回溯算法

回溯算法思想：

回溯算法是深度优先策略的典型应用，回溯算法就是沿着一条路向下走，如果此路不通了，则回溯到上一个分岔路，再选另一条路走，一直这样递归下去，直到遍历所有路径。回溯算法是遍历算法的一种，也是一种暴力解法。

典型应用：

【八皇后问题】在8*8的国际象棋上摆放八个皇后，使其不能互相的攻击。也就是说，任意的两个皇后不能放在同一行、同一个列或者同一个对角线上，问有多少种摆放的方法。

思路：
本算法的思路是按行来规定皇后位置，第一行放置一个皇后，第二行放置一个皇后， 第N行也放置一个皇后… 这样， 可以保证每行都有一个皇后，那么各行的皇后应该放置在哪一列呢， 算法通过循环来完成，在循环的过程中， 一旦找到一个合适的列，则该行的皇后位置确定，则继续进行下一行的皇后的位置的确定。由于每一行确定皇后位置的方式相似，所以可以使用递归法。一旦最后一行的皇后位置确定，则可以得到一组解。找到一组解之后， 之前确定皇后应该放置在哪一列的循环其实才进行了一轮循环， 算法通过该循环遍历所有的列，以此确定每一行所有可能的列的位置。在从一轮循环进入下一轮循环之前，算法需要清除在上一轮被标记为不可放置皇后的标记，也就是回溯。因为进入下一轮循环之后，同一行的皇后的列的位置会发生了变化，之前被标记为不可放置皇后的列和正反对角线位置都已经失效。

import random

# 检查当前皇后的位置与之前的皇后是否冲突
def conflict(state, nextX):
    nextY = len(state)
    for i in range(nextY):
        if abs(state[i]-nextX) in (0, nextY-i):
        # state[i]-nextX == 0：位于同一列冲突
        # state[i]-nextX == nextY-i：位于对角线冲突
            return True
    return False

# 八皇后问题的回溯算法
# 每行放置一个皇后，对列的位置进行确定
def queens(num, state=()):
    for pos in range(num):
        if not conflict(state, pos):    # 冲突，则回溯到上一层改变皇后的位置
            if len(state) == num - 1: 
                yield (pos, )
            else:
                for result in queens(num, state+(pos,)):   # ？
                    yield (pos, ) + result

# 随机打印一种解法
def prettyprint(solution):
    def line(pos, length=len(solution)):
        return '. ' * (pos) + 'X ' + '. '*(length-pos-1)
    for pos in solution:
        print(line(pos))

if __name__ == "__main__":
   print (list(queens(8)))
   print("八皇后问题有", len(list(queens(8))), "种解法")
   prettyprint(random.choice(list(queens(8)))) 

运行结果：

[(0, 4, 7, 5, 2, 6, 1, 3), (0, 5, 7, 2, 6, 3, 1, 4), (0, 6, 3, 5, 7, 1, 4, 2),...]
八皇后问题有 92 种解法
. . . X . . . . 
. . . . . X . . 
X . . . . . . . 
. . . . X . . . 
. X . . . . . . 
. . . . . . . X 
. . X . . . . . 
. . . . . . X .