搜索的策略（1）——盲目搜索

　　早在1952年，克劳德·香农就已经是电子信息界的传奇人物，但是对当时的普通大众来说，他仍然是个陌生人。不过在即将开始的会展后，他就人尽皆知了。

　　在会议展上，香农展示了一只木制的、带有铜须的玩具老鼠，这只老鼠能够在迷宫中穿梭，最终找到出口处的金属硬币。老鼠是通过试错的方式探索迷宫的，通过胡须，它可以感知是否碰到了走不通的墙壁，如果正对的墙壁走不通，就会退到后一个格子，旋转90°，继续探测下一个方向。如果走通了迷宫，老鼠还能记住这条路线，在下一次直接完成任务。

　　其实香农的老鼠并没有那么智能，它仅仅是“记住”路线，而不是“认识”路线——在老鼠走通迷宫后，如果撤掉迷宫的墙壁，老鼠依然是按照上次的线路前进。香农可没有把这一点告诉观众，对于观众来说，这只机器老鼠简直是来自异次元的天物，是一个会思考的机器！

　　这个其貌不扬的小老鼠在当年登上了《时代》和《生活》杂志的封面，有一期文章甚至用《这只老鼠比你聪明》为标题。贝尔实验室的老板们对这只老鼠印象深刻，他们在冲动中甚至要把香农拉进贝尔电话公司的董事会。

盲目搜索

　　从老鼠探索迷宫的行为可以看出，它使用的深度优先搜索，这是一种简单而暴力的穷举搜索，几乎没有任何神秘性可言——找到一条路就一直走下去，直到撞墙为止，然后回溯，继续探索，我们将这种搜索策略称为“盲目搜索”。

　　盲目搜索就是我们常说的“蛮力法”，又叫非启发式搜索。作为最先想到的一种所搜策略，盲目搜索是一种无信息搜索。之所以被称为“盲目”，是因为这种搜索策略只是按照预定的策略搜索解空间的所有状态，而不会考虑到问题本身的特性。我们熟悉的深度优先搜索和广度优先搜索就是两种典型的盲目搜索。

　　盲目搜索的名字不太好听，容易被扣上“性能低下”的帽子，通常在找不到解决问题的规律时使用，但凡能找到某些规律，就不会选择蛮力法，可以说盲目搜索策略是最后的大招。遗憾的是，很多问题都没有明显的规律可循，很多时候我们不得不求助于蛮力法。同时，由于思路简单，盲目搜索策略通常是被人们第一个想到的，对于一些比较简单的问题，盲目搜索确实能发挥奇效。对于盲目策略来说，我们既鄙视它近似蛮力的“性能低下”，又膜拜它把一切托付给计算机的“节省脑细胞”。

　　在这一章里，我们先对盲目所搜展开讨论，看看计算机带给我们的神奇的大招。同时我们也将看到，“盲目”也并非一味的蛮干，在加以改进后，算法也并非像我们想象的那样“性能低下”。

八皇后问题

　　在国际象棋中，皇后（Queen）是攻击力最强的棋子，皇后可横、直、斜走，且格数不限，吃子与走法相同，往往是棋局中制胜的决定性力量，少掉一个皇后往往意味着棋局告负。皇后模拟的是欧洲中世纪时，王室自皇后娘家借来的援军，作为棋盘上最具威力的一子，皇后代表强大的援军。

　　国际象棋棋手马克斯·贝瑟尔于1848年提出了一个问题：在8×8格的国际象棋棋盘上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，一共有多少种摆法？

解空间

　　八皇后看起来不那么好对付，除了挨个尝试之外没什么太好的办法了。如果不考虑皇后的互相攻击，将八个皇后每行摆放一个，一共会有多少种摆法呢？

　　这个问题实际是在回答要搜索的解空间，这也是问题的关键——盲目搜索并不是漫无目的的搜索，而是在一个固定的范围内寻找答案。有时候解空间的范围不太容易直接回答，此时的一种思路是将问题简化，由简单的问题入手，逐步归纳总结出最后的答案。我们不妨把问题规模缩小，把2个皇后摆放在2×2的棋盘上，看看一共有多少种摆法。

　　为了叙述方便，我们把每一行的皇后都编上号，摆放在第1行的皇后是1号，第2行是2号，两个皇后一共有2²=4种摆法：

　　类似地，把3个皇后摆放在3×3的棋盘上时，先固定前两行的皇后，再摆放3号，此时有3种摆法：

　　保持1号不动，移动2号时，会产生另外6种摆法：

　　这就形成了9种摆法。最后再移动1号，会产生另外9×2=18种摆法，因此把3个皇后摆放在3×3的棋盘上一共有3³=27种摆法。以此类推，八皇后问题的解空间是8⁸=16777216。仅仅是8个棋子就产生了如此多的解空间，没有计算机可真是累人。

