骑士周游问题

本文探讨了骑士周游问题的两种求解方法:暴力搜索(DFS+回溯)与贪心算法。通过对比这两种方法的实现过程及运行效率,展示了贪心策略如何显著减少回溯次数,并附带了具体的C++实现代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问题:

给定一个n*n的棋盘,一个马从任意位置出发,按照马移动的规则,在不重复走任意一个点的前提下走完所有点,即跳n*n步以后需要遍历了整个棋盘。

思路:

首先就是暴力搜索,DFS+回溯。

#include <iostream>
#include <iomanip>
#include <ctime>
using namespace std;

const int N = 8;//棋盘的边长

int chess[N][N];//标记
int move[8][2] = { {1,-2},{2,-1},{2,1},{1,2},{-1,2},{-2,1},{-2,-1},{-1,-2} };
int backNum = 0;//回溯次数
int resultNum,resultCount=0;//想要的解的个数,当前解的个数

void showTrail();//输出棋盘,显示路径

int main()
{
    void dfs(int x, int y, int cnt );

    int x,y;
    //初始化标记数组
    for( int i=0; i<N; ++i )
        for( int j=0; j<N; ++j )
            chess[i][j] = 0;

    cout << "please input location: x y \n";
    cin >> x >> y;
    cout <<"input result number you want:\n";
    cin >> resultNum;
    chess[x][y] = 1;

    clock_t start_time=clock();
    dfs(x,y,1);
    clock_t end_time=clock();

    cout << "back number is "<<backNum<<endl;
    cout<< "Running time is: "<<(double)(end_time-start_time)/CLOCKS_PER_SEC*1000<<"ms"<<endl;

    return 0;
}

void dfs(int x, int y, int cnt ){

    if( cnt==N*N ){
        ++resultCount;
        cout << "Answer "<<resultCount<<":\n";
        showTrail();
        return;
    }
    //如果解的个数达到了,立刻返回,不再寻找
    if( resultCount==resultNum )
        return;

    for( int i=0; i<8; ++i ){

        int x1 = x+move[i][0];
        int y1 = y+move[i][1];
        if( 0==chess[x1][y1] && x1>=0&&x1<N&&y1>=0&&y1<N ){

            chess[x1][y1] = cnt+1;

            dfs( x1, y1, cnt+1 );
            ++backNum;

            chess[x1][y1] = 0;
        }
    }
    return;
}

void showTrail(){

    for( int i=0; i<N; ++i ){
        for( int j=0; j<N; ++j )
            cout <<setw(5)<< chess[i][j];
        cout << endl;
    }
}


运行结果:

这里写图片描述

发现耗费时间太长了,迭代次数非常大(这是在N=7的情况下运行的)。

这个问题可以贪心地进行选择,从而增大成功找到路径的概率,其基本思想为:当马从点(x,y)移动时,假如可以跳到k个可行的位置,那么先跳到最难达到的那个点。

先把难到达的点走了,剩下的点都是比较容易到达的点,那么后面能走完的几率就大一些。反之,如果先把容易到达的点给走了,最后面发现那些难到达的点不能满足(并且这个几率比较大),那么前面就会浪费非常多的步骤。

#include <iostream>
#include <vector>
#include <iomanip>
#include <ctime>
#include <algorithm>
using namespace std;

const int N = 8;//棋盘的边长
const int INIFITE = 999999;//无穷大

int chess[N][N];//标记并记录路径
int move[8][2] = { {1,-2},{2,-1},{2,1},{1,2},{-1,2},{-2,1},{-2,-1},{-1,-2} };//移动方式
int backNum = 0;//记录回溯次数
int resultNum,resultCount=0;//想要的解的个数,当前解的个数

struct next{
    int road_num;//可走的路的条数
    int dir_index;//方向索引,即move数组的第1个索引下标
};
bool cmp( next a, next b ){ return a.road_num<b.road_num; }

void showTrail();
int road_count(int x, int y);

int main()
{
    void dfs(int x, int y, int cnt );

    int x,y;
    //初始化标记数组
    for( int i=0; i<N; ++i )
        for( int j=0; j<N; ++j )
            chess[i][j] = 0;

    cout << "please input location: x y \n";
    cin >> x >> y;
    cout <<"input result number you want:\n";
    cin >> resultNum;
    chess[x][y] = 1;

    clock_t start_time=clock();
    dfs(x,y,1);
    clock_t end_time=clock();

    cout << "back number is "<<backNum<<endl;
    cout<< "Running time is: "<<(double)(end_time-start_time)/CLOCKS_PER_SEC*1000<<"ms"<<endl;

    return 0;
}

void dfs(int x, int y, int cnt ){

    if( cnt==N*N ){
        ++resultCount;
        cout << "Answer "<<resultCount<<":\n";
        showTrail();
        return;
    }
    //如果解的个数达到要求,就停止。
    if( resultCount==resultNum ){
        return;
    }

