《AI之矛》（1）【数独Agent】

Github仓库地址

学习是为了寻找解决问题的答案，若脱离了问题只为知晓而进行的打call，那么随时间流逝所沉淀下来的，估计就只有“重在参与”的虚幻存在感了，自学的人就更应善于发现可供解决的问题。为了入门AI，定个小目标，解决数独问题。

一、问题描述

一个9*9的方格中，部分方格已预先填入数字，目的是按照如下规则将空白方格填上1-9中的一个：

1. 每个方格中填且仅填一个数字，数字取值范围1-9
2. 以每行九个方格为单元来看，1-9每个数字都要出现，且仅出现一次
3. 以每列九个方格为单元来看，1-9每个数字都要出现，且仅出现一次
4. 以3*3九个方格为单元来看，1-9每个数字都要出现，且仅出现一次

描述问题是解决问题的第一步（将问题转化为程序所能理解的数据模型，才能做进一步有效地思考）

1.1 问题记录方式

1. 从左到右从上到下，以一个字符串的方式记下所有方格中的内容，有数字记数字，空白记作点（.），如：..3.2.6..9..3.5..1..18.64....81.29..7.......8..67.82....26.95..8..2.3..9..5.1.3..
2. 以字典的方式记录，将每行标记为ABCDEFGHI，每列标记为123456789，字典的key值为标记的单元格描述，如：A1,G4等；字典的value值为方格中的记录：有数字记数字，空白记作点（.）

{
  'A1': '.'
  'A2': '.',
  'A3': '3',
  'A4': '.',
  'A5': '2',
  ...
  'I9': '.'
}

字符串方式，记录简洁占用空间小，但处理起来比较麻烦；字典方式，方便查找处理，但记录空间较大。

所以，我们以字符串方式记录存储，以字典方式进行运算求解。那么在运算求解前需要对记录方式的转换。

1.2 字典方式记录

1.2.1 所有key值数组

rows = 'ABCDEFGHI'
cols = '123456789'

def cross(a, b):
    return [s+t for s in a for t in b]

boxes = cross(rows, cols)

1.2.2 规则单元

row_units = [cross(r, cols) for r in rows]
column_units = [cross(rows, c) for c in cols]
square_units = [cross(rs, cs) for rs in ('ABC','DEF','GHI') for cs in ('123','456','789')]
unitlist = row_units + column_units + square_units

1.2.3 指定单元格所属规则单元

units = dict((s, [u for u in unitlist if s in u]) for s in boxes)
peers = dict((s, set(sum(units[s],[]))-set([s])) for s in boxes)

1.3 记录方式转换

def grid_values(grid):
    return dict(zip(boxes, grid))

zip() 将可迭代的对象作为参数，把对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表

二、策略1：过滤淘汰

首先明确一个概念：

• 规则单元：一个方格所属的水平行、垂直列以及3*3方阵的所有方格
• 规则同胞：一个方格的规则单元中除了自己的其他方格

如果没有任何限制，每个方格可填入的数字可以是123456789中的任何一个，而根据数独游戏规则，预先填入数字的方格会限制，该方格的规则单元中，其他待填数方格的数字取值范围。所以显而易见的解决策略，便是根据限制规则，缩小取值范围。

开始进行过滤淘汰之前，我们需要的初始数独方格字典中，代表空方格的（.）用可取值的数字范围替换，初始范围为123456789

def grid_values(grid):
    valueLst = []
    digits = '123456789'
    for item in grid:
        if item == '.':
            valueLst.append(digits)
        elif item in digits:
            valueLst.append(item)
    return dict(zip(boxes, valueLst))

如此获得的初始数独方格字典为：

{
    'A1': '123456789',
    'A2': '123456789',
    'A3': '3',
    'A4': '123456789'
    'A5': '2',
    ...
    'I9': '123456789'
}

过滤淘汰策略：找到已确定的数独方格，再依次遍历这些方格的规则同胞方格，从待确定方格的取值范围中，把已确定的数字去掉，以缩小取值范围。

def eliminate(values):
    solvedBoxes = [box for box in values.keys() if len(values[box]) == 1]
    for box in solvedBoxes:
        value = values[box]
        for peer in peers[box]:
            values[peer] = values[peer].replace(value, '')
    return values

过滤淘汰策略，是在规则单元上进行取值范围缩小的。这只覆盖了数独游戏规则的一部分，而数独规则还包括：
每个最小规则单元中九个方格中的数字123456789仅出现一次。特别说明一下，最小规则单元：
单行的九个方格，单列的九个方格，或3*3的九个方格，也可以说一个规则单元包含了三个最小规则单元。

三、策略2：唯一可选

根据最小规则单元，进一步缩小规则同胞中待填数的取值范围，便引出了第二条规则：唯一可选策略

如果最小规则单元中，只有一个方格出现了某个数字，那么这个方格就该填这个数字

def only_choice(values):
    for unit in unitlist:
        for digit in '123456789':
            places = [box for box in unit if digit in values[box]]
            if len(places) == 1:
                values[places[0]] = digit
    return values

交替使用过滤淘汰策略和唯一可选策略便可将数独问题中，所有待填数方格的取值范围缩减至最小，但由于这两种策略循环使用的终止条件，是不再有新确定的填数方格出现，所以这并不充分能解决所有数独问题。

def reduce_puzzle(values):
    stalled = False
    while not stalled:
        solved_values_before = len([box for box in values.keys() if len(values[box]) == 1])
        values = eliminate(values)
        values = only_choice(values)
        solved_values_after = len([box for box in values.keys() if len(values[box]) == 1])
        stalled = solved_values_before == solved_values_after
        if len([box for box in values.keys() if len(values[box]) == 0]):
            return False
    return values

四、策略3：约束搜索

对于方格预设数字比较多的数独问题，或许可以直接通过上述缩减取值范围的方法解决。但当所给预设数字方格比较少时，在完成取值范围缩小后，必然还会有一些取值不确定的方格存在。如此问题的求解，就需要从多个可选值的方格中，分别假定其中一个进行搜索。

而此处针对进一步的搜索，有两个问题需要考虑：

1. 如何选取搜索起点方格？
2. 确定哪种搜索策略：深度优先搜索，广度优先搜索？

关于第一个问题，无论选择哪个方格起始搜索，对于能否解决问题来说并不存在差异。而从求解过程的性能和效率来考虑，就有了差别。而在思考第二个问题之前，还需要明确一点：数独问题的解是否唯一？显然如果预设的方格过多且彼此矛盾，问题必然无解，而预设的方格过少，势必也会存在多个满足规则的解。所以为了优先求得一个确定解，我们采取深度优先搜索，而若是求可能的所有解，多线程进行广度优先搜索，可以获得较好的时间复杂度，但却需要暂存许多中间信息。

def search(values):
    values = reduce_puzzle(values)
    if values is False:
        return False
    if all(len(values[s]) == 1 for s in boxes):
        return values
    n,s = min((len(values[s]), s) for s in boxes if len(values[s]) > 1)
    for value in values[s]:
        new_values = values.copy()
        new_values[s] = value
        attemp = search(new_values)
        if attemp:
            return attemp

如此数独问题得解，但能解决速度问题的程序就能成为AI么？