Visszalépéses keresés

Hasonló dokumentumok
Optimalizációs stratégiák 2.

Rekurzió. Témakörök. Rekurzió alapelve. Rekurzió alapjai Rekurzív algoritmusok végrehajtása Visszalépéses keresés Programtranszformációk

Programozás II. előadás

Optimalizációs stratégiák 1.

B-fa. Felépítés, alapvető műveletek. Programozás II. előadás. Szénási Sándor.

Rekurzió. Működése, programtranszformációk. Programozás II. előadás. Szénási Sándor.

BACKTRACKING Visszalépéses keresés

Láncolt listák. Egyszerű, rendezett és speciális láncolt listák. Programozás II. előadás. Szénási Sándor

Informatikai tehetséggondozás:

Algoritmusok és adatszerkezetek I. 1. előadás

Gráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Egyszerű programozási tételek

Algoritmizálás, adatmodellezés tanítása 8. előadás

Összetett programozási tételek

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

29. Visszalépéses keresés 1.

Algoritmusok, adatszerkezetek II.

Algoritmizálás és adatmodellezés tanítása 2. előadás

Permutáció n = 3 esetében: Eredmény: permutációk száma: P n = n! romámul: permutări, angolul: permutation

Haladó rendezések. PPT 2007/2008 tavasz.

Programozási módszertan. Mohó algoritmusok

Visszalépéses kiválogatás

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Számítógép és programozás 2

Programozási nyelvek a közoktatásban alapfogalmak I. előadás

Struktúra nélküli adatszerkezetek

Hasító táblázatok. Hasító függvények, kulcsütközés kezelése. Programozás II. előadás. Szénási Sándor

A félév során előkerülő témakörök

Programozás I. Egyszerű programozási tételek. Sergyán Szabolcs

Alkalmazott modul: Programozás 4. előadás. Procedurális programozás: iteratív és rekurzív alprogramok. Alprogramok. Alprogramok.

Informatikai tehetséggondozás:

2. Visszalépéses keresés

Algoritmusok és adatszerkezetek I. 3. előadás

Programozás alapjai II. (7. ea) C++ Speciális adatszerkezetek. Tömbök. Kiegészítő anyag: speciális adatszerkezetek

Speciális adatszerkezetek. Programozás alapjai II. (8. ea) C++ Tömbök. Tömbök/2. N dimenziós tömb. Nagyméretű ritka tömbök

Bevezetés a programozásba. 5. Előadás: Tömbök

Programozás alapjai II. (7. ea) C++

Programozás I. Egyszerű programozási tételek. Sergyán Szabolcs

Algoritmizálás, adatmodellezés tanítása 7. előadás

Algoritmusok és adatszerkezetek 2.

A 2007/2008 tanévi Országos Középiskolai Tanulmányi Verseny első forduló feladatainak megoldása. II. (programozás) kategória

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

HORVÁTH ZSÓFIA 1. Beadandó feladat (HOZSAAI.ELTE) ápr 7. 8-as csoport

Algoritmusok és adatszerkezetek gyakorlat 03 Oszd meg és uralkodj. Nagy

Összetett programozási tételek Rendezések Keresések PT egymásra építése. 10. előadás. Programozás-elmélet. Programozás-elmélet 10.

Rekurzió. Dr. Iványi Péter

Programozási tételek. PPT 2007/2008 tavasz.

Adatszerkezetek II. 10. előadás

Algoritmusokfelülnézetből. 1. ELŐADÁS Sapientia-EMTE

Rendezések. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar október 24.

Eseménykezelés. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor.

Partíció probléma rekurzíómemorizálással

Felvételi tematika INFORMATIKA

A programozás alapjai előadás. Amiről szólesz: A tárgy címe: A programozás alapjai

Programozás I. 1. előadás: Algoritmusok alapjai. Sergyán Szabolcs

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Adatszerkezetek I. 4. előadás

Informatikai tehetséggondozás:

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

Bevezetés a programozásba I 3. gyakorlat. PLanG: Programozási tételek. Programozási tételek Algoritmusok

LOGIKA ÉS ÉRVELÉSTECHNIKA

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése

Visszalépéses maximumkiválasztás

Térinformatikai algoritmusok Elemi algoritmusok

Gráfok. Programozás II. előadás. Szénási Sándor.