搜索策略

　　160多万的解空间真的要全部搜索吗？当然不会，每个皇后都有自己的攻击范围，在摆放第1个皇后时，其它皇后的摆放位置也被某种程度的限定了：

　　为了避开皇后1的攻击范围，第2个皇后只能在剩下的6浅色格子中选择；而2号皇后落子后，又将对其它皇后做出进一步限制；到了第3行，摆放位置可能只剩下4个：

　　我们并不会傻乎乎的对所有解空间进行搜索，而是随着步骤的进行，避开了绝对不可能的解，从而有效地缩小了解空间的范围。

　　之后的皇后也采用这样的办法来摆放，这是一种试探法——先把皇后摆放在“安全”位置，然后设置她的攻击范围，再在下一个安全位置摆放下一个皇后；如果下一个皇后没有“安全”位置了，那么“悔棋”，重新摆放上一皇后；再不行就“大悔棋”，上上一个皇后也重新摆放：

　　这种带回溯的方法就是我们熟知的深度优先搜索——只管埋头前进，撞到墙才后退。

　　虽然我们知道怎么摆放棋子，但计算机并不知道，在编写代码之前必须先完成从现实世界到软件设计的映射。

　　对于棋盘问题，一个有效的数据结构是8×8的二维列表，列表中的每个元素代表棋盘上的一个方格；方格有三种状态，闲置、落子、是否处于被攻击状态，分别用0、1、2表示，这些构成了八皇后问题的数据模型。

　　接下来是摆放棋子的行为。我们按行来摆放，每行摆放一个皇后，每次落子后都将把棋盘的部分方格设置为“被攻击”。代码：

import copy

class EightQueen:
    def __init__(self):
        # 棋盘单元格的初始状态, 被皇后占据状态， 被皇后攻击状态
        self.s_init, self.s_queen, self.s_attack = 0, 1, 2
        # 棋盘的行数和列数
        self.row_num, self.col_num  = 8, 8
        # 棋盘
        self.chess_board = [[self.s_init] * self.row_num for i in range(self.row_num)]
        # 解决方案列表
        self.answer_list = []

    def start(self):
        self.put_down(self.chess_board, 0)

    def put_down(self, curr_board, row):
        ''' 在棋盘的第row行落子 '''
        if row == self.row_num:
            self.answer_list.append(curr_board)
            return

        for col in range(self.col_num):
            if self.enable(curr_board, row, col):
                # 复制棋盘上的状态, 以便回溯
                bord = copy.deepcopy(curr_board)
                # 将皇后放在第row行第col列中
                bord[row][col] = self.s_queen
                # 设置第row行第col列的皇后的攻击范围
                self.set_attack(bord, row, col)
                # 继续在下一行落子
                self.put_down(bord, row + 1)

    def enable(self, curr_board, row, col):
        '''是否可以在棋盘的第row行第col列落子'''
        return curr_board[row][col] == self.s_init

    def set_attack(self, curr_board, row, col):
        '''设置第row行第cell列的皇后的攻击范围'''
        # 最后一行没有必要设置攻击范围
        if row == self.row_num - 1:
            return

        # 正下方的攻击范围
        for next_row in range(row + 1, self.row_num):
            curr_board[next_row][col] = self.s_attack
        # 左斜下的攻击范围
        left_col = col - 1
        for next_row in range(row + 1, self.row_num):
            if left_col >= 0:
                curr_board[next_row][left_col] = self.s_attack
                left_col -= 1
            else:
                break
        # 右斜下的攻击范围
        right_col = col + 1
        for next_row in range(row + 1, self.row_num):
            if right_col < self.col_num:
                curr_board[next_row][right_col] = self.s_attack
                right_col += 1
            else:
                break

    def display(self):
        '''打印所有方案'''
        length = len(self.answer_list)
        if length == 0:
            print('No answers!')
            return

        print('There are %d answers!' % length)
        for i in range(0, length):
            print('-' * 20, 'answer', i + 1, '-' * 20)
            bord = self.answer_list[i]
            for row in bord:
                for c in row:
                    if c == self.s_queen:
                        print('%4d' % 1, end='')
                    else:
                        print('%4d' % 0, end='')
                print()

if __name__ == '__main__':
    eq = EightQueen()
    eq.start()
    eq.display()

