回溯法
试探算法也叫回溯法，它选择先暂时放弃关于问题规模大小的限制，并将问题的候选解按某种顺序逐一枚举和检验。当发现当前候选解不可能是正确的解时，就选择下一个候选解。如果当前候选解除不满足规模要求外，能够满足所有其他要求，则继续扩大当前候选解的规模，并继续试探。如果当前候选解满足包括问题规模在内的所有要求，该候选解就是问题的一个解。在试探算法中，放弃当前候选解，并继续寻找下一个候选解的过程称为回溯。扩大当前候选解的规模，并继续试探的过程称为向前试探。
基本步骤：
-
针对所给问题，定义问题的解空间。
-
确定易于搜索的解空间结构。
-
以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。
一、“八皇后”问题
问题描述：考虑到 8 个皇后不同行，每一行的皇后可以放置于第 0~7 列，可以认为每一行的皇后有 8 种状态。那么，我们只要套用子集树模板，从第 0 行开始，自上而下，对每一行的皇后，遍历它的 8 个状态即可。
n = 8
x = [] # 遍历过程中的一组解
X = [] # 用来保存所有解
def conflict(k):
global x
for i in range(k):
if x[i] == x[k] or abs(x[i] - x[k]) == abs(i - k): # 判断不在同一列，且不在同一条斜线上
return True
return False
def queens(k): # 摆放第 k 行
global n, x, X
if k >= n:
X.append(x[:]) # 得到一组解
else:
for i in range(n):
x.append(i) # 向前试探
if not conflict(k): # 剪枝
queens(k + 1)
x.pop() # 回溯
queens(0)
print(len(X)) # 输出解的数量
print(X[-1], '\n') # 输出最后一条解
二、迷宫问题
问题描述：给定一个迷宫，入口已知。迷宫内 0 表示可走，1 表示墙。有 8 个方向可以进行移动，即上、下、左、右、上左、上右、下左、下右。要求给出到出口的路径，出口表示为迷宫边界为 0 的格子。
maze = [[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
[0, 0, 1, 0, 1, 1, 1, 1, 0, 1],
[1, 1, 0, 1, 0, 1, 1, 0, 1, 1],
[1, 0, 1, 1, 1, 0, 0, 1, 1, 1],
[1, 1, 1, 0, 0, 1, 1, 0, 1, 1],
[1, 1, 0, 1, 1, 1, 1, 1, 0, 1],
[1, 0, 1, 0, 0, 1, 1, 1, 1, 0],
[1, 1, 1, 1, 1, 0, 1, 1, 1, 1]]
m, n = 8, 10 # 8行10列
entry = (1, 0) # 迷宫入口
path = [entry] # 一组解
paths = [] # 保存所有解
# 可以移动的方向
directions = [(-1, 0), (-1, 1), (0, 1), (1, 1), (1, 0), (1, -1), (0, -1), (-1, -1)]
def conflict(nx, ny): #剪枝函数
global m, n, maze
if 0<= nx < m and 0 <= ny < n and maze[nx][ny] == 0:
return False
return True
def walk(x, y):
global entry, m, n, maze, path, paths, directions
if (x, y) != entry and (x % (m - 1) == 0 or y % (n - 1) == 0): # 找到出口
paths.append(path[:]) # 得到一组解
else:
for d in directions:
nx, ny = x + d[0], y + d[1]
path.append((nx, ny)) # 向前试探
if not conflict(nx, ny): # 剪枝
maze[nx][ny] = 2
walk(nx, ny)
maze[nx][ny] = 0
path.pop() # 回溯
walk(*entry)
