力扣第五十一题——N皇后

最新推荐文章于 2024-09-15 15:43:59 发布

安…..

最新推荐文章于 2024-09-15 15:43:59 发布

阅读量951

点赞数 32

文章标签： leetcode 算法职场和发展

本文链接：https://blog.csdn.net/m0_74932528/article/details/140913232

版权

内容介绍

按照国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。

n 皇后问题 研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。

给你一个整数 n ，返回所有不同的 n 皇后问题 的解决方案。

每一种解法包含一个不同的 n 皇后问题 的棋子放置方案，该方案中 'Q' 和 '.' 分别代表了皇后和空位。

示例 1：
输入：n = 4
输出：[[".Q..","...Q","Q...","..Q."],["..Q.","Q...","...Q",".Q.."]]
解释：如上图所示，4 皇后问题存在两个不同的解法。
示例 2：
输入：n = 1
输出：[["Q"]]
提示：

1 <= n <= 9

完整代码

int solutionsSize;

char** generateBoard(int* queens, int n) {
    char** board = (char**)malloc(sizeof(char*) * n);
    for (int i = 0; i < n; i++) {
        board[i] = (char*)malloc(sizeof(char) * (n + 1));
        for (int j = 0; j < n; j++) board[i][j] = '.';
        board[i][queens[i]] = 'Q', board[i][n] = 0;
    }
    return board;
}

void backtrack(char*** solutions, int* queens, int n, int row, int* columns, int* diagonals1, int* diagonals2) {
    if (row == n) {
        char** board = generateBoard(queens, n);
        solutions[solutionsSize++] = board;
    } else {
        for (int i = 0; i < n; i++) {
            if (columns[i]) {
                continue;
            }
            int diagonal1 = row - i + n - 1;
            if (diagonals1[diagonal1]) {
                continue;
            }
            int diagonal2 = row + i;
            if (diagonals2[diagonal2]) {
                continue;
            }
            queens[row] = i;
            columns[i] = true;
            diagonals1[diagonal1] = true;
            diagonals2[diagonal2] = true;
            backtrack(solutions, queens, n, row + 1, columns, diagonals1, diagonals2);
            queens[row] = -1;
            columns[i] = false;
            diagonals1[diagonal1] = false;
            diagonals2[diagonal2] = false;
        }
    }
}

char*** solveNQueens(int n, int* returnSize, int** returnColumnSizes) {
    char*** solutions = malloc(sizeof(char**) * 501);
    solutionsSize = 0;
    int queens[n];
    int columns[n];
    int diagonals1[n + n];
    int diagonals2[n + n];
    memset(queens, -1, sizeof(queens));
    memset(columns, 0, sizeof(columns));
    memset(diagonals1, 0, sizeof(diagonals1));
    memset(diagonals2, 0, sizeof(diagonals2));
    backtrack(solutions, queens, n, 0, columns, diagonals1, diagonals2);
    *returnSize = solutionsSize;
    *returnColumnSizes = malloc(sizeof(int*) * solutionsSize);
    for (int i = 0; i < solutionsSize; i++) {
        (*returnColumnSizes)[i] = n;
    }
    return solutions;
}

思路详解

一、问题背景

N皇后问题是一个经典的回溯算法问题，要求在一个N×N的棋盘上放置N个皇后，使得它们互不攻击。也就是说，任何两个皇后都不能处于同一行、同一列或同一斜线上。

二、解题思路

表示棋盘：
- 使用一维数组queens来表示棋盘，数组的索引代表行号，数组中每个元素的值代表在该行中皇后所在的列号。
回溯算法：
- 采用回溯法尝试在每一行放置一个皇后，并检查是否与前面的皇后冲突。
- 如果冲突，则回溯到上一个状态，并尝试下一个可能的位置。
冲突检测：
- 使用三个布尔数组columns、diagonals1和diagonals2分别表示列和两个方向的斜线是否已被占用。
- columns[i]表示第i列是否已放置皇后。
- diagonals1[i]表示从左上到右下的斜线是否已放置皇后。
- diagonals2[i]表示从右上到左下的斜线是否已放置皇后。

三、代码详解

生成棋盘：
- generateBoard函数根据queens数组生成对应的棋盘表示，其中’Q’表示皇后，'.'表示空位。

char** generateBoard(int* queens, int n) {
    char** board = (char**)malloc(sizeof(char*) * n);
    for (int i = 0; i < n; i++) {
        board[i] = (char*)malloc(sizeof(char) * (n + 1));
        for (int j = 0; j < n; j++) board[i][j] = '.';
        board[i][queens[i]] = 'Q', board[i][n] = 0;
    }
    return board;
}

回溯函数：
- backtrack函数是回溯算法的核心，它尝试在每一行放置皇后，并递归地检查后续行的放置情况。

void backtrack(char*** solutions, int* queens, int n, int row, int* columns, int* diagonals1, int* diagonals2) {
    if (row == n) {
        char** board = generateBoard(queens, n);
        solutions[solutionsSize++] = board;
    } else {
        for (int i = 0; i < n; i++) {
            if (columns[i] || diagonals1[row - i + n - 1] || diagonals2[row + i]) {
                continue;
            }
            queens[row] = i;
            columns[i] = true;
            diagonals1[row - i + n - 1] = true;
            diagonals2[row + i] = true;
            backtrack(solutions, queens, n, row + 1, columns, diagonals1, diagonals2);
            queens[row] = -1;
            columns[i] = false;
            diagonals1[row - i + n - 1] = false;
            diagonals2[row + i] = false;
        }
    }
}

