面试题:N皇后问题,思路和python解题笔记

n皇后问题算法思路和python解法

问题描述

n皇后问题,在n×n的棋盘上,解出n个皇后所有不能互相攻击的摆法,
皇后在数组中用“Q”表示,空地用“.”表示
返回的数据结构格式要求:[[“.Q…”,“…Q”,“Q…”,“…Q.”],[“…Q.”,“Q…”,“…Q”,“.Q…”]]
注:皇后在棋盘中的攻击范围是横、竖、左和右中位线的四个方向

解题思路分析

在这里插入图片描述

红色划线部分为皇后的攻击范围,不可以放另外一个皇后
横竖方向的限制很容易:只要与当前Q的行和列相同的索引的部分全部禁止即可

关键的难点是如何处理左右斜线方向的皇后禁止放置点

思考的时候从关键点出发,如果使用穷举判断的方式处理,需要在遍历每一行的时候都判断是否是前面所有已放置皇后的攻击范围,首先这个处理方式就需要增加一层1, 2, 到 n的循环,其次判断皇后的斜线攻击范围直接处理并不方便

因此着手于关键点继续思考,只有尝试寻找斜线方向攻击范围是否存在什么规律,如果能找到规律应该能减少不少的处理复杂度
这里就直接放结论了,规律的思考和寻找主要是靠自己多观察、学习和动手尝试
对于正斜线方向,对于图中的Q地点视为坐标系原点,往右方向是x轴,往下方向是y轴,那么左斜线攻击范围是一条y=-x的线,右斜线方向攻击范围是一条y=x的线
在这里插入图片描述

这是对于第一行的Q
对于其他行的Q,也有类似的规律,左斜线攻击范围满足y+x=c, 右斜线方向攻击范围满足y-x=c,c是一个常数
例如Q在第三行的第一个位置(2, 0),
那么第一行的(0, 2)和第二行的(1, 1)是左斜线的攻击范围(满足x+y=2的规律)
第四行的(3, 1)是右斜线的攻击范围(满足y-x=2的规律)

理解规律之后就剩下代码的逻辑处理了,

代码实现

# -*- coding:utf-8 -*-class Solution:def solve_n_queens(self, n):# 1.定义一个二维数组用于存放Q在各行的位置(索引),每一个解法对应一个数组result = []  # 有几种解法目前还不确定# 2.遍历n×n棋盘求解# 2.1 按行遍历时,每行最多只能存放1个Q,遍历一次即可无需其他处理,因此递归回溯时只需要将Q能存放的列索引存储即可(所有解法)def backtrack(att_vertical, att_left, att_right):# 3.1 当遍历n次找到了n个皇后位置时递归结束,所有解法都找了一遍l_vertical = len(att_vertical)if l_vertical == n:result.append(att_vertical)return Nonefor i in range(n):  # 这里可以认为行列同时增加,可以理解为for i, j in zip(n, n): ...# 3.2 将当前Q的所有攻击范围都搜索和加入到对应的累积攻击范围的数组中# 3.2.1 列攻击范围对应的值是i不用解释,# 左斜线攻击范围的值是i+l_vertical包含了当前行所有位置Q的左斜线攻击范围: 以n=4为例,l_vertical可能的取值为[0,3](为4时结束),i的取值范围也是[0,3],# 所以分别相加就是所有左斜线攻击范围的值# 右斜线攻击范围同理# left: x+y的值是常数,right: x-y的值是常数,x对应i,y对应l_verticalif i not in att_vertical and (i + l_vertical) not in att_left and (i - l_vertical) not in att_right:# 3.2.2 当前Q的列不在攻击范围+左斜线不在攻击范围+右斜线不在攻击范围(这里的攻击范围是当前位置已累计的攻击范围),那么就可以加入当前Q的攻击范围并往下继续搜寻backtrack(att_vertical + [i], att_left + [i + l_vertical], att_right + [i - l_vertical])# 当遍历n次没有找到解法时也会结束# 3. 皇后的攻击范围是:列、左斜线、右斜线方向,分别用3个数组存放其位置(索引)backtrack([], [], [])  # e.g. [[1, 3, 0, 2], [2, 0, 3, 1]]return [[i * "." + "Q" + (n - i - 1) * "." for i in sol] for sol in result]if __name__ == '__main__':s = Solution()print(s.solve_n_queens(4))

输出

[['.Q..', '...Q', 'Q...', '..Q.'], ['..Q.', 'Q...', '...Q', '.Q..']]

