[LeetCode]N-Queens

本文介绍了一种使用回溯法解决N皇后问题的方法,并提供了一个C++实现示例。通过递归地尝试放置皇后并检查冲突,最终找到所有可行的棋盘配置。

The n-queens puzzle is the problem of placing n queens on an n×n chessboard such that no two queens attack each other.

Given an integer n, return all distinct solutions to the n-queens puzzle.

Each solution contains a distinct board configuration of the n-queens' placement, where 'Q' and '.' both indicate a queen and an empty space respectively.

For example,
There exist two distinct solutions to the 4-queens puzzle:

[
 [".Q..",  // Solution 1
  "...Q",
  "Q...",
  "..Q."],

 ["..Q.",  // Solution 2
  "Q...",
  "...Q",
  ".Q.."]

]

【思路】回溯法解决。每次从棋盘的每一个行开始依次放旗子,如果莫一行全部位置都不能放那就回到上一行。基本思想类似与暴力求解,但是回溯法最大的优点是避免了无用的搜索,是一种编程技巧。简单来说,算法的伪代码如下:

row = 1;//从第一行开始
while(row>0)
{
	y[row]++;	  //为当前x位置找一个皇后的位置
	while(cannot_place) y[row]++; //找到合适的皇后
	if(y[row]<=N)//找到一个可以放置第x个皇后的位置,到该步为止,所求部分解都满足要求
{//找到一个完整的放置方案
		{
			//存储结果
		}
		else
		row++; //继续寻找下一个皇后的位置,还没找到完整解决方案
		}
	else//未找到可以放置第row行的皇后的位置,到该步为止,已经知道不满足要求
	{
		y[row] = 0;//因为要回溯置初始态,下一次是寻找第x-1个皇后的位置,
		//在下一次确定x-1的位置之后,第x个皇后的开始搜索的位置要重置
		row--; //回溯
	}
}
实现时有一些细节,比如能否放入皇后的判断,以及结果string的构建。这些我是通过子函数解决的。

class Solution {
public:
    vector<vector<string> > solveNQueens(int n) {
        int row = 1;
        vector<int> y(n+1);
        vector<vector<string>> ret;
        vector<string> temp;
        while(row>0){
            y[row]++;//在上一步基础上往前走
            while((y[row]<=n) && (!check(row,y))) y[row]++;//走到第一个可解位置
            if(y[row]<=n){
                if(row==n){
                    storeRet(ret,temp,y,n);//如果可解,把结果存在ret中
                }
                else row++; //继续往下找
            }
            else{
                y[row]=0;
                row -- ;//回溯找上一解
            }
        }
        return ret;
    }
     
    bool check(int row,vector<int> y) { 
        for(int j = 1;j < row;j++)
            if((abs(row-j) == abs(y[j] - y[row]))||(y[j] == y[row])) //判断插入是否有效
                return false;
        return true;
    }
    void storeRet(vector<vector<string> > &ret,vector<string>temp,vector<int> y,int n){
        string a;
        for(int i=0;i<n;++i){
            a+='.';
        }
        for(int i=0;i<n;++i){
            temp.push_back(a);
        }
        for( int i=1; i<=n; i ++ )
        {
            for( int j=1; j<=n; j++ )
            if( j==y[i] ) temp[i-1][j-1]='Q';
        }
        ret.push_back(temp);
    }
};





内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值