数据结构学习笔记：马踏棋盘

课题描述：

          从任意初始位置开始，将象棋中的马按照移动规则走完尺寸为8*8的棋盘。运算完成后输出正确路径。

课题分析与设计方案：

         针对题目，我们来一步一步地进行分析。首先，从题目我们可以很容易分析出“马踏棋盘”问题实际上是实现一个深度优先搜索的过程。马在每一次进行移动的时候，有八个后继点供选择（其中有的后继点越界或已经走过，需要加入判断函数来筛选合法后继点）。那么就定义一个结构体来存储坐标：

然后是判断坐标是否越界的函数：

知道了每一步的合法后继点，那么马就可以一路飞奔在棋盘上。但是，随着步数的增多，每个坐标可以选的后继点就越来越少，我们就多考虑一点，如果马走入死路了怎么办，同学们肯定会说，走错了就回头呗，对！当马走进死路的时候，我们就需要让马回头，回到上一步重新再选择一条路走，为了达到这个目的，就需要用到栈结构来保存马已经走过的路径。马每走一步，就将坐标压栈，需要回溯时就弹出栈顶元素。

在路径回溯后，重新选择后继点的时候，需要将已经走过的错误后继点屏蔽掉（总不能一错再错吧～），为了节省空间，我们不将每一步的错误后继点保存，只需要将每个点的八个后继点根据相对位置来编号，每次按照序号来大小来确定该走那条路，比如当第一次走的是1号后继点，但到下一步时发现是死路，那么回溯到这一步时就根据错误后继点坐标和回溯的坐标来确定是1号后继点，然后选取当前坐标的2号后继点即可。

         有了回溯之后就不用怕马走入死路的情况，还有一种情况就是马在回溯后发现除了错误的后继点，就没有合法的后继点可选，那么此时依旧判断为死路，继续回溯，直到有合法后继点可选为止。

         在完成以上步骤后，马踏棋盘问题的主体我们就分析完毕了。接下来，我们按照上面说过的思路编写程序。当时我在编写完程序运行的时候，满心欢喜地期待正确答案的出现，结果我等了很久都没有结果出现（当时以为程序进入了死循环，查错查了好久....）。我们对题目进一步分析后就会发现，8*8的棋盘共有64个格子，如果按照深度优先搜索算法，将某一点的所有走法全部遍历一遍，那么计算机需要进行的运算量是很庞大的。所以，为了提高程序运行的效率，我们需要对算法进行改进。

         马在棋盘中的每一个位置都有多个后继点可供选择，如果我们仅仅按照深度优先搜索来简单的按顺序选择后继，那么我们的小马走入死路的几率是很大的，也就是说需要回溯的次数会很多。针对这个问题，我们就使用贪心算法来对后继路径的选择进行改进，贪心算法的核心就是选择局部最优解。我们分析一下就会发现，棋盘里的每一个坐标的后继点同时也是这个坐标的前驱点，如果一个坐标的后继点越少，说明它的前驱点越少，也就说明这个点被进入的机会就越少，例如位于棋盘的四个角的点，它的合法后继只有两个，也就是说只有两个位置可以使马进入这个点，这样一来，在移动过程中遗漏这些点的几率就很大，这样就会导致马很容易走入错误路径。俗话说，把难走的路先走了，后面的路就会顺畅很多。所以，我们需要在选择后继点时优先选择这些难以进入的点，这样就会极大的减少回溯的次数，对提高程序的效率非常有帮助。一个点的后继点中，出度最小的点就是局部最优解。

        为了选择后继点中出度最小的点，我们需要在每走一步之前，对该点的后继点根据出度进行排序。

        之所以只对序号在num之后的点进行排序，就是为了上面提到的，在回溯时将错误路径屏蔽掉，避免死循环。

       

总结

        在使用贪心算法改进之后，程序效率提高的不是一点半点，运行后瞬间就得出了正确走法。当然，程序需要改进的地方还有太多，比如在对后继点排序的时候，我只用了最简单最耗时的冒泡排序，如果使用更好的排序算法，程序运行效率会进一步提升。

        解决问题的过程就是学习的过程，题目虽然简单，但经过思索解决问题也是对自己很好地提升。