文章目录
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 n=1000 n=1000需要超过 7 7 7分钟, n = 10000 n=10000 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 n 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 ) O(n^2) O(n2)
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 n=1000 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:
- 引入选择概率
- 改变步长
- 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 n(n - 1) / 2 n(n−1)/2,这导致选择过程会是 O ( n 2 ) O(n^2) O(n2)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