八数码中的hash问题

转载改变自 



http://qfviolethill.blog.163.com/blog/static/114112168201002972344768/

八数码里对于我们这种用bfs的新手最头疼的就死活判重，现在我就见过两种方法，

1、和之前的数组比较。

2、化成字符串比较。

也许第二种确实聪明了那么一点，但是9！在时间上的开销可不是闹着玩的。

于是终于不费苦心在网上找到了一个极好的hash函数的思想；正文如下

-----------------------------------------------------------------------------------------------

看到8数码问题，首先想到的是搜索，由于问题是要求最优解的，所以我们选择搜索的方向应该是广度搜索。但随之而来的难题就出现了，广搜判重怎么处理呢？

一种很简单的思想是用for一遍以前搜过的状态。但是，八数码问题的状态共9！，显然for在时间上无法承受。

另外一种思想是把这9位数排成一列，转化成一个10进制的数进行hash，但空间上的问题有无法解决了。

 

显然，我们需要的是一个能够全排列的hash，而下面得这篇文章也就介绍了对于一个n<12的全排列状态，我们应该怎样完成hash判重

 

我们经常使用的数的进制为“常数进制”，即始终逢p进1。例如，p进制数K可表示为

    K = a0*p^0 + a1*p^1 + a2*p^2 + ... + an*p^n （其中0 <= ai <= p-1），

它可以表示任何一个自然数。

对于这种常数进制表示法，以及各种进制之间的转换大家应该是很熟悉的了，但大家可能很少听说变进制数。这里我要介绍一种特殊的变进制数，它能够被用来实现全排列的Hash函数，并且该Hash函数能够实现完美的防碰撞和空间利用（不会发生碰撞，且所有空间被完全使用，不多不少）。这种全排列Hash函数也被称为全排列数化技术。下面，我们就来看看这种变进制数。

我们考查这样一种变进制数：第1位逢2进1，第2位逢3进1，……，第n位逢n+1进1。它的表示形式为

    K = a1*1! + a2*2! + a3*3! + ... + an*n! （其中0 <= ai <= i），

也可以扩展为如下形式（因为按定义a0始终为0），以与p进制表示相对应：

    K = a0*0! + a1*1! + a2*2! + a3*3! + ... + an*n! （其中0 <= ai <= i）。

（后面的变进制数均指这种变进制数，且采用前一种表示法）

先让我们来考查一下该变进制数的进位是否正确。假设变进制数K的第i位ai为i+1，需要进位，而ai*i!=(i+1)*i!=1*(i+1)!，即正确的向高位进1。这说明该变进制数能够正确进位，从而是一种合法的计数方式。

接下来我们考查n位变进制数K的性质：

（1）当所有位ai均为i时，此时K有最大值

    MAX[K] = 1*1! + 2*2! + 3*3! + ... + n*n!

           = 1! + 1*1! + 2*2! + 3*3! + ... + n*n! - 1

           = (1+1)*1! + 2*2! + 3*3! + ... + n*n! - 1

           = 2! + 2*2! + 3*3! + ... + n*n! - 1

           = ...

           = (n+1)!-1

    因此，n位K进制数的最大值为(n+1)!-1。

（2）当所有位ai均为0时，此时K有最小值0。

因此，n位变进制数能够表示0到(n+1)!-1的范围内的所有自然数，共(n+1)!个。

在一些状态空间搜索算法中，我们需要快速判断某个状态是否已经出现，此时常常使用Hash函数来实现。其中，有一类特殊的状态空间，它们是由全排列产生的，比如N数码问题。对于n个元素的全排列，共产生n!个不同的排列或状态。下面将讨论如何使用这里的变进制数来实现一个针对全排列的Hash函数。

从数的角度来看，全排列和变进制数都用到了阶乘。如果我们能够用0到n!-1这n!个连续的变进制数来表示n个元素的所有排列，那么就能够把全排列完全地数化，建立起全排列和自然数之间一一对应的关系，也就实现了一个完美的Hash函数。那么，我们的想法能否实现呢？答案是肯定的，下面将进行讨论。