主函数：
- solveNQueens函数初始化所需的数据结构，并调用backtrack函数开始回溯过程。

char*** solveNQueens(int n, int* returnSize, int** returnColumnSizes) {
    char*** solutions = malloc(sizeof(char**) * 501);
    solutionsSize = 0;
    int queens[n];
    int columns[n];
    int diagonals1[n + n];
    int diagonals2[n + n];
    memset(queens, -1, sizeof(queens));
    memset(columns, 0, sizeof(columns));
    memset(diagonals1, 0, sizeof(diagonals1));
    memset(diagonals2, 0, sizeof(diagonals2));
    backtrack(solutions, queens, n, 0, columns, diagonals1, diagonals2);
    *returnSize = solutionsSize;
    *returnColumnSizes = malloc(sizeof(int*) * solutionsSize);
    for (int i = 0; i < solutionsSize; i++) {
        (*returnColumnSizes)[i] = n;
    }
    return solutions;
}

四、总结

通过回溯算法，我们可以在N皇后问题中找到所有可能的解决方案。关键在于如何高效地检查冲突，并在找到冲突时回溯到上一个状态。这个算法的时间复杂度是O(N!)，因为它需要尝试所有可能的皇后排列。通过使用布尔数组来标记列和斜线，我们能够快速地检查冲突，从而提高算法的效率。

知识点精炼

一、核心概念

回溯算法：一种通过试错来寻找问题解决方案的算法，适用于组合问题。
冲突检测：在放置皇后时，确保新放置的皇后不与已放置的皇后在同一列或同一斜线上。
位运算优化：使用布尔数组来标记列和斜线是否已被占用，提高冲突检测的效率。

二、知识点精炼

棋盘表示：
- 使用一维数组queens表示棋盘，其中索引代表行，值代表皇后所在的列。
冲突检测数组：
- columns数组用于检测列冲突。
- diagonals1和diagonals2数组用于检测两个方向的斜线冲突。
回溯函数：
- backtrack函数递归地尝试在每一行放置皇后，并在放置后进行冲突检测。
- 如果所有皇后都成功放置，则生成一个解决方案。
递归终止条件：
- 当所有行都已放置皇后时，表示找到一个有效解决方案。
状态重置：
- 在回溯时，需要将当前行的皇后位置、列标记和斜线标记重置，以便尝试其他可能的放置。
解决方案存储：
- 使用solutions数组存储所有找到的解决方案。
- returnSize和returnColumnSizes用于记录和返回解决方案的数量和每行的列数。

三、性能优化

空间优化：使用布尔数组而不是整型数组来减少空间占用。
时间优化：通过提前终止递归路径来减少不必要的计算。

四、实际应用

组合问题：N皇后问题是一种典型的组合问题，其解法可以推广到其他类似的组合优化问题。
算法竞赛：在算法竞赛中，掌握回溯算法对于解决组合类问题非常有帮助。

五、代码实现要点

动态内存分配：在生成棋盘和解决方案数组时，需要动态分配内存。
内存释放：在实际应用中，需要确保在适当的时候释放分配的内存，避免内存泄漏。

如何改进算法效率

N皇后问题的回溯算法已经相对高效，因为它避免了不必要的搜索空间。然而，仍有几种方法可以进一步优化算法效率：

位运算优化：
- 使用位运算来替代布尔数组进行冲突检测，可以减少内存使用并提高速度。每一位代表一列或一条斜线，通过位掩码（bitmask）来表示皇后的位置和攻击范围。
对称性剪枝：
- 由于棋盘的对称性，我们可以只搜索一半的棋盘（例如，只搜索左上角的区域），然后根据对称性生成其他部分的解。
迭代加深搜索（IDDFS）：
- 迭代加深搜索可以用来找到解的第一个解，而不是所有解。它可以在找到第一个解后立即停止，从而提高效率。
分支限界法：
- 在搜索过程中，如果某一列或斜线上已经有皇后，则可以跳过该列或斜线上的其他位置，减少搜索空间。

以下是具体的优化方法：

位运算优化

使用三个整型变量来替代columns、diagonals1和diagonals2数组，分别表示列和两个方向的斜线占用情况。

columnMask：使用位掩码表示哪些列已经被占用。
diag1Mask：使用位掩码表示从左上到右下的斜线占用情况。
diag2Mask：使用位掩码表示从右上到左下的斜线占用情况。

位运算操作如下：

检查列是否被占用：columnMask & (1 << i)
检查斜线是否被占用：diag1Mask & (1 << (row - i + n - 1)) 和 diag2Mask & (1 << (row + i))
标记列和斜线被占用：columnMask |= (1 << i)，diag1Mask |= (1 << (row - i + n - 1))，diag2Mask |= (1 << (row + i))
取消列和斜线标记：columnMask &= ~(1 << i)，diag1Mask &= ~(1 << (row - i + n - 1))，diag2Mask &= ~(1 << (row + i))