title: 高效算法求解数独
date: 2019-12-26 17:55:16
tags: 数据结构与算法
categories: 数据结构与算法
背景
之前上python课的时候，有一次实验是求解数独，要求时间复杂度要低；为此老师讲解了一个高效的数独算法，我觉得算法挺有意思的，写篇博客记录一下。
描述
首先需要知晓数独的两个规则：
- 若某个位置的值已经确定，那么，和这个位置在同一行，同一列，同一个3×3的格子，都不能填写这个值，比如，九宫格（1，1）位置的值为2，那么，第一行，第一列，以及第一个3×3的格子里，都不能在填2了；
- 若某一行，或者某一列，或者某一个3×3里面，只有一个位置可能填1（假如是1），那么1一定是填写在这个位置，因为没有其他位置可以填它了；、
求解步骤
-
创建一个三维数组，假设就叫“可能值数组”，记录数独9×9的81个位置中，每个位置可能填写的值，初始情况下，每个位置的可能值都是1到9，表示每个位置都可能填写1-9中任何一个数字；
-
遍历数独的每一个位置，若某个位置已经有值，则将这个位置的可能值更新为这个值，比如，九宫格上，（1，1）的值已经确定是2了，那就将三维数组中（1，1）位置的可能值从[1-9]更新为[2]，直到所有的位置更新完毕；
-
使用上述规则1进行剪枝：
（1）：从第一个位置开始遍历九宫格，若当前遍历到的位置（i,j），它的值已经知晓，那么就更新可能值数组，将第i行，第j列，以及其对应的3×3（【i/3×3 , j/3×3】就是这个3×3的第一个点）的所有位置，它们的可能值都要去除（i，j）位置的值；
（2）：若某个位置在经过上一步的剪枝后，可能值只剩下一个了，那这个位置的值就确定了，比如说，位置（1，1）的初始可能值是1到9，经过上面的一步步去除，只剩下一个3了，那这个（1，1）位置填写的值必定就是3了。此时我们可以再次使用规则1，即第一行，第一列，以及其对应的3×3中，所有的格子的可能值不能有3；
（3）：依次遍历每一个位置，使用上面的规则1，直到最后一格子，第一次剪枝便完成了；
-
使用上面的规则2进行剪枝：
（1）：统计每一行，每一列，以及每一个3×3中，每个数出现的次数，比如统计第一行每个格子的可能值，看1-9各出现几次，若某个可能值只出现一次，那出现这个值的位置，就是填写这个值，比如说，在第一行，3这个数字，只有（1，1）这个位置可能填写，那（1，1）就是填3，因为其他位置的可能值当中都不包含3，也就是都不能填写3；
（2）：根据上一步确定了某个位置的值后，那我们此时又可以使用规则1了，比如，上一步确定了（1，1）是填写3，那么第一行，第一列，以及第一个3×3中其余的格子， 都不能在写3了，我们从可能值数组中，将这些位置的可能，值删除3这个数；
（3）：而此时，又可能出现上面的第3步中的（3）的情况；
-
规则2剪枝完毕后，数独还没有解决完毕，那我们只能通过枚举每一个位置的值，来一一尝试，直到找到最后的解决办法：
（1）：我们在最开始创建了一个三维数组，存储每一个位置的可能值，初始情况下，每个位置的可能值都是1-9，但是经过上面两个规则的剪枝后，已经去除了很多；
（2）：此时我们使用DFS深度优先搜索，尝试为每一个位置填值。经过上面的剪枝，每个位置的可能值的数量应该不一样了，而为了减少DFS搜索的次数，我们应该从可能值最少的位置开始搜索；
（3）：遍历9宫格，找出还未填写值，且可能值最少的那个位置（可能有多个，找出第一个），尝试将他的第一个可能值填写在这个位置，然后再次调用规则1和规则2进行剪枝，剪枝完毕后，判断当前的九宫格中，是否有不和规则的地址，比如同一行出现两个一样的数。若没有不合法的地方，则再次进行一次（3），若有，表示这个位置不能填这个值，则从这个位置的可能值中再选择另外一个；
（4）：一直使用步骤（3），直到所有的位置都确定，则表示成功解出数独，若有某个位置，它的任何一个可能值填上去，都不能得到最终结果，那数独就是无解的；
-
经过上面这些步骤，就能快速的解出数独，因为主要通过规则1，2进行剪枝，大大减少了枚举的次数，提升了效率；
所需计算
- 已知位置（i，j），则这个位置所在的3*3，其第一个点是（i/3×3 , j/3×3），i/3×3表示先作除法，去除了小数部分，再乘3，就是3的倍数了；
- 已知位置（i，j），如何计算这个位置属于第几个3×3，那就是（i/3×3 + j/3），每个3*3都占3行，且3列，i/3得到这个位置在第几个3行，j/3得到这个位置在第几个3列，每三行有三个3×3，所以i/3×3 + j/3就可以得到这个位置在第几个3×3；
代码
因为是为了完成python实验，所以代码是用python写的：
# 此类用来表示搜索时，需要搜索的一个位置
# x，y为此位置的坐标，size为此位置的可能值的数量
class Node:
def __init__(self, x, y, size):
self.x = x
self.y = y
self.size = size
# 读取方式2，读取top95
def read_way2():
# 从文件中读取初始数独
value = [[0] * 10 for i in range(10)]
# 读取文件2，3
s = infile.readline();
if s == '':
return
for i in range(9):
for j in range(9):
value[i][j] = int(s[i * 9 + j])
return value
# 初始化函数
def init():
value = read_way2() # 读取top95
# 初始化possibleValue，若当前位置有值，则其可能值就是这个值本身
# 若没有值,则初始的可能值就是1-9
possibleValue = [[[] for j in range(10)] for i in range(10)]
for i in range(9):
for j in range(9):
if value[i][j] != 0:
possibleValue[i][j] = [value[i][j]]
else:
possibleValue[i][j] = [1, 2, 3, 4, 5, 6, 7, 8, 9]
return possibleValue
