回溯法的基本做法是搜索，或是一种组织得井井有条的，能避免不必要搜索的穷举式搜索法。这种方法适用于解一些组合数相当大的问题。
回溯法在问题的解空间树中，按深度优先策略，从根结点出发搜索解空间树。算法搜索至解空间树的任意一点时，先判断该结点是否包含问题的解。如果肯定不包含，则跳过对该结点为根的子树的搜索，逐层向其祖先结点回溯；否则，进入该子树，继续按深度优先策略搜索。
回溯法指导思想——走不通，就掉头。设计过程：确定问题的解空间；确定结点的扩展规则；搜索。
n皇后问题
要在n*n的国际象棋棋盘中放n个皇后，使任意两个皇后都不能互相吃掉。规则：皇后能吃掉同一行、同一列、同一对角线的任意棋子。求所有的解。n=8是就是著名的八皇后问题了。
设八个皇后为xi，分别在第i行(i=1，2，3，4……，8)；
问题的解状态：可以用(1,x1)，(2,x2)，……，(8,x8)表示8个皇后的位置；
由于行号固定，可简单记为：(x1,x2,x3,x4,x5,x6,x7,x8)；
问题的解空间：(x1,x2,x3,x4,x5,x6,x7,x8)，1≤xi≤8(i=1，2，3，4……，8)，共88个状态；
约束条件：八个(1,x1),(2,x2) ,(3,x3),(4,x4) ,(5,x5), (6,x6) , (7,x7), (8,x8)不在同一行、同一列和同一对角线上。
盲目的枚举算法：通过8重循环模拟搜索空间中的88个状态，从中找出满足约束条件的“答案状态”。程序如下：
/* *作者：侯凯 *说明：八皇后——盲目迭代法 *日期：2013-12-18 */ #include <iostream> using namespace std; bool check_1(int a[],int n) { for(int i=2;i<=n;i++) { for(int j=1;j<=i-1;j++) { if ((a[i]==a[j])||(abs(a[i]-a[j])==i-j)) { return false; } } } return true;//不冲突 } void queens_1() { int a[9]; int count = 0; for(a[1]=1;a[1]<=8;a[1]++) { for(a[2]=1;a[2]<=8;a[2]++) { for(a[3]=1;a[3]<=8;a[3]++) { for(a[4]=1;a[4]<=8;a[4]++) { for(a[5]=1;a[5]<=8;a[5]++) { for(a[6]=1;a[6]<=8;a[6]++) { for(a[7]=1;a[7]<=8;a[7]++) { for(a[8]=1;a[8]<=8;a[8]++) { if(!check_1(a,8)) continue; else { for(int i=1;i<=8;i++) { cout<<a[i]; } cout<<endl; count++; } } } } } } } } } cout<<count<<endl; } void main() { queens_1(); }
程序思想比较简单，最后可知共92种摆放方法。如果能够排除那些没有前途的状态，会节约时间——回溯法（走不通，就回头）。
bool check_2 (int a[ ],int n) {//多次被调用，只需一重循环 for(int i=1;i<=n-1;i++) { if((abs(a[i]-a[n])==n-i)||(a[i]==a[n])) return false; } return true; } void queens_2() { int a[9]; int count = 0; for(a[1]=1;a[1]<=8;a[1]++) { for(a[2]=1;a[2]<=8;a[2]++) { if (!check_2(a,2)) continue; for(a[3]=1;a[3]<=8;a[3]++) { if (!check_2(a,3)) continue; for(a[4]=1;a[4]<=8;a[4]++) { if (!check_2(a,4)) continue; for(a[5]=1;a[5]<=8;a[5]++) { if (!check_2(a,5)) continue; for(a[6]=1;a[6]<=8;a[6]++) { if (!check_2(a,6)) continue; for(a[7]=1;a[7]<=8;a[7]++) { if (!check_2(a,7)) continue; for(a[8]=1;a[8]<=8;a[8]++) { if (!check_2(a,8)) continue; else { for(int i=1;i<=8;i++) { cout<<a[i]; } cout<<endl; count++; } } } } } } } } } cout<<count<<endl; } void main() { queens_2(); }
n此算法可读性很好，体现了“回溯”。但它只针对八皇后问题，解决任意的n皇后问题还要修改程序结构。如果要解决n皇后的问题，就需要将n作为参数传递给函数，函数需要重写来实现回溯（不能采用级联的for循环，n不确定）；从另一方面，程序中出现了大量的for循环，而且for中的函数结构很相似，自然想到的是递归迭代回溯。这就是回溯比较常用的两种实现方法：非递归回溯和递归回溯。
非递归回溯的程序实现：
void backdate (int n) { int count = 0; int a[100]; int k = 1; a[1]=0; while(k>0) { a[k]=a[k]+1;//对应for循环的1~n while((a[k]<=n)&&(!check_2(a,k)))//搜索第k个皇后位置 { a[k]=a[k]+1; } if(a[k]<=n)//找到了合理的位置 { if(k==n ) {//找到一组解 for(int i=1;i<=8;i++) { cout<<a[i]; } cout<<endl; count++; } else { k=k+1;//继续为第k+1个皇后找到位置，对应下一级for循环 a[k]=0;//下一个皇后一定要从头开始搜索 } } else { k=k-1;//回溯,对应执行外内层for循环回到更上层 } } cout<<count<<endl; } void main() { backdate(8); }
这样也可以得到，8皇后问题的92中结果。更简单、可读的方法是采用递归的方式，如下：
int a[100], n, count; void backtrack(int k) { if (k>n)//找到解 { for(int i=1;i<=8;i++) { cout<<a[i]; } cout<<endl; count++; } else { for (int i = 1;i <=n; i++) { a[k] = i; if (check_2(a,k) == 1) {backtrack(k+1);} } } } void main() { n=8,count=0; backtrack(1); cout<<count<<endl; }
可见，递归调用大大减少了代码量，也增加了程序的可读性。给出其中的一个解，如下：
递归相关的更多知识可参见：递归——hanoi塔和树的遍历。