DFS经典问题——八皇后

简介: DFS经典问题——八皇后

八皇后问题


原题描述


n−皇后问题是指将 n 个皇后放在 n×n 的国际象棋棋盘上,使得皇后不能相互攻击到,即任意两个皇后都不能处于同一行、同一列或同一斜线上。

微信图片_20221017131539.jpg


现在给定整数 n,请你输出所有的满足条件的棋子摆法。


输入格式

共一行,包含整数 n。


输出格式

每个解决方案占 n 行,每行输出一个长度为 n 的字符串,用来表示完整的棋盘状态。


其中 . 表示某一个位置的方格状态为空,Q 表示某一个位置的方格上摆着皇后。


每个方案输出完成后,输出一个空行。


注意:行末不能有多余空格。


输出方案的顺序任意,只要不重复且没有遗漏即可。


数据范围

1≤n≤9

输入样例:

4

输出样例:

.Q…

…Q

Q…

…Q.


…Q.

Q…

…Q

.Q…


参考代码(C++版本)

#include <iostream>
using namespace std;
const int N = 20;
int n;
char g[N][N]; //存放题目所需的棋盘
bool col[N],dg[N],udg[N];//记录当前列,当前正对角线,当前反对角线的状态是探测过与否
void dfs(int u)
{
    //到达递归结束的边界 输出当前放置好皇后的地图
  if(u == n) 
  {
      for(int i = 0;i < n;i++) puts(g[i]);
      puts("");
      return;//不要忘记return,否则会无休止的运行
  }
   //尝试每一种可能
  for(int i = 0;i < n;i++)
  {
      //判断横行u和竖列i组成的坐标(u,i) 在这列,在这正对角线,在这反对角线中是否放置了皇后
      if(!col[i] && !dg[u+i] && !udg[n-u+i])
      {
          g[u][i] = 'Q';
          col[i] = dg[u+i] = udg[n-u+i] = true;//标记这个放过皇后的点
          dfs(u+1);//继续到下一个位置
          col[i] = dg[u+i] = udg[n-u+i] = false;//回溯回来的时候,恢复现场
          g[u][i] = '.';
      }
  }
}
int main()
{
    cin >> n;
    for(int i = 0;i < n;i++)
        for(int j = 0; j < n;j++) g[i][j] = '.';
    dfs(0);
    return 0;
}

问题剖析


八皇后的核心是将每个位置逐一试探,保证每个皇后不在同一行,不在同一列,不在同一正对角线,不在同一反对角线。逐一试探的过程其实就是深度优先遍历dfs的过程,我们只用梳理好当前这个位置试探的逻辑,对于下一个位置,则和当前这一步的逻辑一样

逐步解析


处理输入

    cin >> n;
    //创建地图
    for(int i = 0;i < n;i++)
        for(int j = 0; j < n;j++) g[i][j] = '.';

放置深搜起点

    dfs(0);//起点是可以随意的,不影响结果

编写核心函数——void dfs(int u)


1.判断边界——已经尝试完所有可能,输出放置的皇后次序

    if(u == n) 
  {
      for(int i = 0;i < n;i++) puts(g[i]);
      puts("");
      return;
  }

2.对每一个位置进行尝试

    for(int i = 0;i < n;i++)

3.剪枝

    //剪枝,就是减小搜索树规模、尽早排除搜索树中不必要的分支的一种手段。
    if(!col[i] && !dg[u+i] && !udg[n-u+i])

剪枝的逻辑借助一元一次方程组,整个棋盘可以抽象为一个坐标轴。u是传入的参数,类比为一元方程组的x,i则是在不断迭代的,是可以类比为因为截距b变化而变化的y。那么正对角线和反对角线就是斜率为-1的方程


所以可模拟出:


正对角线的方程为i = -1 * u + b,则b = u+i


反对角线的方程为i = 1 * u + b,则b = i-u,因为要作为数组的参数,不能为负数,所以考虑加一个偏移量n,保证参数为正。


为什么可以这种模拟?如图:

微信图片_20221017131928.jpg

虽然u和i的值在不断变化,但是总和是不变的,因此会形成两条正反对角线。对于相减可能为负的情况,添加偏移量n。所以就可以用这种方式来搜素各个位置的状态。

4.放置皇后,标记当前位置

    g[u][i] = 'Q';
    col[i] = dg[u+i] = udg[n-u+i] = true;

5.继续到下一步

    dfs(u+1);

