DLX算法求解数独

首先，DLX算法并不是为了解数独而提出的，它是为了解决精确覆盖问题而被提出的。
精确覆盖问题：给定一个由0-1组成的矩阵，是否能找到一个行的集合，使得集合中每一列都恰好包含一个1。
数独这个问题恰好拟合了DLX算法的模型，所以可以用该方法求解。
DLX算法的具体分析请看 跳跃的舞者，舞蹈链（Dancing Links）算法——求解精确覆盖问题。该帖讲述的十分详细，就不在这里赘述算法的本身了。DLX算法实质上是一种解决问题的模型，它是一种通用的搜索方法，只需要进行适当的转化与建模，就能将一个复杂问题转化为精确覆盖问题。再配合上双向十字链表的优化，大大降低递归成本。
在上面的精确覆盖问题中，我们可以分析得到两个要点：1.要求每列都被覆盖；2.恰好包含一个1，也就是说要恰好每列都被一个1覆盖，也就是“有且只有一个”。所以在分析问题的时候，我们可以将行可以看做是我们可以选择的解空间，而列则是该解空间所要满足的要求。
比如说数独，对于数独的DLX构造，先来分析行。对于数独的每个格子，都有9种填法，所以最后有9*81=729种，DLX的行就是729行。而对于列，首先，对于数独的81个格子，每个格子都只能填一个数，所以需要81列来保证每个格子中有且只有一个数；其次，对于数独的每一行，都需要满足有且恰好只有一个1，有且恰好只有一个2，……，有且恰好只有一个9，所以每一行都需要9列，9行就需要81列；同理，列与九宫格与行所要满足的要求是一样的。所以最后一共需要81*4=324列来满足数独的题目要求。在上述所有列的分析中，需要满足的条件都是“有且只有一个”，这与前面的覆盖问题恰好吻合。
对于DLX数组的列坐标分配：
0~80列——格
81~161列——行
162~242列——列
243~323列——九宫格
所以设row为行坐标，col为列坐标，num=9 * row + col，则在数独中
1.对于每个未知的点来说：
for (int i = 0; i < 9; i++)
{
Matrix[num * 9 + i][num] = 1;//每格唯一
Matrix[num * 9 + i][81 + row * 9 + i] = 1;//每行每个数唯一
Matrix[num * 9 + i][162 + col * 9 + i] = 1;//每行每个数唯一
Matrix[num * 9 + i][243 + (row / 3 * 3 + col / 3) * 9 + i] = 1;
//每九宫格每个数唯一
}
对于一个未知的点，它能填9个数，所以将所有的需求都添加进去；
2.对于一个已知的点来说：
{
i = sudoku[row][col] - '1';//得到该数
Matrix[num * 9 + i][num] = 1;//每格唯一
Matrix[num * 9 + i][81 + row * 9 + i] = 1;//每行每个数唯一
Matrix[num * 9 + i][162 + col * 9 + i] = 1;//每行每个数唯一
Matrix[num * 9 + i][243 + (row / 3 * 3 + col / 3) * 9 + i] = 1;
//每九宫格每个数唯一
}

对于一个已知的点，它的num列是唯一的，所以为了满足要求，在搜索过程中，它是一定会被选中的，这样就保证了该点的选择的唯一性。

在后续过程中，则需要建立一个双向十字链表，然后进行DFS。过程很繁琐，就不在这里赘述了。

上述就是对数独问题用DLX算法进行求解的建模了。可以发现，如果一个问题可以用DLX求解，那么只要通过适当的建模，就可以把任何复杂的问题转化为一个已知解法的搜索问题。而在建模的时候，抓住“有且只有一个”这一重要条件，就可以轻松理解问题，并加以转化。