游戏长这样
大概玩法是:从地图中猫的位置开始出发,并且经过所有的格子就算过关。游戏还算挺有意思的,经过我的不断努力终于过到了30来关的样子。
并且随着游戏关卡的增加。游戏难度也变得越来越大,过一关需要非常久的时间。
最近也正好在研究算法,就打算看能不能写个通用的算法来找出每个地图的解。
0x01 哥尼斯堡的"七桥问题"
这个游戏的玩法和哥尼斯堡的"七桥问题"有点类似。
哥尼斯堡的"七桥问题":
18世纪著名古典数学问题之一。在哥尼斯堡的一个公园里,有七座桥将普雷格尔河中两个岛及岛与河岸连接起来(如图)。问是否可能从这四块陆 地中任一块出发,恰好通过每座桥一次,再回到起点?
当时人们想到的证明方法是把七座桥的走法都列出来一个一个试验,用排列组合的知识很容易得到七座桥所有的走法大概有7!=5040种,如果真的逐一试验,会是个很大的工作量。
但数学家欧拉没有这样想,欧拉把两座岛和河两岸抽象成顶点,七座桥抽象成连接每个顶点的七条边,那么这个问题就能被抽象成下面的图:
假设每座桥都恰好走过一次,那么对于A、B、C、D四个顶点中的每一个顶点,需要从某条边进入,同时从另一条边离开,进入和离开顶点的次数是相同的,即每个顶点有多少条进入的边,就有多少条出去的边。也就是说:每个顶点相连的边是成对出现的,即每个顶点的相连边的数量必须是偶数。
很明显,上图中A、C、D三个顶点相连的边都有3条,B顶点的相连边为5条,都是奇数。因此这个图无法从一个顶点出发,且恰好走过每座桥一次。
由此次证明人们又得到了欧拉路关系,要使得一个图形可以一笔画完,必须满足如下两个条件:
图形必须是连通的不能有孤立的点。
图中拥有奇数连接边的点必须是0或2。
对于一个连通图,通常把从某结点出发一笔画成所经过的路线叫做欧拉路。
那么这个游戏是不是就是让我们找到一条欧拉路呢?
0x02 对游戏进行抽象
按照上面证明七桥问题的方法,我们可以将游戏的地图抽象成这样:
其中14号顶点为起点
顶点和边的关系在程序中可以刻画成一个二维列表
graph = [
[1, 6], #0
[0, 2], #1
[1, 7, 3], #2
...
[24, 19] #25
]
graph列表的第一层表示每一个顶点,第二层则是与当前顶点有边的顶点,抽象完这张游戏地图后可以很清楚知道,这游戏并不是让我们找到一条欧拉路。
因为找到一条欧拉路,需要的是经过每一座桥,且只经过一次,也就是说每个顶点可以被多次经过。
而这个游戏需要的是经过每一个顶点,并不要求走完每一座桥,且顶点只能被经过一次。
0x03 哈密顿通路
在研究了七桥问题发现并不能解决这类问题后,我开始向团队的表哥们请教,其中一个表哥告诉我此类问题叫做哈密顿图(这里感谢下团队的**@xq17**表哥)。
这里说的哈密顿图,实际上是哈密顿通路的一种特殊情况 ,这种特殊情况指的是:
由指定的起点出发,途中经过所有其他顶点且只经过一次,最后返回起点,称之为哈密顿回路,如果给定的图G具有哈密顿回路,则称图G为哈密顿图。
那么现在目标明确了,这个游戏的解法就是找到某个给定图的哈密顿通路。
但是!!!
但是来了!!!
哈密顿通路问题,在上世纪七十年代初,被证明是NP-hard问题
一个复杂问题如果能在多项式时间内解决,那么它便被称为P类问题
一个复杂问题如果不能确定在多项式时间内解决,那么它便被称为NP类问题
什么意思呢?就拿质因数分解来说吧
P类问题: 23x37=?