#####################################################################################################################
# 根据规则1进行剪枝
# 遍历所有的位置,找到已经确定的位置进行剪枝
def pruningByRule1(possibleValue):
for i in range(9):
for j in range(9):
if len(possibleValue[i][j]) == 1:
removeValueByRule1(i, j, possibleValue) # 以当前位置为起点,移除重复的可能值
# 在规则1剪枝中,将同一区域中,已经确定的数移除
# 以(i,j)位置为起点,移除重复的可能值
def removeValueByRule1(i, j, possibleValue):
# 与当前值在同一行或同一列的位置，可能值减去当前位置的值
for k in range(9):
# 从第i行中的可能值列表中,移除当前值
confirmOneValueInRule1(i, k, possibleValue[i][j][0], possibleValue)
# 从第i列中的可能值列表中,移除当前值
confirmOneValueInRule1(k, j, possibleValue[i][j][0], possibleValue)
# 与当前值在同3*3的位置，可能值减去当前位置的值
for k in range(int(i / 3) * 3, int(i / 3) * 3 + 3):
for l in range(int(j / 3) * 3, int(j / 3)* 3 + 3):
confirmOneValueInRule1(k, l, possibleValue[i][j][0], possibleValue)
# 移除某个位置的可能值,并在移除后判断能否得到确定值
def confirmOneValueInRule1(i, j, num, possibleValue):
if len(possibleValue[i][j]) == 1:
return
# 从当前位置的可能值中,移除已经确定的数
if num in possibleValue[i][j]:
possibleValue[i][j].remove(num)
# 判断移除后,当前位置能否确定
if len(possibleValue[i][j]) == 1:
# 若当前位置确定，则以当前位置为基准进行移除操作
removeValueByRule1(i, j, possibleValue)
###########################################################################################
# 根据规则2剪枝,判断同一个区域每个值可能出现的次数
# 若某个值可能出现的位置只有一个,表示这个值就在此位置
def pruningByRule2(possibleValue):
# 统计第i行，数字j可能值出现了几次
countX = [[0] * 10 for i in range(12)]
# 统计第i列，数字j可能值出现了几次
countY = [[0] * 10 for i in range(12)]
# 统计第i个3*3，数字j可能值出现了几次
countZ = [[0] * 10 for i in range(12)]
# 统计各个区域可能值出现的次数
for i in range(9):
for j in range(9):
for num in possibleValue[i][j]:
countX[i][num] += 1
countY[j][num] += 1
countZ[i // 3 * 3 + j // 3][num] += 1
# 判断哪些数字只出现了一次, 若只出现了一次的数字
# 表示这个数字就是那个位置的答案
for i in range(9):
for j in range(1,10):
# 若第i行数字j只出现了一次
if countX[i][j] == 1:
for k in range(9): # 遍历第i行的每一列，判断这个唯一值出现在哪
confirmValueInRule2(i, k, j, possibleValue)
# 若第i列数字j只出现了一次
if countY[i][j] == 1:
for k in range(9): # 遍历第i列的每一列，判断这个唯一值出现在哪
confirmValueInRule2(k, i, j, possibleValue)
# 若第i个3 * 3中，数字j的可能值只有一个
if countZ[i][j] == 1:
# 遍历第i个3*3的所有位置，判断这个唯一值出现在哪
for k in range(i//3*3, i//3*3+3):
for l in range(i%3*3, i%3*3+3):
confirmValueInRule2(k, l, j, possibleValue)
# 判断当前位置是否包含某个数,包含则为此位置的答案
def confirmValueInRule2(i, j, singleNum, possibleValue):
# 若当前位置已经确定值了, 直接返回
if len(possibleValue[i][j]) ==1:
return
# 若当前位置包含唯一可能值，则这个位置的确定值就是它
if singleNum in possibleValue[i][j]:
possibleValue[i][j] = [singleNum]
# 重新调用规则1
removeValueByRule1(i, j, possibleValue)
###########################################################################################
# 递归搜索
def searchForPruning(node, possibleValue):
# 若没有需要填值的点了，表示搜索结束，答案已出
if node is None:
return possibleValue
# 获取当前位置的x，y坐标
x = node[0]
y = node[1]
