-aebc******** 先上干货代码，主代码如下： from colorama import Forefrom camel.societies import RolePlaying from camel.utils import prin…
阅读更多...
介绍 Liquibase、Flyway、Talend 和 Apache NiFi：选择适合的工具

介绍 Liquibase、Flyway、Talend 和 Apache NiFi：选择适合的工具

在现代软件开发中，尤其是在数据库管理和数据集成方面，选择合适的工具至关重要。本文将介绍四个流行的工具：Liquibase、Flyway、Talend 和 Apache NiFi，分析它们的应用、依赖以及如何选择适合的工具。 1. Liquibase 简介&#xff…
阅读更多...
Docker使用指南与Dockerfile文件详解：从入门到实战

Docker使用指南与Dockerfile文件详解：从入门到实战

Docker使用指南与Dockerfile文件详解：从入门到实战 文章目录 **Docker使用指南与Dockerfile文件详解：从入门到实战****引言****第一部分：Docker 核心概念速览****1. Docker 基础架构****2. Docker 核心命令****第二部分：Dockerfile 文件深度解析****1. Dockerfile 是什么？…
阅读更多...
Qt工作总结03 ＜qSort按某一属性进行排序＞

Qt工作总结03 ＜qSort按某一属性进行排序＞

1. 代码样例 QList<QGraphicsTextItem *> Lst;qSort(Lst.begin(),Lst.end(),[](const QGraphicsTextItem *itemA,const QGraphicsTextItem *itemB) {return itemA->toPlainText().toDouble() < itemB->toPlainText().toDouble(); }); 2. 参考 QList 按结构体…
阅读更多...
深度学习｜表示学习｜Instance Normalization 全面总结｜26

深度学习｜表示学习｜Instance Normalization 全面总结｜26

如是我闻&#xff1a; 1. Instance Normalization&#xff08;IN&#xff09; Instance Normalization&#xff08;IN&#xff09;最早由 Ulyanov et al.&#xff08;2017&#xff09; 提出&#xff0c;主要用于 风格迁移&#xff08;Style Transfer&#xff09; 任务。它的核…
阅读更多...
如何保持 mysql 和 redis 中数据的一致性？PegaDB 给出答案

如何保持 mysql 和 redis 中数据的一致性？PegaDB 给出答案

MySQL 与 Redis 数据保持一致性是一个常见且复杂的问题&#xff0c;一般来说需要结合多种策略来平衡性能与一致性。 传统的解决策略是先读缓存&#xff0c;未命中则读数据库并回填缓存&#xff0c;但方式这种维护成本较高。 随着云数据库技术的发展&#xff0c;目前国内云厂商…
阅读更多...
探索ELK 的魅力

探索ELK 的魅力

在大数据时代&#xff0c;海量日志和数据的收集、存储、处理与可视化分析变得越来越重要。而 ELK 堆栈&#xff0c;由 Elasticsearch、Logstash、Beats 和 Kibana 组成&#xff0c;正是一个强大的开源解决方案&#xff0c;帮助开发者和运维人员高效管理和分析日志数据。本文将详…
阅读更多...
用vue3写一个好看的wiki前端页面

用vue3写一个好看的wiki前端页面

以下是一个使用 Vue 3 Element Plus 实现的 Wiki 风格前端页面示例&#xff0c;包含现代设计、响应式布局和常用功能&#xff1a; <template><div class"wiki-container"><!-- 头部导航 --><el-header class"wiki-header"><d…
阅读更多...
深度学习实战基础案例——卷积神经网络（CNN）基于DenseNet的眼疾检测|第4例

深度学习实战基础案例——卷积神经网络（CNN）基于DenseNet的眼疾检测|第4例

文章目录 前言一、数据准备二、项目实战2.1 设置GPU2.2 数据加载2.3 数据预处理2.4 数据划分2.5 搭建网络模型2.6 构建densenet1212.7 训练模型2.8 结果可视化 三、UI设计四、结果展示总结 前言 在当今社会&#xff0c;眼科疾病尤其是白内障对人们的视力健康构成了严重威胁。白…
阅读更多...
DeepSeek的开源核爆：当技术民主化重构AI权力版图