Gráfelmélet/Diszkrét Matematika MSc hallgatók számára. 3. Előadás

Fák Témakörök. Fa definíciója. Rekurzív típusok, fa adatszerkezet Bináris keresőfa, bejárások Bináris keresőfa, módosítás B-fa

Bináris keresőfa. Felépítés, alapvető műveletek. Programozás II. előadás. Szénási Sándor

Lineáris algebra gyakorlat

Tájékoztató. Használható segédeszköz: -

1. Feladat: beolvas két számot úgy, hogy a-ba kerüljön a nagyobb

Adatszerkezetek Tömb, sor, verem. Dr. Iványi Péter

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

Algoritmusok pszeudókód... 1

A 2013/2014 tanévi Országos Középiskolai Tanulmányi Verseny első forduló javítási-értékelési útmutató. INFORMATIKA II. (programozás) kategória

angolul: greedy algorithms, románul: algoritmi greedy

Amortizációs költségelemzés

Adatszerkezetek 2. Dr. Iványi Péter

Tartalomjegyzék Algoritmusok - pszeudókód

Térinformatikai algoritmusok Elemi algoritmusok

Makay Géza, SZTE, Bolyai Intézet

Algoritmusok bonyolultsága

Bevezetés az informatikába

FUNKCIONÁLIS PROGRAMOZÁS

Halmazok. A és B különbsége: A \ B. A és B metszete: A. A és B uniója: A

Gépi tanulás a gyakorlatban. Lineáris regresszió

Dinamikus programozás vagy Oszd meg, és uralkodj!

Branch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.

Algoritmusok, adatszerkezetek II.

2019/02/11 10:01 1/10 Logika

Programozás II gyakorló feladatok

Programozás alapjai. 6. gyakorlat Futásidő, rekurzió, feladatmegoldás

2014. szeptember 24. és 26. Dr. Vincze Szilvia

OEP Gregorics Tibor: Minta dokumentáció a 3. házi feladathoz 1. Feladat. Elemzés 1

A programozás alapjai előadás. [<struktúra változó azonosítók>] ; Dinamikus adatszerkezetek:

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Átírás:

Visszalépéses keresés Backtracking előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar

Alapvető működése Továbbfejlesztési lehetőségek Gyakorlati példák Visszalépéses keresés

3 Egy megoldásra váró feladat Egy építkezésen több egymástól független munkafázist kell elvégezni. Osszuk szét a munkákat az arra alkalmas személyek között (úgy, hogy mindenki csak egyet vállalhat)! Géza Miklós Miklós András Zsolt Géza Miklós Klaudia András Zsolt Palika András Géza Szponzor Irányítás Alap Végigpróbálgathatjuk az összes lehetséges változatot, (amelyekből összesen 2 2 2 3 2 2 = 96 db van), ezek túlnyomó többsége azonban nem megoldása a feladatnak Olyan algoritmust keresünk, ami a megoldás keresése során eleve nem folytat olyan utakat, amelyek láthatóan nem vezethetnek megoldáshoz Fal Engedély Lefizetés

Feladat általánosítása szenasi.sandor@nik.uni-obuda.hu 4 N darab részeredményt keresünk (E 1, E 2... E N ) Mindegyikhez ismerjük a véges értékkészletet (pl. E 1 -hez ennek mérete M 1, elemei: R 1,1, R 1,2,... R 1,M1 ) M 1 =2 M 2 =2 M 3 =2 R 2,1 R 3,1 M 4 =3 R 4,1 R 4,2 M 5 =2 M 6 =2 R 1,2 R 2,2 R 3,2 R 4,3 R 1,1 R 6,2 R 5,1 R 6,1 R 5,2 E 1 E 2 E 3 E 4 E 5 E 6 N=6 A visszalépéses keresés olyan feladat típusoknál alkalmazható hatékonyan, ahol A megoldandó feladat több, egymástól csak közvetve függő részfeladat megoldásából áll Már a részfeladatok egy részéből is lehet arra következtetni, hogy az azokra adott részmegoldásokkal biztosan nem érhető el a teljes megoldás

