局部搜索解千万级别N皇后问题

局部搜索解n皇后，并测试n的极限

实验v0

v0版本我实现了最基本的局部搜索算法，该版本解$n=1000$需要超过$7$分钟，$n=10000$时间太长，超过极限。

状态的表示

首先，使用哪种数据结构表示n皇后问题的一个状态是很重要的，直接影响到算法的效率。我使用一个一维数组来表示状态，i, board[i]表示一个皇后的行、列位置。

初始时要随机生成一个状态，此时就可以解决掉所有行和列上的冲突，即保证每一行、每一列都只有一个皇后，那么这个过程就可以编码成随机生成一个元素值在[0, n - 1]的不重复的大小为$n$的数组。

指标函数

n皇后问题的指标可以用皇后间的冲突数来表示，显然我们的目标是最小化冲突数到0，即找到n皇后的一个解。v0版本中我采用暴力的计算冲突数方法，即遍历所有的皇后对，判断它们是否在彼此的对角线上：

int get_conflicts(int n) {
   
    int ans = 0;
    for (int i = 0; i < n - 1; ++i) {
   
        for (int j = i + 1; j < n; ++j) {
   
            if (j - i == abs(board[i] - board[j])) ans++;
        }
    }
    return ans;
}

该指标函数时间复杂度$O(n^2)$

状态选择

通过交换两个皇后的列位置，可以得到当前状态的邻域P，我们按照贪心策略，从P中随机选取一个元素作为P’，那么P’的最优解就只有这个随机选取的元素。状态选择就变成了交换任意两个皇后的列位置，若交换后冲突数减少，则选择这个新状态。

跳出局部最优

当所有交换都不会导致冲突数减少，即邻域P为空时，我们就进入了局部最优状态，但求解n皇后问题我们是得找到全局最优，解决方案是随机重启，即重新生成初始状态并计算冲突数。

总体流程代码

bool restart = true;
int curr;
while (true) {
   
    if (restart) {
   
        random_start(n);
        curr = get_conflicts(n);
    }
    if (curr == 0) break;
    restart = true;
    for (int i = 0; i < n - 1; ++i) {
   
        for (int j = i + 1; j < n; ++j) {
   
            swap(board[i], board[j]);
            int tmp = get_conflicts(n);
            if (tmp < curr) {
   
                curr = tmp;
                restart = false;
            }
            else swap(board[i], board[j]);
        }
    }
}

值得一提的是，表示状态的数组最好采用全局变量，这样不仅可以定义更大的数组，而且相比于在程序中new、delete数组，速度快很多倍。v0版本如果改成在程序中new数组，则解$n=1000$需要17分钟。

实验v1

优化局部搜索算法主要有3种思路：

1. 引入选择概率
2. 改变步长
3. 多次生成初始解

v0版本中已经采用了思路3来帮助找到全局最优解。如果采用思路1的话，计算选择概率需要用到邻域内所有邻居的指标函数值，而邻域大小是$n(n-1)/2$，这导致选择过程会是$O(n^2)$的，因此基本上不采用这种优化思路。对于思路2，经过测试，改变步长为3（选取3个皇后参与交换）也不会改进算法效率，反而导致算法收敛更加不稳定，如果在运行过程中动态调整步长的话，何时调整也是需要探究的问题。总之，这两者都不是好的优化思路。

冲突表

v0版本存在的一个明显的问题就是计算冲突数的方法，暴力的方法复杂度 O