DeepSeek的开源核爆：当技术民主化重构AI权力版图

2025年2月&#xff0c;全球AI产业正经历着由DeepSeek掀起的链式反应——这个首个开源千亿参数多模态模型的企业&#xff0c;用开放战略在技术壁垒森严的AI战场投下"制度性核弹"。其贡献不在于单纯的技术突破&#xff0c;而在于通过开源协议实现了三重维度的大爆炸&am…
阅读更多...
代码随想录二叉树篇（含源码）

代码随想录二叉树篇（含源码）

二叉树与递归 前言226.翻转二叉树算法思路及代码solution 1 用分解问题的思路来解决solution 2 用遍历的思路来解决 101.对称二叉树算法思路及代码solution 104.二叉树的最大深度算法思路及代码solution 1 遍历solution 2 分解问题 111.二叉树的最小深度算法思路及代码solution…
阅读更多...
MyBatis映射文件 ＜resultMap＞ 元素详解与示例

MyBatis映射文件 ＜resultMap＞ 元素详解与示例

引言 <resultMap> 是 MyBatis 中最核心的映射配置元素&#xff0c;用于解决数据库字段与 Java 对象属性之间的复杂映射问题&#xff0c;尤其是字段名不一致、嵌套对象关联、集合映射等场景。ResultMap 的设计思想是&#xff0c;对简单的语句做到零配置&#xff0c;对于复…
阅读更多...
【xdoj离散数学上机】T283

【xdoj离散数学上机】T283

递归函数易错&#xff1a; 防止出现递归死循环&#xff01; 题目 题目&#xff1a;求诱导出的等价关系的关系矩阵 问题描述 给定有限集合上二元关系的关系矩阵&#xff0c;求由其诱导出的等价关系的关系矩阵。 输入格式 第一行输入n&#xff0c;表示矩阵为n阶方阵&#xff0c…
阅读更多...
WIN11上使用GraalVM打包springboot3项目为本地可执行文件exe

WIN11上使用GraalVM打包springboot3项目为本地可执行文件exe

耐心肝才能成功 概念步骤概要详细步骤一. GraalVM 17二. 安装Visual Studio 2022三. 创建springboot四. IDEA最新版或者eclipse2025调试项目五. 打包exe 概念 springboot3生成的jar编译成windows本地C文件&#xff0c;不再依赖JVM运行 WINDOW编译较为复杂&#xff0c;限制条件…
阅读更多...
【git-hub项目：YOLOs-CPP】本地实现01：项目构建

【git-hub项目：YOLOs-CPP】本地实现01：项目构建

目录 写在前面 项目介绍 最新发布说明 Segmentation示例 功能特点 依赖项 安装 克隆代码仓库 配置 构建项目 写在前面 前面刚刚实现的系列文章： 【Windows/C++/yolo开发部署01】 【Windows/C++/yolo开发部署02】 【Windows/C++/yolo开发部署03】 【Windows/C++/yolo…
阅读更多...
超越 DeepSeek V3 --＞【Qwen2.5-Max】

超越 DeepSeek V3 --＞【Qwen2.5-Max】

&#x1f525; 先说明&#xff0c;不是广子&#xff0c;不是广子&#xff01;&#xff01;&#xff01;单纯分享这个工具给大家&#xff0c;毕竟最近使用 DeepSeek 太容易崩了&#xff0c;每天深度思考一次之后就开始转圈圈用不了&#xff0c;然后就找到了这个工具使用 一、前言…
阅读更多...
python自动化测试之Pytest框架之YAML详解以及Parametrize数据驱动!

python自动化测试之Pytest框架之YAML详解以及Parametrize数据驱动!

一、YAML详解 YAML是一种数据类型&#xff0c;它能够和JSON数据相互转化&#xff0c;它本身也是有很多数据类型可以满足我们接口 的参数类型&#xff0c;扩展名可以是.yml或.yaml 作用&#xff1a; 1.全局配置文件 基础路径&#xff0c;数据库信息&#xff0c;账号信息&…
阅读更多...
CentOS 7操作系统部署KVM软件和创建虚拟机

CentOS 7操作系统部署KVM软件和创建虚拟机

CentOS 7.9操作系统部署KVM软件和配置指南&#xff0c;包括如何创建一个虚拟机。 步骤 1: 检查硬件支持 首先&#xff0c;确认您的CPU支持虚拟化技术&#xff0c;并且已在BIOS中启用&#xff1a; egrep -c (vmx|svm) /proc/cpuinfo 如果输出大于0&#xff0c;则表示支持虚拟…
阅读更多...
最新文章

Copyright @ 2022~2023