5 Visszalépéses keresés paraméterei Keresés bemenete: N megoldandó részfeladatok száma M szint szint-edik részfeladat lehetséges részmegoldásainak a száma R szint,i szint-edik részfeladat i. lehetséges részmegoldása Keresés kimenete: van van-e teljes megoldás? E részmegoldásokat tartalmazó vektor (E i az i. részmegoldás értéke) A feladattól függő szabályokat általában két függvény segítségével adjuk meg: F t (szint, s) Egy függvény, ami azt határozza meg, hogy a szint-edik részfeladat esetében lehetséges megoldás-e az s? F k (szint, s, E) Azt határozza meg, hogy a szint-edik részfeladat esetében választhatjuk-e az s részmegoldást, amennyiben az előző szinteken az E vektorban található részmegoldásokat választottuk? Az előző példa esetében az F t mindig igaz (hiszen csak olyanokat soroltunk fel, akik megfelelnek az adott feladatra), az F k pedig akkor igaz, ha a megadott embert még nem választottuk más munkára

6 Rekurzív visszalépéses keresés Visszalépéses keresés egy lehetséges megvalósítása eljárás VisszalépésesKeresés(szint, címsz. E, címsz. van) i 0 ciklus amíg van i < M szint i i + 1 ha F t (szint, R szint,i ) akkor ha F k (szint, R szint,i, E) akkor E szint R szint,i ha szint = N akkor van igaz különben VisszalépésesKeresés(szint + 1, E, van) ciklus vége eljárás vége van hamis VisszalépésesKeresés(1, E, van)

Alapvető működése Továbbfejlesztési lehetőségek Gyakorlati példák Visszalépéses keresés

8 Rekurzív visszalépéses keresés egymást kizáró részmegoldásokkal Amennyiben az egyes részeredmények páronként kizáróak eljárás VisszalépésesKeresés(szint, címsz. E, címsz. van) i 0 ciklus amíg van i < M szint i i + 1 ha F t (szint, R szint,i ) akkor k 1 ciklus amíg k < szint F k (szint, R szint,i, k, E k ) k k + 1 ciklus vége ha k = szint akkor E szint R szint,i ha szint = N akkor van igaz különben VisszalépésesKeresés(szint + 1, E, van) ciklus vége eljárás vége van hamis VisszalépésesKeresés(1, E, van)

9 Minden megoldás kiválogatása Az első megoldás után nem állunk meg, keressük a többit eljárás VisszalépésesKeresés(szint, címsz. E, címsz. van, címsz. MIND) i 0 ciklus amíg van i < M szint i i + 1 ha F t (szint, R szint,i ) akkor ha F k (szint, R szint,i, E) akkor E szint R szint,i ha szint = N akkor van igaz MIND MIND E különben VisszalépésesKeresés(szint + 1, E, van, MIND) ciklus vége eljárás vége van hamis MIND VisszalépésesKeresés(1, E, van, MIND)

10 Optimális megoldás keresése Keresés helyett tulajdonképpen minimumkiválasztás eljárás VisszalépésesKeresés(szint, címsz. E, címsz. van, címsz. OPT) i 0 ciklus amíg van i < M szint i i + 1 ha F t (szint, R szint,i ) akkor ha F k (szint, R szint,i, E) akkor E szint R szint,i ha szint = N akkor ha van Jóság(E) > Jóság(OPT) akkor OPT E van igaz különben VisszalépésesKeresés(szint + 1, E, van, OPT) ciklus vége eljárás vége van hamis VisszalépésesKeresés(1, E, van, OPT)

11 Vágás Az optimális megoldás keresése során a visszalépéses keresés is átvizsgálja a problématér jelentős részét Bizonyos feladatoknál a keresés közben nem csak azt tudjuk megállapítani, hogy egy úton lehet-e jó teljes megoldás, hanem azt is, hogy ez a megoldás lehet-e jobb mint az eddig talált legjobb A vágás lépései: Minden megtalált végeredmény esetén eltároljuk annak értékét Minden továbblépés előtt adunk egy felső becslést arra vonatkozóan, hogy ha azon úton minden a legjobban alakul, akkor mi lehet a maximális érték Amennyiben ez kisebb, mint az eddig talált legjobb megoldás, akkor felesleges tovább haladni ezen az úton Pl. hátizsák pakolási probléma esetén a továbblépéskor megnézhetjük, hogy ha az üresen maradt helyre el tudnánk helyezni az összes abba önmagában beleférő tárgyat, akkor milyen végeredményhez jutunk. Ha ez rosszabb mint az eddig talált legjobb, akkor nem is kell keresni tovább ezen az úton

