我的真正问题是,“为什么回溯法不能加速搜索?”但我不确定没有更多上下文是否有意义...
这个问题实际上只是学术性的 - 代码“可以工作”,我的程序能够找到我期望的解决方案...但我想确保我理解术语。为了帮助说明问题,让我们使用一个需要搜索算法的具体例子 - n皇后问题。 n-queens problem - 在n×n的棋盘上放置n个皇后,使得没有一个皇后可以攻击另一个皇后。
一个解决方案。 在互联网上可以找到很多关于“N皇后问题回溯算法”的示例代码,维基百科的回溯算法文章甚至在解释回溯算法时使用了N皇后问题(http://en.wikipedia.org/wiki/Backtracking)。据我所知,这个想法是,如果给定一个无效的棋盘配置,比如两个可以互相攻击的皇后,算法会忽略通过添加额外棋子而产生的所有棋盘配置。
这个问题实际上只是学术性的 - 代码“可以工作”,我的程序能够找到我期望的解决方案...但我想确保我理解术语。为了帮助说明问题,让我们使用一个需要搜索算法的具体例子 - n皇后问题。 n-queens problem - 在n×n的棋盘上放置n个皇后,使得没有一个皇后可以攻击另一个皇后。
一个解决方案。 在互联网上可以找到很多关于“N皇后问题回溯算法”的示例代码,维基百科的回溯算法文章甚至在解释回溯算法时使用了N皇后问题(http://en.wikipedia.org/wiki/Backtracking)。据我所知,这个想法是,如果给定一个无效的棋盘配置,比如两个可以互相攻击的皇后,算法会忽略通过添加额外棋子而产生的所有棋盘配置。
我还实现了一个(非递归/非回溯)深度优先和广度优先版本的搜索。如预期的那样,这两种变体测试了完全相同数量的状态。我预计使用递归、深度优先和回溯算法应该测试更少的状态。但我没有看到这一点。
Depth First
Found 92 solutions in 10.04 seconds
Tested 118969 nodes (1.2k nodes per second)
Largest Memory Set was 64 nodes
BackTracking
Found 92 solutions in 9.89 seconds
Tested 118969 nodes (1.2k nodes per second)
Largest Memory Set was 170 nodes
Breadth First
Found 92 solutions in 12.52 seconds
Tested 118969 nodes (0.95k nodes per second)
Largest Memory Set was 49415 nodes
我的实现旨在通用,因此我不会利用棋盘的镜像/旋转或其他任何聪明的东西。
我觉得我一定是误解了,但我不知道回溯给我带来了什么好处?
维基百科解释说,一旦发现某个状态无效,它的子树就会被跳过(剪枝),但合理地放置皇后(避免Q1在a8和Q2在a7)似乎可以防止任何可以被剪枝的情况?
我的广度优先实现应该考虑哪些棋盘配置,而回溯则可以避免这些情况?