代码主要的逻辑功能都写在了注释里面,这里主要补充result的作用,由于结果的格式是类似[[".Q..","...Q","Q...","..Q."],["..Q.","Q...","...Q",".Q.."]]的方式存储,因此设计result存放每种存放方式的一个数组,每种存放方式的数组的Q的列索引,也就是变量cols存放的值,都对应存放到了result中,对于这个示例,result的值是[[1, 3, 0, 2], [2, 0, 3, 1]],最后根据Q的索引值生成空地“.”和皇后“Q”的位置

关于N皇后的问题,这种回溯递归的方法在n很大的时候仍然会持有不少的时间复杂度,要进一步减少复杂度,还有一种位运算的方式,是N皇后问题的最优解法,这种解决方式的记录和解析将会在下一节的时候补充进来

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/469411.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Pytorch神经网络理论篇】 07 激活函数+Sigmoid+tanh+ReLU+Swish+Mish+GELU

同学你好!本文章于2021年末编写,获得广泛的好评! 故在2022年末对本系列进行填充与更新,欢迎大家订阅最新的专栏,获取基于Pytorch1.10版本的理论代码(2023版)实现, Pytorch深度学习理论篇(2023版)目录地址…

【Pytorch神经网络理论篇】 08 Softmax函数(处理分类问题)

同学你好!本文章于2021年末编写,获得广泛的好评! 故在2022年末对本系列进行填充与更新,欢迎大家订阅最新的专栏,获取基于Pytorch1.10版本的理论代码(2023版)实现, Pytorch深度学习理论篇(2023版)目录地址…

Python套接字编程Socket Progaming——1

本篇文章是Network And Web Programing-Socket Programing分类中的第一篇文章,内容主要包含 Socket概念理解Socket programing介绍一个简单的TCP协议的server-client程序支持同时处理多个客户端简单server-client连接程序socket的常用选项使用 理解socket概念 一…

【Pytorch神经网络理论篇】 09 神经网络模块中的损失函数

同学你好!本文章于2021年末编写,获得广泛的好评! 故在2022年末对本系列进行填充与更新,欢迎大家订阅最新的专栏,获取基于Pytorch1.10版本的理论代码(2023版)实现, Pytorch深度学习理论篇(2023版)目录地址…

【Pytorch神经网络理论篇】 10 优化器模块+退化学习率

同学你好!本文章于2021年末编写,获得广泛的好评! 故在2022年末对本系列进行填充与更新,欢迎大家订阅最新的专栏,获取基于Pytorch1.10版本的理论代码(2023版)实现, Pytorch深度学习理论篇(2023版)目录地址…

HAProxy负载均衡原理及企业级实例部署haproxy集群

HAProxy是一种高效、可靠、免费的高可用及负载均衡解决方案,非常适合于高负载站点的七层数据请求。客户端通过HAProxy代理服务器获得站点页面,而代理服务器收到客户请求后根据负载均衡的规则将请求数据转发给后端真实服务器。 同一客户端访问服务器&…

【Pytorch神经网络实战案例】07 预测泰坦尼克号上生存的乘客

1 样本处理 1.1 载入样本代码---Titanic forecast.py(第1部分) import numpy as np import torch import torch.nn as nn import torch.nn.functional as F from scipy import stats import pandas as pd import matplotlib.pyplot as plt import os o…

基于sanic的服务使用celery完成动态修改定时任务

首先声明一下 考虑到celery目前和asyncio的不兼容性,协程任务需要转换为非异步的普通方法才能被当做task加入定时,并且celery和asyncio使用可能会带来预想不到的问题,在celery官方第二次承诺的6.0版本融合asyncio之前,需要慎重考虑…

