问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

深入浅出深度优先搜索(DFS)——以经典N皇后问题为例

创作时间:
作者:
@小白创作中心

深入浅出深度优先搜索(DFS)——以经典N皇后问题为例

引用
CSDN
1.
https://blog.csdn.net/qqqqqwerttwtwe/article/details/145501926

深度优先搜索(DFS)是一种重要的算法思想,在许多领域都有广泛的应用。本文通过经典的N皇后问题,深入浅出地介绍了DFS的核心思想、实现框架、时间空间复杂度分析,并给出了详细的代码实现和优化建议。

引言:当算法遇见棋盘

想象你面前有一张8 ∗ 8 8 * 88∗8的国际象棋棋盘,现在需要摆放8 88个皇后,使得任意两个皇后都无法互相攻击。这个看似简单的谜题,自1848 18481848年被提出以来吸引了无数数学家与计算机科学家的目光。当我们把棋盘扩展到N ∗ N N*NN∗N规格时,就诞生了著名的N皇后问题。本文将带您通过这个经典问题,深入理解深度优先搜索(DFS)这一重要的算法思想。

一、深度优先搜索原理剖析

1.1 算法核心思想

深度优先搜索(Depth-First Search)采用"不撞南墙不回头"的策略,其运行过程就像探险者深入洞穴:

  • 选择一条路径走到尽头
  • 遇到死胡同后回退到最近分叉点
  • 尝试其他未探索的分支
  • 重复直到找到解或遍历所有可能

1.2 算法实现框架


def dfs(当前状态):
    if 到达终止条件:
        记录/处理结果
        return
    
    for 所有可能的选择:
        if 选择合法:
            做出选择
            dfs(新状态)
            撤销选择  

1.3 算法特性分析

  • 时间复杂度:O ( b d ) O(b^d)O(bd)(b为分支因子,d为最大深度)
  • 空间复杂度:O ( d ) O(d)O(d)(递归栈深度)
  • 优势:实现简单,适合寻找所有解
  • 局限:可能陷入深度路径效率低下

二、N皇后问题建模

2.1 问题描述

在N ∗ N N*NN∗N的棋盘上放置N NN个皇后,要求:

  1. 每行恰好一个皇后
  2. 每列最多一个皇后
  3. 每条对角线最多一个皇后

2.2 问题转化

将棋盘建模为状态空间树:

  • 树节点:已放置k kk个皇后的部分解
  • 树边:在第k + 1 k+1k+1行放置皇后的选择
  • 叶子节点:有效解或冲突状态

三、DFS解法的实现

ACWing N皇后问题

3.1 关键数据结构


#include <iostream>
using namespace std;
const int MAX_N = 10; // 最大棋盘尺寸
int board[MAX_N][MAX_N] = {0}; // 棋盘状态,0表示空,1表示皇后
int col_used[MAX_N] = {0};     // 列占用标记
// 打印当前棋盘状态
void print_board(int n) {
    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= n; j++) {
            cout << (board[i][j] ? "Q" : ".");
        }
        cout << endl;
    }
    cout << endl;
}
// 检查当前位置(x,y)是否安全
bool is_safe(int x, int y, int n) {
    // 检查两条对角线
    for (int i = 1; i < x; i++) {
        // 左上到右下对角线
        if (y - x + i > 0 && board[i][y - x + i]) return false;
        // 右上到左下对角线
        if (y + x - i <= n && board[i][y + x - i]) return false;
    }
    return true;
}
// 递归求解N皇后问题
void find_queen(int row, int placed, int n) {
    // 找到一组解
    if (placed == n) {
        print_board(n);
        return;
    }
    // 尝试在当前行的每一列放置皇后
    for (int col = 1; col <= n; col++) {
        // 跳过已被占用的列
        if (col_used[col]) continue;
        
        // 检查对角线是否安全
        if (!is_safe(row, col, n)) continue;
        // 放置皇后
        board[row][col] = 1;
        col_used[col] = 1;
        // 递归处理下一行
        find_queen(row + 1, placed + 1, n);
        // 回溯:移除皇后
        board[row][col] = 0;
        col_used[col] = 0;
    }
}
int main() {
    ios::sync_with_stdio(false);
    cin.tie(nullptr);
    
    int n;
    cin >> n;
    
    // 参数说明:
    // 1: 从第1行开始
    // 0: 当前已放置0个皇后
    // n: 棋盘大小
    find_queen(1, 0, n);
    
    return 0;
}

3.2 核心优化技巧

  1. 状态压缩:使用三个布尔数组分别记录列和两个对角线的占用情况
  2. 即时剪枝:在放置每个皇后时立即检测冲突,避免无效搜索
  3. 对称性优化:利用棋盘的对称性减少重复计算(示例代码未体现,可扩展)

四、算法执行过程演示

以4皇后问题为例,其搜索过程大致如下入所示,即不断试探,只要没有冲突就进入下一个状态,有冲突则回到上一个状态,知道找到一个解:

五、复杂度分析与优化方向

5.1 时间复杂度

  • 最坏情况:O ( N ! ) O(N!)O(N!)
  • 实际运行:通过剪枝大幅优化

5.2 空间复杂度

  • O ( N ) O(N)O(N)(递归深度最多N层)

5.3 进阶优化思路

  1. 位运算优化:使用比特位表示状态
  2. 镜像剪枝:利用棋盘对称性减少计算量
  3. 并行计算:分治策略结合多线程

六、DFS的广泛应用场景

  1. 组合优化:全排列、子集生成
  2. 路径查找:迷宫求解、图连通性
  3. 游戏AI:围棋、象棋走法生成
  4. 依赖解析:软件包依赖管理

结语:算法之美的永恒追求

通过N皇后问题,我们不仅领略了DFS的精妙,更体会到算法设计中"暴力与优雅"的完美平衡。从19世纪的手工计算到现代计算机的毫秒级求解,算法的演进史正是人类智慧的见证。当您下次看到棋盘时,或许会会心一笑——这64个方格中,蕴藏着整个计算机科学的缩影。

思考题:如何修改算法使其可以统计解的个数而不记录具体位置?这会带来哪些性能提升?

希望这篇博客能帮助您在算法学习的道路上继续前行,下一站我们将探索广度优先搜索(BFS)的奇妙世界!

© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号