🎯 本章要解决什么？给各种“填坑”问题找个通用解法
想象以下场景：
- 教务处老师：排课表（课程不冲突、老师不跑场、教室够用）;
- 宿舍管理员：调宿舍（不打呼噜的在一起、不同班的混住、上下铺分配）;
- 装修队长：买材料（颜色搭配、预算不超、尺寸合适）;
- 数独爱好者：填数字（每行每列每宫1-9不重复）;
这些看似不同的问题，其实都是同一类问题： 有一堆“坑”（变量）要填，每个“坑”有可选“土”（值域），填的时候要满足一堆“施工要求”（约束）。
本章教你：如何系统性地“填坑”，而不是靠蒙。
一、CSP是什么？拆解“填坑三要素”
📦 三个核心零件
任何CSP问题都包含这三样：
| 零件 | 专业术语 | 中国化比喻 | 数独例子 |
|---|---|---|---|
| 要填的坑 | 变量 | 待决定的事项 | 81个格子 |
| 能用的土 | 值域 | 每个坑能填的材料 | 每个格子可填1-9 |
| 施工规范 | 约束 | 填坑时必须遵守的规矩 | 行/列/宫不重复 |
🏗️ 形式化表示（以排课表为例）
变量：{语文课, 数学课, 英语课, 物理课...}
值域：每个课的可选时间 = {周一1-2节, 周一3-4节...}
约束：
1. 语文老师不能同时上两门课（不同课时间不能相同）
2. 教室容量要够（课的学生数 ≤ 教室容量）
3. 体育课不能排在上午第一节（特定值限制）
关键特点：
- 不关心顺序：先排数学还是先排语文，最终结果一样；
- 只关心最终分配：每个“坑”都填上合适的“土”；
- 约束可能很复杂：两个变量之间（A≠B），或多个变量之间（A+B+C=10）；
二、约束传播：提前排除“肯定填不对的土”
🎯 核心思想：别等到最后才发现矛盾
就像玩扫雷：
- 笨方法：随便点，点到雷就死；
- 聪明方法：根据数字推算哪些肯定是雷，先插旗；
📐 一致性检查的四个层次
1. 节点一致性（NC）：每个坑自己的要求。
“体育课不能排上午第一节”
→ 从体育课的值域里直接删除“周一第1节”
检查：每个变量单独看，值域里的值都满足自己的一元约束。
2. 弧一致性（AC）：两个坑之间的互相限制。
“张老师不能同时上语文和数学”
语文课选了“周一1-2节”
→ 数学课的值域里删除“周一1-2节”
检查：对于变量X的每个可能取值，变量Y都至少有一个值能与它配对成功。
AC-3算法（最常用）：
def AC_3(所有约束):
队列 = 所有约束边 # 如(语文课,数学课)
while 队列非空:
(X,Y) = 队列.pop()
if 修订(X的域, 基于Y): # 删掉X中无法和Y任何值配对的值
for Z in X的所有邻居: # 所有和X有约束的变量
队列.add((Z,X)) # Z可能也要重新检查
生活比喻：
- 你妈：“周末要么去姥姥家，要么去奶奶家”；
- 你爸：“周末必须去奶奶家”；
- 弧一致性检查：
- 你的值域{姥姥家,奶奶家}；
- 你爸的值域{奶奶家}；
- 检查：你能选“姥姥家”吗？不能，因为和你爸的“奶奶家”冲突 → 删除“姥姥家”；
- 结果：你只能选“奶奶家”；
3. 路径一致性（PC）：通过第三个坑传递的限制。
A说：“我和B不同班”
B说：“我和C同班”
虽然没有直接约束，但可推出：A和C一定不同班！
检查：对于每对值(Xi,Xj)，存在一条路径通过其他变量使得约束都能满足。
4. k一致性：更广义的“连坐检查”
- 1一致性 = 节点一致性；
- 2一致性 = 弧一致性；
- 3一致性 = 路径一致性；
- k一致性：任意k-1个变量赋值后，第k个变量都能找到兼容值；
三、回溯搜索：系统性地“试错填坑”
🔍 基本回溯：一条路走到黑，不行就回头
def 回溯搜索(当前分配):
if 所有变量都分配完了:
return 当前分配
选一个未分配的变量X
for 每个值 in X的值域:
if 值满足所有与已分配变量的约束:
把(X=值)加入当前分配
结果 = 回溯搜索(当前分配)
if 结果不是失败:
return 结果
从当前分配中移除(X=值) # 回溯！
return 失败
比喻：就像走迷宫用手摸着右墙走：
- 一直往前走；
- 碰壁就退回到上一个岔路口；
- 换另一条路；
- 重复直到出口；
✨ 智能回溯：别傻退，找到“真凶”再退
问题：基本回溯经常“冤枉好人”。
你填数独：
第1步：A格填1
第2步：B格填2
...