    vector<next> v;
    for( int i=0; i<8; ++i ){
        int num;
        int x1 = x+move[i][0];
        int y1 = y+move[i][1];
        num = road_count(x1,y1); //计算(x1,y1)的下一步可以走的点有多少。
        v.push_back( (next){num,i} );
    }
    sort( v.begin(), v.end(), cmp );


    for( int i=0; i<v.size(); ++i ){

        int x1 = x + move[v[i].dir_index][0];
        int y1 = y + move[v[i].dir_index][1];
        //cout <<a[i]<<": "<< x1<<','<<y1<<endl;
        if( 0==chess[x1][y1] && x1>=0&&x1<N&&y1>=0&&y1<N ){
            //cout <<a[i]<<": "<< x1<<','<<y1<<endl;
            chess[x1][y1] = cnt+1;

            dfs( x1, y1, cnt+1 );
            ++backNum;  //回溯次数加1
            chess[x1][y1] = 0;
        }
    }
    return;
}

void showTrail(){

    for( int i=0; i<N; ++i ){
        for( int j=0; j<N; ++j )
            cout <<setw(5)<< chess[i][j];
        cout << endl;
    }
}

int road_count(int x, int y){

    int cnt = 0;
    //如果这个点不在棋盘内,直接返一个无穷大表示此路不通
    if( 0!=chess[x][y]||x<0||x>=N||y<0||y>=N )
        return INIFITE;
    for( int i=0; i<8; ++i ){
        int x1 = x+move[i][0];
        int y1 = y+move[i][1];
        if( 0==chess[x1][y1]&&x1>=0&&x1<N&&y1>=0&&y1<N )
            ++cnt;
    }
    return cnt;
}

运行结果:


相同条件下,回溯次数明显减少了几个数量级。

问题描述:将马随机放在国际象棋的 8X8 棋盘中的某个方格中 马按走棋规则进行移动 要求每个方格上只进入一次 走遍棋盘上全部 64 个方格 编制递归程序 求出马的行走路线 并按求出的行走路线 将数字 1 2 … 64 依次填入 8X8 的方阵输出之 测试数据:由读者指定可自行指定一个马的初始位置 实现提示:每次在多个可走位置中选择一个进行试探 其余未曾试探过的可走位置必须用适当结构妥善管理 以备试探失败时的“回溯”悔棋使用 并探讨每次选择位置的“最佳策略” 以减少回溯的次数 背景介绍: 国际象棋为许多令人着迷的娱乐提供了固定的框架 而这些框架常独立于游戏本身 其中的许多框架都基于骑士奇异的L型移动规则 一个经典的例子是骑士漫游问题 从十八世纪初开始 这个问题就引起了数学家和解密爱好者的注意 简单地说 这个问题要求从棋盘上任一个方格开始按规则移动骑士 使之成功的游历国际象棋棋盘的64个方格 且每个方格都接触且仅接触一次 可以用一种简便的方法表示问题的一个解 即将数字1 64按骑士到达的顺序依次放入棋盘的方格中 一种非常巧妙的解决骑士漫游地方法由J C Warnsdorff于1823年给出 他给出的规则是:骑士总是移向那些具有最少出口数且尚未到达的方格之一 其中出口数是指通向尚未到达方格的出口数量 在进一步的阅读之前 你可以尝试利用Warnsdorff规则手工构造出该问题的一个解 实习任务: 编写一个程序来获得马踏棋盘即骑士漫游问题的一个解 您的程序需要达到下面的要求: 棋盘的规模是8 8; 对于任意给定的初始化位置进行试验 得到漫游问题的解; 对每次实验 按照棋盘矩阵的方式 打印每个格被行径的顺序编号 技术提示: 解决这类问题的关键是考虑数据在计算机中的存储表示 可能最自然的表示方法就是把棋盘存储在一个8 8的二维数组board中 以 x y 为起点时骑士可能进行的八种移动 一般来说 位于 x y 的骑士可能移动到以下方格之一: x 2 y+1 x 1 y+2 x+1 y+2 x+2 y+1 x+2 y 1 x+1 y 2 x 1 y 2 x 2 y 1 但请注意 如果 x y 的位置离某一条边较近 有些可能的移动就会把骑士移到棋盘之外 而这当然是不允许的 骑士的八种可能的移动可以用一个数组MoveOffset方便地表示出来: MoveOffset[0] 2 1 MoveOffset[1] 1 2 MoveOffset[2] 1 2 MoveOffset[3] 2 1 MoveOffset[4] 2 1 MoveOffset[5] 1 2 MoveOffset[6] 1 2 MoveOffset[7] 2 1 于是 位于 x y 的骑士可以移动到 x+MoveOffset[k] x y+MoveOffset[k] y 其中k是0到7之间的某个整数值 并且新方格必须仍位于棋盘上 扩展需求:可以考虑将结果图形化 b 考察所有初始化的情况 测试是否都能够得到解 ">问题描述:将马随机放在国际象棋的 8X8 棋盘中的某个方格中 马按走棋规则进行移动 要求每个方格上只进入一次 走遍棋盘上全部 64 个方格 编制递归程序 求出马的行走路线 并按求出的行走路线 将数字 1 2 … 64 依 [更多]
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