　　在set_attack()中，由于是逐行落子，所以只需要处理位于皇后下方的单元格。每次set_attack后，棋盘上的安全位置就又少了一些，下次落子只能落在下一行的“安全”位置上。

　　enable()用来判断是否安全，方法很简单，只需检查方格的状态是否是初始状态。

　　在put_down()中，我们以一种“顺序”的方式逐行落子，如果正好摆满了八个皇后，则该种摆法是八皇后问题的一个解；如果没有任何“安全”位置能够摆放下一个皇后，则进行“悔棋”操作。每落一子都要记住棋盘的状态，只有这样才能回溯，以便进行“悔棋”。每落一子都相当于在解空间内进行了一次搜索，如果加入计数器的话，会发现最终只进行了15720次搜索，这可比之前少了两个数量级。

　　一共有92种解，其中一种：

　　高斯认为八皇后问题有76种方案，1854年在柏林的象棋杂志上不同的作者发表了40种不同的解。看来没有计算机的帮助，带有穷举性质的盲目搜索还真是一种不可尝试的方法。

同根同源的另一种方法

　　在EightQueen中，我们的方案是每次落子都重置棋盘的“安全”状态，与之对应的另一种思路是“先检查，再落子”，从而省去了方格的“被攻击”状态。

　　仍然是按行来摆放，每行摆放一个皇后，摆放前需要检查待摆放的棋子是否处于其它皇后的攻击范围内，只有不在攻击范围内时才允许摆放，否则“缓棋”，重新摆放上一个皇后，代码如下：

import copy

class EightQueen_2:
    def __init__(self):
        # 棋盘单元格的初始状态, 被皇后占据状态
        self.s_init, self.s_queen = 0, 1
        # 棋盘的行数和列数
        self.row_num, self.col_num = 8, 8
        # 棋盘
        self.chess_board = [[self.s_init] * self.row_num for i in range(self.row_num)]
        # 解决方案列表
        self.answer_list = []

    def start(self):
        self.put_down(self.chess_board, 0)

    def put_down(self, curr_board, row):
        ''' 在棋盘的第row行落子 '''
        if row == self.row_num:
            self.answer_list.append(curr_board)
            return

        for col in range(self.col_num):
            # 是否会和已经在棋盘上的皇后互相攻击
            if self.enable_attacked(curr_board, row, col) == False:
                # 复制棋盘上的状态, 以便回溯
                bord = copy.deepcopy(curr_board)
                # 将皇后放在第row行第col列中
                bord[row][col] = self.s_queen
                # 继续在下一行落子
                self.put_down(bord, row + 1)

    def enable_attacked(self, curr_board, row, col):
        ''' 第row行第col列的皇后是否会和已经在棋盘上的皇后互相攻击 '''
        # 是否会和第col列的皇后互相攻击
        for last_row in range(row - 1, -1, -1):
            if curr_board[last_row][col] == self.s_queen:
                return True
        # 是否会和左斜上的皇后互相攻击
        left_col = col - 1
        for last_row in range(row - 1, -1, -1):
            if left_col >= 0 and curr_board[last_row][left_col] == self.s_queen:
                return True
            left_col -= 1
        # 是否会和右斜上的皇后互相攻击
        right_col = col + 1
        for last_row in range(row - 1, -1, -1):
            if right_col < self.col_num and curr_board[last_row][right_col] == self.s_queen:
                return True
            right_col += 1

        return False

    def display(self):
        '''打印所有方案'''
        length = len(self.answer_list)
        if length == 0:
            print('No answers!')
            return
        print('There are %d answers!' % length)
        for i in range(0, length):
            print('-' * 20, 'answer', i + 1, '-' * 20)
            bord = self.answer_list[i]
            for row in bord:
                for c in row:
                    print('%4d' % c, end='')
                print()

if __name__ == '__main__':
    eq = EightQueen_2()
    eq.start()
    eq.display()

　　enable_attacked（）用于判断待摆放的棋子是否处于其它皇后的攻击范围内，由于是逐行落子，下方没有皇后，所以只需要考虑上方的皇后即可

　　EightQueen_2仅仅是用比较代替了修改，和EightQueen并没有本质的区别，只是因为EightQueen更符合人类的行为，所以看起来也更高级一点。

　　

---

　　 作者：我是8位的

　　出处：http://www.cnblogs.com/bigmonkey

　　本文以学习、研究和分享为主，如需转载，请联系本人，标明作者和出处，非商业用途！ 

　　扫描二维码关注公众号“我是8位的”