Pyscript,使用Python编写前端脚本

介绍 Anaconda的CEO Peter Wang在前两个月的时候发布了Pyscript,实现了在HTML支持Python的使用,整个引用过程甚至不需要安装任何环境,只需要使用link和script标签即可引用实现Python在HTML中运行的功能,在HTML中也可以运行和使用…

如何把应用程序app编译进android系统

转载:http://ywxiao66.blog.163.com/blog/static/175482055201152710441106/------------------------------------------------------------------把常用的应用程序编译到img文件中,就成了系统的一部分,用户不必自己安装,当然也卸…

【Pytorch神经网络实战案例】08 识别黑白图中的服装图案(Fashion-MNIST)

1 Fashion-MNIST简介 FashionMNIST 是一个替代 MNIST 手写数字集 的图像数据集。 它是由 Zalando(一家德国的时尚科技公司)旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。 FashionMNIST 的大小、格式和训练集/测试集划分与…

PHP list的赋值

List右边的赋值对象是一个以数值为索引的数组,左边的变量的位置和赋值对象的键值一一对应,有些位置的变量可以省略不写。非末尾的被赋值变量省略时,分隔的逗号不能省略。左边变量被赋值的顺序是从右到左的。 1 list($a, ,$b,$c[],$c[]) [1,2…

Pyscript,创建一个能执行crud操作的网页应用

目录 实现一个添加邀请客人名单的功能 循序渐进,逐步实现: 输入客人名称,按下enter键添加客人名单点击客人名单在名单上添加或者取消添加删除线,表示已经检查客人到场或未到场 checkbox,点击客人名单或者点击checkb…

爬虫实战学习笔记_1 爬虫基础+HTTP原理

1 爬虫简介 网络爬虫(又被称作网络蜘蛛、网络机器人,在某些社区中也经常被称为网页追逐者)可以按照指定的规则(网络爬虫的算法)自动浏览或抓取网络中的信息。 1.1 Web网页存在方式 表层网页指的是不需要提交表单,使…

爬虫实战学习笔记_2 网络请求urllib模块+设置请求头+Cookie+模拟登陆

1 urllib模块 1.1 urllib模块简介 Python3中将urib与urllib2模块的功能组合,并且命名为urllib。Python3中的urllib模块中包含多个功能的子模块,具体内容如下。 urllib.request:用于实现基本HTTP请求的模块。urlb.error:异常处理…

java----IO和NIO的区别

概念:NIO即New IO,这个库是在JDK1.4中才引入的。NIO和IO有相同的作用和目的,但实现方式不同,NIO主要用到的是块,所以NIO的效率要比IO高很多。在Java API中提供了两套NIO,一套是针对标准输入输出NIO&#xf…

【Pytorch神经网络理论篇】 11 卷积网络模型+Sobel算子原理

同学你好!本文章于2021年末编写,已与实际存在较大的偏差! 故在2022年末对本系列进行填充与更新,欢迎大家订阅最新的专栏,获取基于Pytorch1.10版本的理论代码(2023版)实现, Pytorch深度学习理论篇(2023版)…

DataFrame高效处理行列数据/倒三角型数据/处理阶梯型数据/根据列的值确定行的值

锲子 在使用pandas处理数据时,遇到了一种要按照留存天数来处理的数据,当列所对应的日期超过了最晚的“今天”那么数据就要置为0,举个例子: 在这个DataFrame中,需要将超过了今天2022-10-30的数据置为“-”&#xff0c…

Sanic服务启动失败,报错Cannot finalize with no routes defined

Sanic服务启动失败,记录解决方法 问题描述 Sanic服务启动失败,同样的代码和python版本在之前的win10系统上运行的好好的,换了台win11的机器就跑不起来了,不知道是系统原因还是因为换了执行pycharm等其他原因 在尝试启动时总是会…

【Pytorch神经网络理论篇】 12 卷积神经网络实现+卷积计算的图解

同学你好!本文章于2021年末编写,获得广泛的好评! 故在2022年末对本系列进行填充与更新,欢迎大家订阅最新的专栏,获取基于Pytorch1.10版本的理论代码(2023版)实现, Pytorch深度学习理论篇(2023版)目录地址…