为啥偶数 N 比奇数 N 花费更长的时间?
Posted
技术标签:
【中文标题】为啥偶数 N 比奇数 N 花费更长的时间?【英文标题】:Why do the Even Ns take longer than the Odd Ns?为什么偶数 N 比奇数 N 花费更长的时间? 【发布时间】:2019-04-22 13:41:26 【问题描述】:我这里有一些代码可以在 python 中使用回溯来解决 n 个皇后问题。当我运行它时,赔率总是比偶数花费的时间少得多。当 n 达到 20+ 左右时,这一点尤其明显。有谁知道这是为什么?
import time
global N
N = int(input("Enter N: "))
def display_solution(board):
print('\n'.join(['\t'.join([str(cell) for cell in row]) for row in
board]))
def safe(board, row, col):
for i in range(col):
if board[row][i] == 1:
return False
for i, j in zip(range(row, -1, -1), range(col, -1, -1)):
if board[i][j] == 1:
return False
for i, j in zip(range(row, N, 1), range(col, -1, -1)):
if board[i][j] == 1:
return False
return True
def solve_help(board, col):
if col >= N:
return True
for i in range(N):
if safe(board, i, col):
board[i][col] = 1
if solve_help(board, col + 1) is True:
return True
board[i][col] = 0
return False
def solve():
board = [[0 for x in range(N)] for y in range(N)]
if solve_help(board, 0) is False:
print("Solution does not exist")
return False
display_solution(board)
return True
start = time.clock()
solve()
end = time.clock()
print(N, "\t", end-start)
我假设它一定与赔率与偶数不同的对角线有关。我也不确定这是否是所有回溯算法的问题,或者只是这个特定的代码。不管怎样,谢谢你的帮助。
【问题讨论】:
这是一个很好的观察结果,我很惊讶我在互联网上找不到任何东西,除了这个问题。 【参考方案1】:当在第一列之一发生回溯并且必须尝试下一行时,该算法需要相当多的时间。将奇数 N 板与 N-1 板进行比较确实表明,偶数板的解决方案通常需要进行更多此类回溯/尝试下一个处理。例如,N=19 的解的左上角如下所示:
1 0 0 0 0
0 0 0 1 0
0 1 0 0 0
0 0 0 0 1*
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
前五列中的这 5 个皇后很快找到,因为它们是第一个不与之前的皇后发生碰撞的皇后。显然可以放置其他皇后而不必重新考虑前五个皇后。
对于 N=18,解决方案的同一角如下所示:
1 0 0 0 0
0 0 0 1 0
0 1 0 0 0
0 0 0 0 0-
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 1*
注意用减号标记的位置。这个看起来很有希望(就像 19 板一样):它的调查需要相当长的时间才能得出无法正确放置其他皇后的结论。这种早期失败的代价。
因此,19 板的解决方案比 18 板更快地找到。
请注意,27 的解决方案比 26 的解决方案花费的时间略多,尽管这并不重要:看起来时间复杂度是 O(2n),因此要比较不同板尺寸的时间,最好在对数 Y 轴上进行:
“work”表示函数safe
被执行的次数。
这种算法总是是否需要相对更多时间来处理偶数板(与 N+1 板所需的时间相比),但对于这几个板尺寸它似乎与这种算法自然形成的骑士跳跃有关,从左上角开始。请注意,这种模式对于 5 号和 7 号棋盘非常适用:下一个皇后可以坐下而不会干扰之前定位的皇后的第一个位置是解决方案的一部分总是。而对于 4 号和 6 号的棋盘,甚至没有任何解决方案,其中一个皇后在角落里,这是该算法的起点。
替代方案
从程序员的角度来看这个问题,有一种补救措施可以(平均而言)消除差异:以不同的(甚至是随机的)顺序选择列。事实证明,采用正常顺序是获得解决方案的效率较低的方法之一。
换档选择
这个算法的一个简单的转变,你不考虑前两行,除非所有其他的都失败,已经大大改变了统计数据:
在solve_help
中更改:
for i in range(N):
到:
for i in range(N):
i = (i + 2) % N
看看现在平均性能如何提高:log(work)/n 的所有测量值都低于 1,除了 n=6。而且:现在更经常看到 N 的奇数值。
随机选择
for i in random.sample(range(N), N):
这是一次随机运行的结果:
比原始订单更好的统计数据!当然,你会时不时地得到一个糟糕的统计数据,......因为它是随机的。但平均而言,它的表现要好得多。
其他的非随机排序方式可能包括col
, 和N//2
具有不同的系数,如i = (i + col*2 + N//2) % N
, ...等。但请参阅下面的最后评论。
其他说明
我将应用以下优化:跟踪哪些行、前向“对角线”和后向“对角线”已被采用。您可以为此使用列表或集合。请注意,如果两个单元格的坐标之和相等,则它们位于相同的正对角线中。后对角线上的单元格的共同点是它们的坐标差相等。这样您就不必每次都在这些行中扫描“1”。
另外,board
可能只是一个列号列表。无需存储所有这些零。保留它仅用于显示。
最后,有一些简单的方法可以在线性时间内获得解决方案。见Wikipedia。
【讨论】:
以上是关于为啥偶数 N 比奇数 N 花费更长的时间?的主要内容,如果未能解决你的问题,请参考以下文章