马走日棋盘算法.doc.docVIP

马走日棋盘算法问题描述在给定大小的方格状棋盘上, 将棋子”马”放在指定的起始位置 , 棋子”马” 的走子的规则为必须在棋盘上走”日”字; 从棋子”马”的起始位置开始, 搜索出一条可行的路径, 使得棋子”马”能走遍棋盘上的所有落子点, 而且每个落子点只能走一次; 例如: 棋盘大小为5*5 , 棋子马放的起始落子点为 ( 3 , 3 ) ; 算法需要搜索一条从位置( 3 , 3 ) 开始的一条包括从( 1 , 1 ) , ( 1 , 2 ) , ( 1 , 3 ) … ( 5 , 1 ) , ( 5 , 2 ) , ( 5 , 3 ) , ( 5 , 4 ) , ( 5 , 5 ) 总共25个可以落子的全部位置; 问题分析通过上面的问题描述,我们对问题的内容有了正确的理解,接下来我们开始对问题进行具体细致的分析,以求找到解决问题的正确的可行的合理的方法; 首先我们需要在程序中用合适的数据结构表示在问题中出现的棋盘 , 棋子 , 棋子的走子过程 ; 接下来我们需要对核心问题进行分析, 即如何搜索一条可行的路径 , 搜索采取何种策略 , 搜索的过程如何表示 ; 对于一个大小为n*m大小的棋盘 , 棋子从当前位置( x , y ) 出发,可以到达的下一个位置( x’ , y’ ): (1) ( x +1 , y +2 )(2) ( x +1 , y –2 )(3) ( x – 1, y +2 )(4) ( x – 1, y – 2 )(5) ( x +2, y +1)(6) ( x +2, y – 1)(7) ( x -2, y + 1)(8) ( x -2, y – 1 ) 限制条件: 1. 1 = x’ = n , 1 = y’ = m; ( n : 棋盘的高度 , m: 棋盘的宽度 );2. ( x’ , y’ ) 必须是棋子记录表中没有包括的新位置;3. 棋子走子过程记录表中没有包括棋盘上的所有可以落子的位置; 对这个过程不停迭代的过程也就是对解空间搜索的过程, 搜索直到棋子走子记录表中包括棋盘上的所有可以落子的位置 , 就搜索到了一条可行的路径,路径包括棋盘上的所有落子点;或者搜索完整个解空间,仍然找不到一条可行的解,则搜索失败; 下面我们举例来说明搜索的过程; 棋盘大小 : 5 * 5棋子起始位置 : ( 3 , 3 )搜索过程 : (1) 从当前位置( 3 , 3 )出发可以有8个新的位置选择; 首先选择新位置1 , 将新位置1作为当前棋子位置 , 开始新的搜索; 如果搜索不成功, 则搜索回退, 选择新位置2 ,以此类推,就可以搜索完整个解空间,只要从该问题有解 , 则可以保证一定可以搜索到; 2) 从新位置1 开始新的搜索,可以选择的新位置有两个,先选择位置1 , 从位置1开始新的搜索;(3) 下图是经过18步搜索之后的状态, 从位置18出发, 已经没有没走过的新位置可以选择, 则搜索失败; 搜索回退到17步, 从位置17开始搜索除了18之外的新位置, 从图上可以看出已经没有新位置可以选择,继续回退到16步, 搜索除了17的新位置; 以此类推.知道搜索完整个解空间 , 或者搜索到一个可行解; (4) 下图展示了搜索成功的整个搜索过程; 系统设计一. 用例图 二. 类设计三. 顺序图四. 核心算法设计通过上面的分析, 我们现在可以将算法的大概框架写出来了 , 具体的代码请参考本文章后面的源程序; 下面我们先列出了经典回溯算法的框架; 由于考虑到程序实现的方便性 , 所以本文中采用的回溯算法对经典算法进行了适当的修改; 经典算法: void BackTrack( int t ) { if ( t n ) OutPut( x ); else for( int I = f( n , k ) ; i = g( n , k ) ; i ++ ) { x[ t ] = h ( i ); if ( ConsTraint( t ) Bound( k ) ) BackTrack( k + 1 ); } }本文采用的算法: bool Search( Location curLoc )//开始计算; { m_complex++; //修改棋盘标志; m_chessTable[ curLoc.x-1 ][ curLoc.y-1 ] = 1; //是否搜索成功结束标志; if( isSuccess() ) return true; //还有未走到的棋盘点,从当前位置开始搜索; else { //递归搜索未走过的棋盘点; for( int i = 0 ; i 8 ; i++ ) { Location newLocation = GetSubTreeNode( curLoc ,