for num in possibleValue[x][y]:
# 复制一份当前状态
tempPossibleValue = copy.deepcopy(possibleValue)
# 更新数据
tempPossibleValue[x][y] = [num]
# 调用规则1，2
removeValueByRule1(x, y, tempPossibleValue)
pruningByRule2(tempPossibleValue)
# 调用规则1，2后，判断当前结果是否合法，若合法，则进行递归下一层
if judge_result(tempPossibleValue):
# 递归求解
tempPossibleValue = searchForPruning(get_lowest_node(tempPossibleValue), tempPossibleValue)
# 判断递归结果，若结果有返回值，则表示求解成功
if tempPossibleValue is not None:
return tempPossibleValue
# 获取当前可能值最小的位置
def get_lowest_node(possibleValue):
minn = 100
node = None
for i in range(9):
for j in range(9):
# 若当前位置没有确定值，并且可能值的数量更少，则更新记录，
if 1 < len(possibleValue[i][j]) < minn:
minn = len(possibleValue[i][j])
node = (i, j)
return node
# 判断某个位置是否可以放某个值
def judge_result(possibleValue):
# 标记某个数字是否出现
countX = [[False] * 10 for i in range(12)]
countY = [[False] * 10 for i in range(12)]
countZ = [[False] * 10 for i in range(12)]
# 统计各个区域可能值出现的次数
for i in range(9):
for j in range(9):
if len(possibleValue[i][j]) == 1:
# 若当前状态不合法，返回false
if countX[i][possibleValue[i][j][0]] or countY[j][possibleValue[i][j][0]] or countZ[i // 3 * 3 + j // 3][possibleValue[i][j][0]]:
return False
# 若合法，则标记已经确定的数字
countX[i][possibleValue[i][j][0]] = True
countY[j][possibleValue[i][j][0]] = True
countZ[i // 3 * 3 + j // 3][possibleValue[i][j][0]] = True
return True
# 判断某个位置是否可以放某个值
def judge_now_number(possibleValue, i, j, num):
# 判断num在这一行和这一列是否被使用
for k in range(9):
if len(possibleValue[i][k]) == 1 and possibleValue[i][k][0] == num:
return False
if len(possibleValue[k][j]) == 1 and possibleValue[k][j][0] == num:
return False
# 判断num在这个3*3是否被使用
for k in range(int(i / 3) * 3, int(i / 3) * 3 + 3):
for l in range(int(j / 3) * 3, int(j / 3) * 3 + 3):
if len(possibleValue[k][l]) == 1 and possibleValue[k][l][0] == num:
return False
return True
###########################################################################################
# 输出展示可能值列表
def display(possibleValue):
for i in range(9):
for j in range(9):
print(possibleValue[i][j], end="---")
print()
print()
###########################################################################################
# 主函数
def main():
start = time.time()
c = 0
# 主逻辑
while True:
# 调用初始化函数
possibleValue = init()
# 调用规则1剪枝
pruningByRule1(possibleValue)
# 调用规则2剪枝
pruningByRule2(possibleValue)
# display(possibleValue)
possibleValue = searchForPruning(get_lowest_node(possibleValue), possibleValue)
# 判断是否有解
if possibleValue is not None:
display(possibleValue)
else:
print("无解")
if not judge_result(possibleValue):
print("结果异常")
c += 1
if c >= 90:
break
end = time.time()
print(end - start)
# 读取本地存储文件
infile = open("D:/top95.txt")
main()
扩展
数独求解的算法，上面这种并不是最快的，还有一种叫做舞蹈链（Dancing Links）的算法，效率更高，有兴趣的可以了解一下；