八皇后问题

本文通过Java实现八皇后问题,提供两种解决思路:一种是仅计算总方案数;另一种则不仅计算总数,还打印出每种可能的布局。此外,文章还展示了如何将此算法应用于不同大小的棋盘。

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

我这里贴 链接 算是在帮公众号做推广吗...好吧不废话了。我觉得文章里画的图解真的很详细易懂,本来想截图,然后一张张地用Java语言再解释一遍,但是担心涉及到知识产权和版权问题,出于尊重的原因。还是只贴链接吧。建议大家可以先看一下链接里的思路解释,对于理解下面的代码实现就会容易很多了。

我们先以8*8的棋盘为例,进行八皇后问题的实现:

一、如果只对总方案数进行计算:

public class Main {
	static int[] queens = new int[8]; // 记录每一行的皇后位置
	static int count = 0;// 记录方案总数
 
	static void dfs(int row) {
		if (row == 8) { 
			count++;
			return;
		}
		for (int column = 0; column < 8; column++) {
			queens[row] = column; // 在该行的第column列上放置皇后
			if (conflict(row) == false) 
				dfs(row + 1); 
		}
	}
 
	static boolean conflict(int row) {
		for (int x = 0; x < row; x++) { // 第row行上的皇后与前面row-1个皇后比较
			if (queens[x] == queens[row]) // 两个皇后在同一行上
				return true;
			if (Math.abs(queens[x] - queens[row]) == (row - x)) // 两个皇后在同一对角线上
				return true;
		}
		return false;
	}
 
	public static void main(String[] args) {
		dfs(0);
		System.out.println(count);
	}
}
 
 
输出:92


二、如果需要打印出各个方案:

public class Main {
	static int[] queens = new int[8]; 
	static int count = 0;
 
	static void dfs(int row) {
		if (row == 8) { 
			count++;
			System.out.println("方案" + count + ":"); //打印方案
			print();
			return;
		}
		for (int column = 0; column < 8; column++) {
			queens[row] = column; 
			if (conflict(row) == false) 
				dfs(row + 1); 
		}
	}
 
	static boolean conflict(int row) {
		for (int x = 0; x < row; x++) { 
			if (queens[x] == queens[row]) 
				return true;
			if (Math.abs(queens[x] - queens[row]) == (row - x)) 
				return true;
		}
		return false;
	}
 
 
	static void print() { //打印方案的函数
		for (int i = 0; i < 8; i++) {
			for (int j = 0; j < 8; j++) {
				if (queens[i] == j)
					System.out.print("1 "); //表示皇后位置
				else
					System.out.print("0 ");
			}
			System.out.println();
		}
	}
 
	public static void main(String[] args) {
		dfs(0);
		System.out.println(count);
	}
}
 
 
 
输出:
方案1:
1 0 0 0 0 0 0 0 
0 0 0 0 1 0 0 0 
0 0 0 0 0 0 0 1 
0 0 0 0 0 1 0 0 
0 0 1 0 0 0 0 0 
0 0 0 0 0 0 1 0 
0 1 0 0 0 0 0 0 
0 0 0 1 0 0 0 0 
方案2:
1 0 0 0 0 0 0 0 
0 0 0 0 0 1 0 0 
0 0 0 0 0 0 0 1 
0 0 1 0 0 0 0 0 
0 0 0 0 0 0 1 0 
0 0 0 1 0 0 0 0 
0 1 0 0 0 0 0 0 
0 0 0 0 1 0 0 0 
方案3:
1 0 0 0 0 0 0 0 
0 0 0 0 0 0 1 0 
0 0 0 1 0 0 0 0 
0 0 0 0 0 1 0 0 
0 0 0 0 0 0 0 1 
0 1 0 0 0 0 0 0 
0 0 0 0 1 0 0 0 
0 0 1 0 0 0 0 0 
......
以下省略


那么如果推广到n*n的棋盘呢?

情况大同小异。为了能够解释清楚,我这里用一道题目来具体化。





其实n*n的棋盘,并不需要改动任何核心的DFS算法,只需要按照题意改动一下输出方式即可,本题只要求输出前三个解。

下面附代码:

import java.util.Scanner;
 
public class Main {
	static int[] queens; 
	static int count = 0;
	static int n;
 
	static void dfs(int row) {
		if (row == n) { 
			count++;
			if (count <= 3) { //按照题意输出
				for (int i = 0; i <= n - 2; i++) {
					System.out.print((queens[i] + 1) + " "); //注意+1
 
				}
				System.out.println(queens[n - 1] + 1);
			}
			return;
		}
		for (int column = 0; column < n; column++) {
			queens[row] = column; 
			if (conflict(row) == false) {
				dfs(row + 1); 
			}
			queens[row] = 0;
		}
	}
 
	static boolean conflict(int row) {
		for (int x = 0; x < row; x++) { 
			if (queens[x] == queens[row]) 
				return true;
			if (Math.abs(queens[x] - queens[row]) == (row - x)) 
				return true;
		}
		return false;
	}
 
	public static void main(String[] args) {
		Scanner sc = new Scanner(System.in);
		n = sc.nextInt();
		queens = new int[n];
		dfs(0);
		System.out.println(count);
	}
}
 
输入:6
输出:
2 4 6 1 3 5
3 6 2 5 1 4
4 1 5 2 6 3
4

 

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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