算法导论复习——CHP22 分支限界法

2024-01-04 12:36

本文主要是介绍算法导论复习——CHP22 分支限界法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

LIFO和FIFO分枝-限界法        

        采用宽度优先策略,在生成当前E-结点全部儿子之后再生成其它活结点的儿子,且用限界函数帮助避免生成不包含答案结点子树的状态空间的检索方法。两种基本设计策略: FIFO检索:活结点表采用队列;LIFO检索:活结点表采用栈。

        如采用FIFO分支-限界法检索4-皇后问题的状态空间树:

LC-检索(Least Cost,A*算法)

        LIFO和FIFO分枝-限界法存在的问题

        对下一个E-结点的选择规则过于死板。对于有可能快速检索到一个答案结点的结点没有给出任何优先权,如结点30。

        解决:做某种排序,让可以导致答案结点的活结点排在前面 。

        如何排序? 寻找一种“有智力”的排序函数C(·),来选取下一个E 结点,加快到达一答案结点的检索速度。

        如何衡量结点的优先等级?

        对于任一结点,用该结点导致答案结点的成本(代价) 来衡量该结点的优先级——成本越小越优先

        对任一结点X,可以用两种标准来衡量结点的代价:

        1)在生成一个答案结点之前,子树 X 需要生成的结点数。

        2)在子树 X 中离 X 最近的那个答案结点到 X 的路径长度。

        C(x)

         “有智力”的排序函数,依据成本排序,优先选择成本最小的活结点作为下一个E结点进行扩展。 C(·)又称为“结点成本函数” n 结点成本函数C(X)的取值:

        1)如果X是答案结点,则C(X)是由状态空间树的根结点到X 的成本(即所用的代价,可以是级数、计算复杂度等)。

        2) 如果X不是答案结点且子树X不包含任何答案结点,则 C(X)=∞

        3) 如果X不是答案结点但子树X包含答案结点,则C(X)应等于子树X中具有最小成本的答案结点的成本。

        \widehat{c}(x)

        计算结点X的代价通常要检索子树X才能确定,因此 计算C(X)的工作量和复杂度与解原始问题是相同的。 n 计算结点成本的精确值是不现实的——相当于求解 原始问题。怎么办? n 结点成本的估计函数\widehat{c}(x)包括两部分:h(X)和\widehat{g}(x)

        \widehat{g}(x)是由X到达一个答案结点所需成本的估计函数

                性质:单纯使用选择E结点会导致算法偏向纵深检查。

        故引进h(X)改进成本估计函数:h(x)=根结点到结点X的成本——已发生成本。

                f(·)是一个非降函数。 非零的f(·)可以减少算法作偏向于纵深检查的可能性, 它强使算法优先检索更靠近答案结点但又离根更近的结点。 

        LC-检索:选择\widehat{c}(x)值最小的活结点作为下一个E-结点的状态空间树检索方法。

                特例:

                BFS: 依据级数来生成结点,

                D-Search:令f (h(X)) =0;所以当Y是X的一个儿子时, 总有

        LC分支-限界检索:带有限界函数的LC-检索

        LEAST(E):在活结点表中找一个具有最小成本估计值的活结点,从活结点表中删除这个结点,并将此结点放在变量E中返回。

        ADD(X):将新的活结点X加到活结点表中。

        活结点表:以优先队列存放 

不同估算函数对于结果的影响

        1、当估算的距离等于实际距离时,一路下去,肯定就是最优的解,而且基本不用扩展其它的点。

        2、如果估算距离小于实际距离时,则到最后一定能找到一条最短路径,但是有可能会经过很多无效的点。(过于乐观,以h(X)为主)

        3、如果估算距离大于实际距离时,有可能就很快找到一条通往目的地的路径,但是却不一定是最优的解。(过于悲观,以g(X)为主)

        成本函数在分支-限界算法中的应用

        假定每个答案结点X有一个与其相联系的c(X),且找成本最小的答案结点。

        1)最小成本的下界为X的成本估计函数。当时, \widehat{c}(x)给出了由结点X求解的最小成本的下界,作为启发性函数,减 少选取E结点的盲目性。

        2)最小成本的上界 。最小成本的上界 定义U为最小成本解的成本上界,则对具有的所有活结点可以被杀死,从而可以进一步使算法加速,减少求解的盲目性。

        最小成本上界U的求取:

        1)初始值:利用启发性方法赋初值,或置为∞

        2)每找到一个新的答案结点后修正U,U取当前最小成本值。 注:只要U的初始值不小于最小成本答案结点的成本,利用U就不会杀死可以到达最小成本答案结点的活结点。

利用分枝-限界算法求解最优化问题

        可行解:类似于n-元组的构造,把可行解可能的构造过程用 “状态空间树”表示出来。

        最优解:把对最优解的检索表示成对状态空间树答案结点的 检索。

        成本函数:每个结点赋予一个成本函数c(X) ,并使得代表最优解的答案结点的c(X)是所有结点成本的最小值 。

这篇关于算法导论复习——CHP22 分支限界法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/569360

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Git中恢复已删除分支的几种方法

《Git中恢复已删除分支的几种方法》:本文主要介绍在Git中恢复已删除分支的几种方法,包括查找提交记录、恢复分支、推送恢复的分支等步骤,文中通过代码介绍的非常详细,需要的朋友可以参考下... 目录1. 恢复本地删除的分支场景方法2. 恢复远程删除的分支场景方法3. 恢复未推送的本地删除分支场景方法4. 恢复

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个