最近来一波基础算法吧，掌握基础原理方可行走天下。回溯法本质是用来搜索问题的解，典型地就是使用深度优先搜索，搜索路径一般沿树形结构进行，在搜索过程中，首先会判断所搜索的树结点是否包含问题的解，如果肯定不包含，则不再搜索以该结点为根的树结点，而向其祖先结点回溯；否则进入该子树，继续按深度优先策略搜索。
可能这么说不是很容易懂，咱们来的实例吧，那就是经典的0-1背包问题，关于这一问题后边很多算法都会涉及到，咱们一点点深入～
我们还是使用典型的三背包为例，问题描述如下：设有三个背包，其重量分别为：16,15, 15；价值分别为： 45，25，25；请选择背包，使其重量不超过30，但价值最大。
可以看出我们的约束条件为总重量不超过30，目标是价值最大，那我们就可以使用回溯法的思想来求解：
每个背包都可以被选择中或者不选，理论上如果不加任何限制的话一共有八种可能（2×2×2），但我们在搜索的过程中要时刻注意总重量不可超过30 ，在这个基础上使其总价值最大，于是我们可以从第一个背包开始，先选中它，其重量是16，小于30，没有问题，然后在选择第二个背包，其重量为15，二者总重量为31，超过30，所以不能选择第二个背包，同理第三个背包也不能选，也就是说在选中第一个背包的前提下，另外两个背包就都不能再选了，这是八种理论可能情况中的一种；以此类推，不选第一个背包，在此基础上选择第二个背包，总重量为15，没有问题，再选第三个，此时总重量为30，也没有问题；对照这两种情况，前者总价值为45，后者总价值为50，当然，我们以上帝视角可以看出最大价值也就是50，但落实到具体的算法该如何全方位多角度深层次地解决这一问题呢？
我们来看一个完全二叉树结构图：
对于上述的背包问题，在此二叉树结构中可以简单地理解为：从A出发，往左子树方向走说明选中了A，往右子树方向走说明没有选中A，即“左选右不选”，落实到上图中就是1代表选中0代表未选中；我们上边说道的第一种情况，即只选中第一个背包的情况对应上图的A->B->E->K；那这里有朋友可能会问了为啥二叉树会有四层，不是一共三个背包嘛，对的，因为我们每一层所代表的背包选与不选都得由下一层所决定，比如节点E代表第三个背包，如果我们走到K就说明不选E，反之，若走到J则说明选中了E，因此三个背包我们需要四层完全二叉树，同理，若有N个背包则需要N+1层。
当我们的搜索路径到达K后，得到了一组值，即总重量为16，总价值为45，此时，由于已经到了树的叶子结点，因此需要回溯直到根，再继续进行后续的搜索，在后续搜索过程中，一方面要进行结点的判断，另一方面，一旦得到了一个合符要求的价值，则与前一次搜索所得到的结果进行比较，如果比前一次搜索得到的值大，则取代，反之，继续搜索直到整个树搜索结束所得到的最大值即为问题的解。
总的来说，上述的求解过程在程序实现过程中可以这样来理解：我们把二叉树的每一层看成是某一个物品。当我们选择物品时总是从第一个物品开始进行选择，可能选，也可能不选。如果选中，则从二叉树的左边子树开始搜索，如果未选中，则从二叉树的右边子树开始搜索。以此类推即可～
如果将每个物品的重量对应每一层的一个节点，在每次选择每一个物品时进行重量的判断，并记录权值，则可决定是否应该继续搜索下一层的子树。
如果设物品的重量存放在W数组中, W[i]为第i个物品的重量，P[i]表示第i个物品的价值。C表示背包能够承受的最大重量。cw表示当前物品的重量，cp表示当前物品的价值（稍微记忆一下这几个符号量的意义）。在选中情况下（即搜索左子树）执行下面的操作：
（ 1 ）首先判断加上该物品重量后是否满足最大重量不超过C的要求,如果不超过，则： cw+=w[i]; cp+=p[i]; 反之则搜索右子树；
（ 2 ）继续搜索下一层，执行相同的操作；
（ 3 ）当搜索到最后一层时，显然可得到从根到该结点所选择的所有物品的价值，如果该价值大于前一次得到的最大价值，则替代前一次的价值，反之，则不取代；
（ 4 ) 退回到上一层，即其双亲结点所在的一层，显然此时应执行： cw-=w[i]; cp-=p[i];
执行上述语句的目的在于为访问右子树做准备。在访问右子树时，显然不需要计算其重量和价值，因为右子树表示未选中该物品
最后这几步是我在一些资料中看到的...总感觉有问题,尝试做了一些修改,还是有些别扭,其实大家也可以理解,算法这东西变幻莫测,再基本的原理也可以有很多表现形式,可以进一步优化,我们不要以上帝视角看待这个过程,这样会想当然地人为进行条件约束;
后续算法会继续优化,共同进步吧~~~~~~~~
本篇博文主要以文字为主,可能看起来很迷,但对于算法大家一定要沉下心来去思考,这样才能理解其原理,在此基础上更进一步,优化算法,使其更加完美^^
欢迎关注我的CSDN博客:https://blog.csdn.net/beyond9305