第50步：Z格发现无值可填
基本回溯：退到第49步 → 不对 → 退到48步 → ... 一直退到第1步
但实际上，可能第30步的某个选择就错了！
向后看（Backjumping）：直接跳到矛盾源头。
发现Z格无值可填时：
检查：Z和哪些已赋值变量有约束？
发现：Z只和P、Q、R三个格有约束
而P、Q、R是在第30步赋值的
→ 直接跳回第30步重试，跳过中间的20步！
约束学习：吃一堑长一智。
第一次尝试：A=1, B=2 → 失败
学习到：(A=1且B=2)是死路
第二次尝试时，看到A=1，就直接不让B=2了
四、变量和值排序：先填哪个坑？先用哪种土？
📊 变量排序：从“最难搞的坑”开始
原则：先填限制最多的变量（最少剩余值启发式）。
排课表时：
- 体育课：只能排下午（值域小）
- 语文课：全天都可排（值域大）
先排体育课！排好了它，其他课的选择就少了。
度启发式：先填涉及约束最多的变量。
数独中：
- 角落的格子：只受2行2列影响（约束少）
- 中间的格子：受2行2列2宫影响（约束多）
先填中间的！
🎨 值排序：先试“最可能成功的土”
原则：先试给邻居留最多选择的值（最少约束值启发式）。
你选宿舍：
- 选1楼：楼上楼下都还能住人
- 选3楼：只有2楼和4楼受影响
先选1楼，给后面同学留更多选择。
五、局部搜索：当“全盘规划”太慢时
🔄 从“一次性填完”到“边改边优化”
适用场景：
- 课表大体可用，但有少量冲突；
- 数独填完了，但有几处错误；
🎯 最小冲突启发式
def 最小冲突算法():
随机给所有变量赋值（可能违反约束）
for 迭代很多次:
if 所有约束都满足:
return 解
选一个冲突的变量X # 比如时间冲突的课
给X换一个值，使得冲突最少 # 换个时间，让冲突课变少
比喻：调解宿舍矛盾
- 初始随机分配（A和B打呼噜的住一起了）；
- 发现冲突：A被B吵得睡不着；
- 尝试调整：
- 把A换到C宿舍：C也打呼噜 → 冲突数不变；
- 把A换到D宿舍：D不打呼噜 → 冲突减少；
- 选择减少冲突最多的调整
优点：特别适合几乎已经解完的问题微调。
六、问题结构：利用“地形”加速求解
🌳 树状结构CSP：有福了！
如果约束关系形成一棵树：
A — B — C — D # 线性链
而不是：
A — B — C
\ /
D # 有环
好消息：树状CSP可以在O(nd²)时间内解决（n变量，d值域大小） 方法：拓扑排序后，从叶子开始向前或向后传播。
✂️ 割集调整：把环切成树
原问题：A—B—C—A（三角形，有环）
选一个变量作为“牺牲品”：比如固定A=某个值
剩下：B—C（变成链，可快速解）
然后尝试A的其他值...
比喻：解连环套
- 硬解：每个环都试；
- 聪明：剪断一个环，解开链，再接回去；
🧩 树分解：把大图拆成小树
复杂约束图 → 拆成几个簇
每个簇内部变量多但簇间形成树
分别解每个簇，再组合
七、实战算法选择指南
| 问题特征 | 推荐算法 | 生活比喻 |
|---|---|---|
| 小规模（<100变量） | 回溯+约束传播 | 手工排课表，先排限制多的课 |
| 约束很紧（值域小） | 约束传播为主 | 数独最后几个格，用排除法 |
| 约束较松（值域大） | 回溯搜索为主 | 选选修课，很多时间可选 |
| 近似解也可接受 | 局部搜索（最小冲突） | 调宿舍微调，解决个别矛盾 |
| 约束关系是树状 | 拓扑排序+前向检查 | 流水线工序安排 |
| 有对称性 | 打破对称性（如固定一个值） | 分配相同教室时，先定一个 |
🎮 经典案例：数独求解器怎么工作
🧠 人类解法 vs 算法解法
人类：用“这个格子只能填5”、“这行缺3和8”等启发式 算法：把人类启发式形式化
🔢 数独的约束传播
- 节点一致性：已知数字的格子，值域固定；
- 弧一致性（AC-3）：
格子(1,1)=5 → 第1行所有其他格子删除5 → 第1列所有其他格子删除5 → 左上宫所有其他格子删除5 - 递归回溯：当传播不动时，选一个格子猜数字。
⚡ 优化技巧
- MRV：先填可选数字最少的格子；
- 向前检查：赋值后立即更新邻居的值域；
- 智能回溯：冲突时直接跳到相关格子；
💡 CSP思维：从“填坑”到“设计坑”
逆向应用：设计容易解的问题
如果你想设计一个好解的数独：
- 给的初始数字要能充分约束（用约束传播能推到很多格）；
- 避免需要大量猜测回溯；
- 最好有唯一解；
CSP的哲学启示
- 约束不是敌人，是向导：约束越紧，搜索空间越小；
- 顺序很重要：先处理最难的部分；
- 局部冲突可以局部解决：不一定全盘重来；
- 结构决定难度：树状问题简单，全连接问题难；
最后一句大实话：
生活中很多问题都是CSP：找对象（互相看对眼）、组团队（技能互补）、安排假期（家人时间都合适）。
学会系统性地“填坑”，而不是凭感觉乱试，成功率会高很多。
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