假设我们有b0,b1,b2,b3,...,bn共n+1个不同的元素，并假设各元素之间有一种次序关系 b0<b1<b2<...<bn。对它们进行全排列，共产生(n+1)!种不同的排列。对于产生的任一排列 c0,c1,c2,..,cn，其中第i个元素ci（1 <= i <= n）与它前面的i个元素构成的逆序对的个数为di（0 <= di <= i），那么我们得到一个逆序数序列d1,d2,...,dn（0 <= di <= i）。这不就是前面的n位变进制数的各个位么？于是，我们用n位变进制数M来表示该排列：

   M = d1*1! + d2*2! + ... + dn*n!

因此，每个排列都可以按这种方式表示成一个n位变进制数。下面，我们来考查n位变进制数能否与n+1个元素的全排列建立起一一对应的关系。

由于n位变进制数能表示(n+1)!个不同的数，而n+1个元素的全排列刚好有(n+1)!个不同的排列，且每一个排列都已经能表示成一个n位变进制数。如果我们能够证明任意两个不同的排列产生两个不同的变进制数，那么我们就可以得出结论：

★ 定理1 n+1个元素的全排列的每一个排列对应着一个不同的n位变进制数。

对于全排列的任意两个不同的排列p0,p1,p2,...,pn（排列P）和q0,q1,q2,...,qn（排列Q），从后往前查找第一个不相同的元素，分别记为pi和qi（0 < i <= n）。

（1）如果qi > pi，那么,

如果在排列Q中qi之前的元素x与qi构成逆序对，即有x > qi，则在排列P中pi之前也有相同元素x > pi（因为x > qi且qi > pi），即在排列P中pi之前的元素x也与pi构成逆序对，所以pi的逆序数大于等于qi的逆序数。又qi与pi在排列P中构成pi的逆序对，所以pi的逆序数大于qi的逆序数。

（2）同理，如果pi > qi，那么qi的逆序数大于pi的逆序数。

因此，由（1）和（2）知，排列P和排列Q对应的变进制数至少有第i位不相同，即全排列的任意两个不同的排列具有不同的变进制数。至此，定理1得证。

 

 

 

 

我把上面的定理总结简化了一下，具体的内容是这样的

1、  计算出阶乘（factorial）1——n-1的数值，存放在数组factorial中

2、  对于一个随机得到的全排列a。从第二位开始（设为ai），计算在i之前有多少个比ai大的数（也就是a[i]和a[j]构成逆序对（j<i）），设为count个

3、  让hash值+count*factorial[i-1]；

 

以下的伪代码给出了hash函数对一个全排列的过程

function gethash(全排列a):longint;

    begin

      gethash:=0;

      for i:=2 to n do   //注意，一定是第二位，因为从第二位开始才可能出现逆序对

        begin

          count:=0;

          for j:=1 to i-1 do  //计算逆序对的数目

            begin

              if a[i]<a[j] then inc(count);

            end;

          gethash:=gethash+count*factorial[i-1];

        end;

end;

算法的复杂度是n^2，但是由于这里的n非常小，一般只适用于（n<12），可视为在常数时间内完成hash。更何况，这个hash实现了空间上的最大节约，既不会出现冲突，同时一点也不浪费一点空间，因为这里n！个状态完完全全的能够表示n全排列的所有状态，达到了空间上的最大利用。

 

回到八数码问题，有了这样的一个强hash，我们要做的事情就只剩下简单的广度搜索而已了，为了使搜索起来更方便，可以把没有数的地方看成是0。这样，在移动的时候，只需要交换一下相邻的数就可以了。

   同时，我们可以把9个数字连成一排，这样也就方便了后面的hash。而上下移动也就变成了-3和+3的问题。值得注意的是：当我们把矩阵变成一维存储的时候，左右移动的时候需要防止第一行第三个移动到第二行第一个。

------------------------------------------------------------------------------------

mark自

2015/3/10

争取周3更以上