递归解决八皇后问题(回溯方法)

本文介绍了一个使用递归算法解决八皇后问题的Java实现。通过递归检查每一步是否符合规则,最终找到所有可能的解决方案。文章详细展示了递归函数的工作原理,以及如何判断皇后之间的冲突。

在这里插入图片描述
在这里插入图片描述

/**
 * 
 */
package com.pro.recursion;

/**
 * @Description
 * @author kansir
 * @version
 * @date 2019年8月10日 上午10:08:15
 */
public class EightQueens {
	//定义一个max表示共有多少个皇后
	int max=8;
	//定义数组,保存皇后放置位置的结果,比如arr={0,4,7,5,2,6,1,3}
	int[] array=new int[max];
	
	static int count=0;
	
	static int judgeCount=0;
	
	public static void main(String[] args) {
		
		EightQueens eightQueens=new EightQueens();
		eightQueens.check(0);
		System.out.println("一共有:"+count+"种解法");
		System.out.println("一共有:"+judgeCount+"次判断");
	}
	
	
	//放置第n个皇后
	/**
	 * 
	 * @Description 放置第n个皇后,注意:每个check中都有for循环,因此会产生回溯
	 * @author kansir
	 * @date 2019年8月10日 上午10:39:18
	 * @param n
	 */
	public void check(int n) {
		
		if(n==max) {//n==8,其实8个皇后就已经放好了
			print();
			return;
		}
		//依次放入皇后,并判断是否冲突
		for (int i = 0; i < max; i++) {
			//先把当前这个皇后放到改行的第一列
			array[n]=i;
			//判断当放置第n个皇后到第i列时是否冲突
			if(judge(n)) { //如果不冲突
				//接着放第n+1个皇后,开始递归\
				check(n+1);
				
			}else {//如果冲突,就继续执行array[]=i;即将第n个皇后,放置在本行的后移一个位置
				
			}
		}
	}
	
	/**
	 * 
	 * @Description 查看当我们的位置放第n个皇后,就去检测该黄后是否和前面已经摆放的皇后冲突 
	 * @author kansir
	 * @date 2019年8月10日 上午10:16:43
	 * @param n 表示第n个皇后
	 * @return
	 */
	public boolean judge(int n) {
		judgeCount++;
		
		for (int i = 0; i < n; i++) {
			//如果array[i]==array[n]说明第n个皇后和前面n-1个皇后在同一列
			//Math.abs(n-1) ==Math.abs(array[n]-array[i]) 表示判断第n个皇后是否和第i个皇后在同一斜线
			if(array[i]==array[n]||Math.abs(n-i) ==Math.abs(array[n]-array[i])) {
				return false;
			}
		}
		return true;
	}
	
	
	
	/**
	 * 
	 * @Description 将皇后摆放的位置打印出来 
	 * @author kansir
	 * @date 2019年8月10日 上午10:14:13
	 */
	public void print() {
		count++;
		for (int i = 0; i < array.length; i++) {
			System.out.print(array[i]+" ");
		}
		
		System.out.println();
	}
	
}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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