【算法学习】—n皇后问题(回溯法)

简介: 【算法学习】—n皇后问题(回溯法)

1. 什么是回溯法?

相信"迷宫"是许多人儿时的回忆,大家小时候一定都玩过迷宫游戏。我们从不用别人教,都知道走迷宫的策略是:

当遇到一个岔路口,会有以下两种情况:

存在没走过的路。此时可以任意选一条没走过的路深入,只要记住我们所走过的路径即可。

倘若下次再来到这个路口,便不再沿着走过的路径继续深入,而是沿着没走过的路径深入下去;

所有路都已经走过。如果所有岔路口都已经遍历,则回退至上一个最近的岔路口。

当遇到死胡同,便回退到刚才距离最近的岔路口。

不断前进并重复该过程,直到找到终点或回退到起点位置。

其实,这就是回溯法:一个基于深度优先搜索和约束函数的问题求解方法。

(1)、n皇后问题

📢 非递归求解n皇后问题

#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#define N 4
int q[N + 1]; // 存储皇后的列号
int check(int j)
{ // 检查第i个皇后的位置是否合法
    int i;
    for (i = 1; i < j; i++)
    {
        if (q[i] == q[j] || abs(i - j) == abs(q[i] - q[j]))
        { // 判断是否在同一斜线上
            return 0;
        }
    }
    return 1;
}
void queen()
{ //
    int i;
    for (i = 1; i <= N; i++)
    {
        q[i] = 0;
    }
    int answer = 0; // 方案数
    int j = 1;      // 表示正在摆放第j个皇后
    while (j >= 1)
    {
        q[j] = q[j] + 1; // 让第j个皇后向后一列摆放
        while (q[j] <= N && !check(j))
        {                    // 判断第j个皇后的位置是否合法
            q[j] = q[j] + 1; // 不合法就往后一个位置摆放
        }
        if (q[j] <= N)
        { // 表示第j个皇后的找到一个合法的位置
            if (j == N)
            { // 找到了一组皇后的解
                answer = answer + 1;
                printf("放案%d:", answer);
                for (i = 1; i <= N; i++)
                {
                    printf("%d", q[i]);
                }
                printf("\n");
            }
            else
            { // 继续摆放下一个皇后
                j = j + 1;
            }
        }
        else{ // 表示第j个皇后找不到一个合法的位置
            q[j] = 0;  // 还原第j个皇后的位置
            j = j - 1; // 回溯
        }
    }
}
int main()
{
    queen();
    return 0;
}

📢 递归求解n皇后问题

#include <math.h>
#include <stdio.h>
#include <stdlib.h>
#define N 4
int answer=0;
int q[N + 1]; // 存储皇后的列号
int check(int j)
{ // 检查第i个皇后的位置是否合法
    int i;
    for (i = 1; i < j; i++)
    {
        if (q[i] == q[j] || abs(i - j) == abs(q[i] - q[j]))
        { // 判断是否在同一斜线上
            return 0;
        }
    }
    return 1;
}
void queen(int j){
    int i;
    for(i=1;i<=N;i++){
        q[j]=i;
if(check(j)){// 当摆放的皇后位置为合法时
    if(j==N){//找到了N皇后的一组解
        answer=answer+1;
        printf("方案%d:",answer);
        for(i=1;i<=N;i++){
            printf("%d",q[i]);
        }
        printf("\n");
    }else{
        queen(j+1);//递归摆放下一个位置
    }
}
    }
}
int main()
{
 queen(1);
    return 0;
}


相关文章
|
3月前
|
机器学习/深度学习 数据采集 搜索推荐
Paper Digest | 突破个性化推荐数据稀疏性:长尾增强的图对比学习算法研究
本文提出了一种新的长尾增强的图对比学习方法(LAGCL),该方法促使模型同时兼顾头部节点与尾部节点之间的知识,并通过长尾增强技术来使模型产出更均匀更准确的节点表征,从而改进基于 GNN 的推荐任务。
|
3月前
|
算法 网络协议 Linux
【Cisco Packet Tracer】交换机的自学习算法
【Cisco Packet Tracer】交换机的自学习算法
56 0
|
4月前
|
机器学习/深度学习 算法
机器学习 - [集成学习]Bagging算法的编程实现
机器学习 - [集成学习]Bagging算法的编程实现
32 1
|
2天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】关联规则学习:Apriori算法详解
【4月更文挑战第30天】Apriori算法是一种用于关联规则学习的经典算法,尤其适用于购物篮分析,以发现商品间的购买关联。该算法基于支持度和置信度指标,通过迭代生成频繁项集并提取满足阈值的规则。Python中可借助mlxtend库实现Apriori,例如处理购物篮数据,设置支持度和置信度阈值,找出相关规则。
|
2天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。
|
15天前
|
机器学习/深度学习 算法 前端开发
Scikit-learn进阶:探索集成学习算法
【4月更文挑战第17天】本文介绍了Scikit-learn中的集成学习算法,包括Bagging(如RandomForest)、Boosting(AdaBoost、GradientBoosting)和Stacking。通过结合多个学习器,集成学习能提高模型性能,减少偏差和方差。文中展示了如何使用Scikit-learn实现这些算法,并提供示例代码,帮助读者理解和应用集成学习提升模型预测准确性。
|
15天前
|
机器学习/深度学习 算法 Python
使用Python实现集成学习算法:Bagging与Boosting
使用Python实现集成学习算法:Bagging与Boosting
21 0
|
16天前
|
算法 安全 数据可视化
python关联规则学习:FP-Growth算法对药品进行“菜篮子”分析
python关联规则学习:FP-Growth算法对药品进行“菜篮子”分析
16 0
|
22天前
|
算法
【算法学习--字符串】(不含KMP算法)
【算法学习--字符串】(不含KMP算法)
|
2月前
|
机器学习/深度学习 算法 数据挖掘
什么是集成学习算法
什么是集成学习算法
35 0