Alapvető működése Továbbfejlesztési lehetőségek Gyakorlati példák Visszalépéses keresés

13 Visszalépéses kereséssel kezelhető problémák osztályozása Részfeladatok egymást kizárják igen (ilyenkor használható az általános algoritmus) nem (erre láttuk a második algoritmust) Részmegoldások száma logikai változók minden részfeladatnál két lehetőség közül választhatunk M darab több előre rögzített feltétel közül választhatunk előzményfüggő egy adott helyen a lehetséges választások száma attól függ, hogy az előző szinteken milyen értékeket választottunk (ilyenkor úgy kell az F t függvényt módosítani, hogy az is hozzáférjen az eddigi részeredményekhez) Logikai átfedések, időzítés Backtrack Kölcsönösen kizáró Összetett feltétel M darab Előzményfüggő Logikai M darab Előzményfüggő 8 királynő, sudoku, feladat kioszt. szólánc hátizsák pakolás összetett feladatkiosztás optimális útkeresés, huszár útja

14 Problématér átalakítása A visszalépéses keresés általunk vizsgált algoritmusa egy vektor elemeinek keresi az értékét A feladatok azonban gyakran több dimenzióban vannak meghatározva, pl. töltsünk ki egy sudoku táblát helyezzünk el egy sakktáblán királynőket járjunk be egy sakktáblát egy huszárral Megoldási lehetőségek algoritmus módosítása: az i ciklus cseréje egy két vagy többdimenziós teret bejáró egymásba ágyazott ciklusokkal problématér átalakítása: az eredetileg többdimenziós problémát felírjuk egydimenziós formában (erre látunk példákat a következő diákon) 1,1 1,2 1,3 szint N = 6 2,1 2,2 2,3 1,1 1,2 1,3 2,1 2,2 2,3 3,1 3,2 3,3 3,1 3,2 3,3

15 8 királynő a sakktáblán Klasszikus feladat: helyezzünk el úgy 8 királynőt a sakktáblán, hogy azok ne üssék egymást A lehetséges elhelyezések száma meglehetősen nagy: 64 63 62 61 60 59 58 57 1,78 * 10 14 A visszalépéses keresés jól használható, mivel ha bármelyik két már lerakott királynő üti egymást, akkor nem is kell vizsgálni a többieket Problématér átalakítása: minden oszlopba pontosan egy királynőt kell elhelyeznünk, így valójában 8 darab 1..8 közötti számot keresünk, ez már egyszerű egydimenziós probléma A kölcsönösen kizáró algoritmus így már alkalmazható: N = 8 M i = 8 ; R i,j = j (i=1..8 ; j = 1..8) F t (i, r) = igaz F k (i, r, j, q) = akkor igaz, ha a sakk szabályai szerint az i,r és a j,q pozícióban lévő királynők nem ütik egymást

16 8 királynő a sakktáblán (2) Egy lehetséges elhelyezés F k megvalósítása: (x 1,y 1 ) és (x 2, y 2 ) helyen álló királynők akkor ütik egymást, ha az alábbiak közül bármelyik teljesül: x 1 = x 2 y 1 = y 2 x 1 - x 2 = y 1 - y 2

17 Huszár útja a sakktáblán Klasszikus feladat: egy fix kezdőpontból be lehet járni egy huszárral az egész táblát úgy, hogy minden mezőt pontosan egyszer érintünk? Egy huszár 8 irányba tud lépni, így az ellenőrizendő kombinációk száma: kb. 8 63 7,84 * 10 56 Visszalépéses keresés jól használható, mivel egy n-edik rossz lépés után nem kell foglalkozni az utána következő (63-n) darabbal Problématér átalakítása: tudjuk, hogy 63 lépésünk lesz, így a feladat valójában a 63 megfelelő irány megtalálása (minden lépésnél 8 lehetőség közül választhatunk) Az algoritmus előzményfüggő változata használható: N = 63 M i = 8 ; R i,j = a j. lehetséges lépés iránya (pl. 2 fel+1 balra, 2 fel+1 jobbra, stb.) F t megadott helyre léphet-e a huszár (táblán belül marad?). Mivel ez egy előzményfüggő feladat, itt az F t is megkapja az előző lépések értékét (E vektor), ami alapján tudja hogy épp hol jár, és ez alapján tud dönteni F k az előző lépések nem zárják-e ki az új helyet? (járt már ott?)

