N皇后看回溯套路

这个讲回溯套路的不错

我起初的思路
以 4 皇后为例,我画出一个搜索树,初始时棋盘的格子都是"."。
在这里插入图片描述
每一行,选一个格子置为"Q",一行行往下选,第一行有四种选择。
在选下一行的皇后时,为了避免列的冲突,有三种选择。
继续选下去,构建完整解,可能会遇到对角线冲突。
遇到冲突,继续选下去没有意义,得不出合法的解。需要回溯。

回溯的套路

  • 遍历枚举出所有可能的选择。
  • 依次尝试这些选择:作出一种选择,并往下递归。
  • 如果这个选择产生不出正确的解,要撤销这个选择(将当前的 “Q” 恢复为 “.”),回到之前的状态,并作出下一个可用的选择。
  • 是一个选择、探索、撤销选择的过程。识别出死胡同,就回溯,尝试下一个点,不做无效的搜索。

思路修正
我在枚举选择时,规避了行和列的冲突,前面画的搜索树已经是修剪后的。

但我还是想复杂了,对角线冲突和行列冲突一起作为约束就好,直接进行充分剪枝。

即遍历之前的行,如果当前的格子和之前的皇后们 同列或同对角线,则跳过该点(这需要优化,后面会讲)

你看上图左边两个叶子节点,下一行怎么放都冲突,可选的选项都被剪完了,

当所有可选的选择迭代完,当前递归分支就结束,撤销最后的选择,回到上一层,切入另一个分支。

当填完第四行,如上图的绿钩,生成了一个解,加入解集,并返回(这里不返回也行,因为已经做了充分的剪枝,不返回就会走一遍迭代,递归也结束),开始回溯,继续寻找完整解。
在这里插入图片描述

回溯的三要点

选择,决定了搜索空间,决定了搜索空间有哪些节点。
约束,用来剪枝,避免进入无效的分支。
目标,决定了什么时候捕获有效的解,提前结束递归,开始回溯。

作者:xiao_ben_zhu
链接:https://leetcode-cn.com/problems/n-queens/solution/shou-hua-tu-jie-cong-jing-dian-de-nhuang-hou-wen-t/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


回溯方法:

  • 思想:试探,尝试着先做,不行再回退
  • 做法:
  1. 遍历枚举出所有可能的选择(回溯问题可能乍看都有些复杂,考虑个简单的情况,不要吝啬画图,树形图之类的帮助理清思路。

选择,决定了搜索空间,决定了搜索空间有哪些节点。

  1. 依次尝试这些选择:(不同的题,选择方法不一样,可以是修改状态,压入数组,交换顺序,标记等等)
  2. 作出一种选择,并往下递归。

约束,用来剪枝,避免进入无效的分支。

  1. 如果这个选择产生不出正确的解,要撤销这个选择(将当前的 “Q” 恢复为 “.”),回到之前的状态,并作出下一个可用的选择。

目标,决定了什么时候捕获有效的解,提前结束递归,开始回溯。

是一个选择、探索、撤销选择的过程。识别出死胡同,就回溯,尝试下一个点,不做无效的搜索。

不同的题,可能选择,约束,目标三点有所变化

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
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