C语言经典算法之八数码难题_c语言八数码-CSDN博客

typedef struct {
    int board[3][3]; // 用来存储3x3棋盘的状态
    // 可能还包括其他信息，如父节点、移动步数等
} PuzzleState;

// 假设目标状态：
const int targetBoard[3][3] = {
    {1, 2, 3},
    {4, 5, 6},
    {7, 8, 0} // 0代表空白格子
};

在实现解决方案时，可以使用多种搜索算法，如广度优先搜索（BFS）、深度优先搜索（DFS）、A*搜索等。以下是使用BFS的基本思路：

创建队列：用于存放待搜索的状态。
定义状态转换函数：根据当前状态，生成所有可能的下一状态（即一次移动之后的状态）。
检查目标状态：每当从队列中取出一个状态时，检查它是否为目标状态，如果是，则找到了解。
加入新状态：如果不是目标状态，则生成的所有合法的新状态加入队列，等待后续搜索。

对于C语言实现，你可能会有一个核心循环，像这样：

#include <queue>
#include <iostream> // 可能需要用于打印状态

// 假设PuzzleState的定义
struct PuzzleState {
    // 这里定义谜题状态的数据成员，例如board是一个二维数组或类矩阵
    int board[ROWS][COLS];
    // 可能还有记录路径的额外信息，此处省略
};

// 假设Queue是一个基于std::queue的封装类
class Queue {
public:
    std::queue<PuzzleState*> states;

    // 初始化队列
    Queue() {}

    // 添加状态到队列末尾
    void Enqueue(PuzzleState* state) {
        states.push(state);
    }

    // 从队列头部移除并返回状态
    PuzzleState* Dequeue() {
        PuzzleState* front = states.front();
        states.pop();
        return front;
    }

    // 判断队列是否为空
    bool IsEmpty() const {
        return states.empty();
    }

    // 清理队列，这里假定我们需要删除队列中动态分配的状态
    ~Queue() {
        while (!states.empty()) {
            delete states.front();
            states.pop();
        }
    }
};

// 目标状态比较函数
bool IsTargetState(const PuzzleState& currentState, const PuzzleState& targetState) {
    // 实现比较逻辑，确定当前状态是否为目标状态
    // ...
    return /*比较结果*/ true; // 替换为实际比较逻辑
}

// 生成所有可能的下一个状态并加入队列
void GenerateNextStates(const PuzzleState& currentState, Queue* queue) {
    // 根据谜题规则生成currentState的后续状态，并将其加入queue
    // ...
    for (const auto& nextState : generatedStates) {
        PuzzleState* newState = new PuzzleState(nextState);
        queue->Enqueue(newState);
    }
}

int main() {
    // 初始化队列
    Queue queue;

    // 初始化起始状态并加入队列
    PuzzleState initial;
    // ... 设置initial.board...
    // 假设已设置好initial.board
    queue.Enqueue(&initial);

    while (!queue.IsEmpty()) {
        PuzzleState* currentState = queue.Dequeue();

        // 检查是否达到目标状态
        if (IsTargetState(*currentState, targetBoard)) {
            // 打印解题路径或返回解
            std::cout << "找到解!\n";
            //... 打印或处理解
            break;
        }

        // 生成所有可能的下一个状态
        GenerateNextStates(*currentState, &queue);
    }

    // 如果Queue类内部已经实现了析构函数来清理队列中的动态分配的状态，则无需额外清理
    // 如果没有实现自动清理，这里需要手动释放内存，但这通常不建议在现代C++中这样做
    // 因为在上述Queue类设计中，析构函数已经负责了这一工作

    return 0;
}

注意，上述代码只是一个概念上的实现，实际应用中需要根据具体的谜题规则来填充IsTargetState和GenerateNextStates函数的内容，并确保适当管理和释放内存（如果使用了动态分配）。另外，在C++标准库中直接使用std::queue<PuzzleState>而不是自定义Queue类也是可行的，只需稍作调整即可。

二时空复杂度

A.时间复杂度分析：

对于 广度优先搜索（BFS） 来说，如果每一步都均匀分布（即任何合法移动都能到达最终解），则时间复杂度理论上是最优的，约为 $O(b^\frac{d}{2})$ ，其中 b 是宽度（即每次扩展状态下最多能产生的新状态数量，在八数码问题中最大宽度是4，因为空白格子最多可以移动到相邻的4个位置），d 是解的步数。
若使用 深度优先搜索（DFS） ，在最坏情况下（如果没有剪枝策略，且状态空间巨大时），可能会导致指数级的时间复杂度 $O(b^d)$ 。
对于 A*搜索 或 IDA*搜索 加上了启发式函数，若启发式函数是理想的Admissible（保守）和Consistent（一致），则能在最优情况下达到线性时间复杂度，但实际复杂度取决于启发式函数的好坏，一般会优于无信息搜索。

B.空间复杂度分析：

存储队列（或堆栈，对于DFS）中的中间状态会导致的空间复杂度为 O(bd)，因为在最坏情况下，搜索树的每一层都有 b 个状态，共搜索 d 层。
如果使用哈希表来记录已经访问过的状态以避免重复，则空间复杂度取决于状态总数，对于八数码问题，共有 9! 种不同的排列（不考虑空白格子的位置），因此理论上哈希表空间复杂度可能高达 O(9!)，但在实际应用中，很多状态是重复的，所以实际占用的空间会小得多。