18 Sudoku feladat megoldó Egy 9x9-es táblázat tartalmaz előre beírt és üres mezőket. Az n darab üres mezőt kell kitölteni az alábbi szabályok szerint minden üres helyre egy szám írható 1..9 között egy sorban, illetve egy oszlopban nem szerepelhet kétszer ugyanaz a szám a tábla 3x3-as blokkokra oszlik, egy blokkon belül nem lehet kétszer ugyanaz Lineáris kereséssel a lépésszám: kb. n 9 Visszalépéses keresés jól használható, mivel ha két mezőbe beírt érték kizárja egymást, akkor a többi mezőt nem is kell vizsgálni Problématér átalakítása: maga a tábla kétdimenziós, azonban egy listába felsorolhatjuk az üres mezőket. Így megfelelően n darab részfeladatunk lesz, amelyekbe 1..9 közötti értéket keresünk Az algoritmus előzményfüggő változata használható: N = üres mezők száma M i = 9 ; R i,j = j (i=1..n ; j = 1..9) F t (i, j) az i. számú üres mezőbe beírható-e a j érték (a fix mezők alapján) F k (i,r,j,q) az i. üres mezőbe írt r szám nem zárja ki a j. üres mezőbe írt q-t

Sudoku feladat megoldó Kétdimenziós tábla átalakítása egydimenziós szerkezetté Ezzel a módszerrel jelentősen kibővíthető a visszalépéses kereséssel megoldható feladatok köre 1 3 2 3 5 2 4 2 4 3 1 8 1 1 8 3 Fix mezők: (0,0) (0,2) (0,3) (1,0) Üres mezők: (0,1) (0,4) (1,2) (1,3) Az egyes szinteknek az egyes üres mezők felelnek meg, ezek között kell keresni megfelelő számokat 1..9 között szenasi.sandor@nik.uni-obuda.hu 19

20 Hátizsákba pakolás Adott egy megadott méretű hátizsák és n darab tárgy, amelyeknek ismert a méretük és az értékük. Keressük a tárgyak azon halmazát, amelyek összmérete kisebb mint a hátizsák mérete, és a tárgyak összértéke maximális A visszalépéses keresés használható: ha néhány tárgy együtt nem fér a hátizsákba, akkor az ezen az úton nem kell tovább vizsgálódni A feladat egyszerűen leírható logikai típusú részeredményekkel. A részfeladatok száma egyenlő a tárgyak darabszámával, és minden részeredmény azt mutatja, hogy az adott tárgy bekerül a zsákba (igaz) vagy nem (hamis) Az algoritmus előzményfüggő változata használható: N = tárgyak száma M i = 2 ; R i,1 = igaz (adott tárgy bekerül), R i,2 = hamis (adott tárgy nem kerül be) F t igaz, ha a tárgy önmagában belefér a zsákba F k igaz, ha az előző tárgyakkal együtt sem lépte túl a maximális méretet Az optimális megoldás keresést gyorsíthatjuk vágással

21 További ötletek Logikai értékkészlet használata egymást (nem) kizáró esetek kezelése egy tartományból elemek kigyűjtése stb. Előre nem ismert értékkészlet használata síkbeli/térbeli pozíciók meghatározása Előre nem ismert részfeladatszám használata útkeresés

22 Irodalomjegyzék Javasolt/felhasznált irodalom Pap, Szlávi, Zsakó: μlógia4 Módszeres programozás: Rekurzió ELTE TTK, 2004 Szénási: Algoritmusok, adatszerkezetek II., Óbudai Egyetem, 2014 Wikipedia.org megfelelő szócikkek http://en.wikipedia.org/wiki/backtracking