6.恢复现场

    col[i] = dg[u+i] = udg[n-u+i] = false;
    g[u][i] = '.';
相关文章
|
7月前
|
网络协议 安全 物联网
《复杂环境下IPv6地址规划与子网划分全攻略》
随着网络环境日益复杂及设备数量激增,IPv6以其超大地址空间和即插即用优势成为网络变革的关键。本文深入探讨IPv6地址规划与子网划分的挑战与方法,包括夯实基础知识、遵循层次性与高效性原则、应对物联网与云计算等特殊场景需求,以及验证优化的重要性。通过合理规划与科学划分,可构建高效、稳定且安全的IPv6网络,为未来发展奠定基础。
512 19
|
数据采集 自然语言处理 搜索推荐
图文详解 DFS 和 BFS | 算法必看系列知识二十四
深度优先遍历(Depth First Search, 简称 DFS) 与广度优先遍历(Breath First Search)是图论中两种非常重要的算法,生产上广泛用于拓扑排序,寻路(走迷宫),搜索引擎,爬虫等,也频繁出现在高频面试题中。
36123 6
图文详解 DFS 和 BFS | 算法必看系列知识二十四
|
存储 安全 数据库
阿里云服务器计算型、通用型、内存型主要实例规格性能特点和适用场景汇总
阿里云服务器ECS计算型、通用型、内存型规格族属于独享型云服务器,在高负载不会出现计算资源争夺现象,因为每一个vCPU都对应一个Intel ® Xeon ®处理器核心的超线程,具有性能稳定且资源独享的特点。本文为大家整理汇总了阿里云服务器ECS计算型、通用型、内存型主要实例规格族具体实例规格有哪些,各个实例规格的性能特点和主要适用场景。
阿里云服务器计算型、通用型、内存型主要实例规格性能特点和适用场景汇总
|
Linux 网络安全
树莓派开发笔记(十一):蓝牙的使用,BlueZ协议(双树莓探测rssi并通过蓝牙互传获取的rssi信号强度)
树莓派开发笔记(十一):蓝牙的使用,BlueZ协议(双树莓探测rssi并通过蓝牙互传获取的rssi信号强度)
树莓派开发笔记(十一):蓝牙的使用,BlueZ协议(双树莓探测rssi并通过蓝牙互传获取的rssi信号强度)
|
存储 缓存 前端开发
SPA 单页面的优缺点
单页面应用(SPA)优点包括:用户体验流畅、无需刷新页面、减少服务器压力。缺点有:SEO优化困难、初始加载时间长、前端逻辑复杂。
|
设计模式 应用服务中间件 容器
【Tomcat源码分析】Pipeline 与 Valve 的秘密花园
本文深入剖析了Tomcat中的Pipeline和Valve组件。Valve作为请求处理链中的核心组件,通过接口定义了关键方法;ValveBase为其基类,提供了通用实现。Pipeline则作为Valve容器,通过首尾相连的Valve链完成业务处理。StandardPipeline实现了Pipeline接口,提供了详细的Valve管理逻辑。通过对代码的详细分析,揭示了模板方法模式和责任链模式的应用,展示了系统的扩展性和模块化设计。
【Tomcat源码分析】Pipeline 与 Valve 的秘密花园
|
机器学习/深度学习 数据采集 人工智能
一文看尽LLM对齐技术:RLHF、RLAIF、PPO、DPO……
【8月更文挑战第27天】本文全面回顾了近期大型语言模型(LLMs)领域内提升模型与人类价值观一致性的重要进展与挑战。尽管自监督学习及大规模预训练等技术推动了LLMs的快速发展,但如何避免生成不当内容仍是难题。文中系统地将现有研究分为奖励模型、反馈机制、强化学习策略及优化方法四大主题,并深入探讨各技术路径的创新点与局限性,如RLHF、RLAIF等方法。旨在为读者提供清晰的领域概览,促进未来研究发展。[论文链接](https://arxiv.org/pdf/2407.16216)
667 3
|
开发框架 监控 搜索推荐
GoFly快速开发框架集成ZincSearch全文搜索引擎 - Elasticsearch轻量级替代为ZincSearch全文搜索引擎
本文介绍了在项目开发中使用ZincSearch作为全文搜索引擎的优势,包括其轻量级、易于安装和使用、资源占用低等特点,以及如何在GoFly快速开发框架中集成和使用ZincSearch,提供了详细的开发文档和实例代码,帮助开发者高效地实现搜索功能。
690 0
|
机器学习/深度学习 数据采集 算法
Python实现SSA智能麻雀搜索算法优化支持向量机分类模型(SVC算法)项目实战
Python实现SSA智能麻雀搜索算法优化支持向量机分类模型(SVC算法)项目实战
|
安全 数据安全/隐私保护 网络架构
ensp中nat地址转换(静态nat 动态nat NAPT 和Easy IP)配置命令
ensp中nat地址转换(静态nat 动态nat NAPT 和Easy IP)配置命令
2177 0