NP类问题: 已知 axb=740914799,且a和b都是质数,求a和b的值 让我们来看看这个问题有多复杂:
因为 axb=740914799,且a和b都是质数
设 P={x|2<=x<740914799/2,x是质数}
易得 (a,b)∈PxP 即P与它自身的笛卡尔积
我们用一种叫做筛法的算法来求一下P集合的元素个数
一共有19841519个质数,算了我大概14分钟。
PxP的元素个数一共有19841519^2个,要一个个验证是否等于740914799,无疑又是一项很大的工程,这就是典型的NP类问题。NP类问题虽然难,但是可以很快验证一个给定的答案,是否正确。
比如上面的题,我告诉你答案a=22229 b=33331,你很快就能验证答案是否正确了。
而NP-hard问题则是比NP问题更难的问题,例如:围棋。
也就是说并不能找到一个友好的算法,来解决哈密顿通路问题。
0x04 算法设计
虽然找到一个图的哈密顿通路是NP困难的,但是好在游戏中的顶点不算太多,还是可以使用暴力一点的方法实现的,例如:图的深度优先遍历法(dfs)即递归和回溯法思想。
算法流程:
1. 将当前顶点压入已访问栈和路径栈中
将与当前顶点相通的顶点列出来
随机选取一个相通的顶点 并判断此顶点是否在已访问栈中
A.在已访问栈中则取另一个相通的顶点
B.不在则将这个相通的顶点作为当前顶点
C.若所有相通的顶点都在已访问栈中, 则判断路径栈是否包含所有顶点
a. 路径栈中包含所有顶点,则路径栈为当前图的哈密顿通路
b. 不包含所有顶点则回到父顶点, 并从已访问栈和路径栈中删除
反复执行1~3
0x05 算法实现
上面说过图的顶点和边的关系可以用一个二维列表来描述
graph = [
[1, 6],#0
[0, 2],#1
[1, 7, 3],#2
...
[24, 19]#25
]
但是要手动输入这些顶点和边的关系还是太麻烦了。仔细想了下,如果每个顶点的上下左右有顶点,那么就一定与上下左右的顶点有边,那么这个二维列表就可以简化成:
graph = [
[1,1,1,1,1,1],
[1,0,1,1,0,1],
[1,1,1,1,1,1],
[1,0,1,1,0,1],
[1,1,1,1,1,1],
[0,0,0,0,0,0] #每个1代表一个顶点 1与上下左右的1都有边 与0则没有 长宽相等易于编写代码
]
```
还可以再简化成一维列表:
graph = [
'111111',
'101101',
'111111',
'101101',
'111111',
'000000'
]
简直机智如我啊!
于是我写了个函数对一维列表进行转换
defget_index(i, j, G):
num = 0
forainxrange(i):
num += G[a].count('0')
forb inxrange(j):
ifG[i][b] == '0':
num += 1
returni * len(G) + j - num
defget_graph(G):
G = [list(x) forx inG]
EG = [ ]
fori inxrange(len(G)):
forj inrange(len(G[ i ])):
ifG[ i ][ j ] == '0':
continue
side_list = []
ifj+1<= len(G[i]) - 1:
ifG[i][j+1] == '1':
index = get_index(i, j-1, G)
side_list.append(index)
ifj-1>= 0:
ifG[i][j-1] == '1':
index = get_index(i, j-1, G)
side_list.append(index)
ifi+1<= len(G) - 1:
ifG[i+1][j] == '1':
index = get_index(i+1, j, G)
side_list.append(index)
ifi-1>= 0:
ifG[i-1][j] =='1':
index = get_index(i-1, j, G)
side_list.append(index)
EG.append(side_list)
returnEG
而算法的实现用图的邻接矩阵则更为方便,因此我写了一个将上列二位列表转换成邻接矩阵形式的函数:
defget_matrix(graph):
result = [[0]*len(graph)for _inxrange(len(graph))]# 初始化
fori inxrange(len(graph)):
forj ingraph[i]:
result[i][j] = 1# 有边则为1
returnresult
主要的dfs算法如下:
# graph为图的邻接矩阵 used为已访问栈 path为路径栈 step为已经遍历的顶点的个数
defdfs(graph, path, used, step):
ifstep == len(graph): # 判断顶点是否被遍历完毕
printpath
return True
else:
fori inxrange(len(graph)):
if notused[i] andgraph[path[step-1]][i] ==1:
used[i] = True
path[step] = i
ifdfs(graph, path, used, step+1):
return True
else:
used[i] = False# 回溯 返回父节点
path[step] = -1
return False
defmain(graph, v):
used = [ ] # 已访问栈
path = [ ] # 路径栈
fori inxrange(len(graph)):
used.append(False) # 初始化 所有顶点均未被遍历
path.append(-1) # 初始化 未选中起点及到达任何顶点
used[v] = True# 表示从起点开始遍历
path[0] = v # 表示哈密顿通路的第一个顶点为起点
dfs(graph, path, used, 1)
完整代码
#! /usr/bin/env python
# -*- coding: utf-8 -*-
# Coding with love by Naiquan.
defdfs(graph, path, used, step):
ifstep == len(graph):
printpath
return True
else:
foriinxrange(len(graph)):
if notused[i] andgraph[path[step-1]][i] == 1:
used[i] =True
path[step] = i
ifdfs(graph, path, used, step+1):
return True
else:
used[i] = False
path[step] = -1
return False
defmain(graph, v):
used = [ ]
path = [ ]
fori inxrange(len(graph)):
used.append(False)
path.append(-1)
used[v] =True
path[0] = v
dfs(graph, path, used, 1)
defget_index(i, j, G):
num = 0
fora inxrange(i):
num += G[a].count('0')
forb inxrange(j):
ifG[i][b] =='0':
num += 1
returni * len(G) + j - num
defget_graph(G):
G = [list(x) forx inG]
EG = []
fori inxrange(len(G)):
forj inrange(len(G[i])):
ifG[i][j] == '0':
continue
side_list = []
ifj+1<= len(G[i]) - 1:
ifG[i][j+1] == '1':
index = get_index(i, j+1, G)
side_list.append(index)
ifj-1>= 0:
ifG[i][j-1] == '1':
index = get_index(i, j-1, G)
side_list.append(index)
ifi+1<= len(G) -1:
ifG[i+1][j] == '1':
index = get_index(i+1, j, G)
side_list.append(index)
ifi-1>=0:
ifG[i-1][j] == '1':
index = get_index(i-1, j, G)
side_list.append(index)
EG.append(side_list)
returnEG
defget_matrix(graph):
result = [[0]*len(graph) for_ inxrange(len(graph))]
fori inxrange(len(graph)):
forj ingraph[i]:
result[i][j] =1
returnresult
if__name__ == '__main__':
map_list = [
'111111',
'101101',
'111111',
'101101',
'111111',
'000000'
]
G = get_graph(map_list)
map_matrix = get_matrix(G)
# print map_matrix
SP = 14
main(map_matrix, SP)
0x06 结束
在实现了功能后,我拿着这个程序成功过到了差不多一百关,然后就玩腻了,哈哈哈哈哈哈哈哈哈
0x07 本文参考资料
1. 七桥问题_百度百科
【https://baike.baidu.com/item/七桥问题/2580504?fr=aladdin】
2. 哈密顿图_百度百科
【https://baike.baidu.com/item/哈密顿图/2587317?fr=aladdin】
3. 这个数学题我做可以,但世界毁灭了别怪我【https://www.bilibili.com/video/av19009866】
4. 基于回溯法寻找哈密顿回路
【http://www.cnblogs.com/cielosun/p/5654577.html】