假如你對數獨解法感興趣，你可能聽說過精確覆蓋問題。給定全集 X 和 X 的子集的集合 Y ，存在一個 Y 的子集 Y*，使得 Y* 構成 X 的一種分割。
這兒有個Python寫的例子。
|
1 2 3 4 5 6 7 8 |
X = {1, 2, 3, 4, 5, 6, 7} Y = { 'A': [1, 4, 7], 'B': [1, 4], 'C': [4, 5, 7], 'D': [3, 5, 6], 'E': [2, 3, 6, 7], 'F': [2, 7]} |
這個例子的唯一解是['B', 'D', 'F']。
精確覆蓋問題是NP完備（譯註：指沒有任何一個夠快的方法可以在合理的時間內，意即多項式時間 找到答案）。X演算法是由大牛高德納發明並實現。他提出了一種高效的實現技術叫舞蹈鏈，使用雙向連結串列來表示該問題的矩陣。
然而，舞蹈鏈實現起來可能相當繁瑣，並且不易寫地正確。接下來就是展示Python奇蹟的時刻了！有天我決定用Python來編寫X 演算法，並且我想出了一個有趣的舞蹈鏈變種。
演算法
主要的思路是使用字典來代替雙向連結串列來表示矩陣。我們已經有了 Y。從它那我們能快速的訪問每行的列元素。現在我們還需要生成行的反向表，換句話說就是能從列中快速訪問行元素。為實現這個目的，我們把X轉換為字典。在上述的例子中，它應該寫為
|
1 2 3 4 5 6 7 8 |
X = { 1: {'A', 'B'}, 2: {'E', 'F'}, 3: {'D', 'E'}, 4: {'A', 'B', 'C'}, 5: {'C', 'D'}, 6: {'D', 'E'}, 7: {'A', 'C', 'E', 'F'}} |
眼尖的讀者能注意到這跟Y的表示有輕微的不同。事實上，我們需要能快速刪除和新增行到每列，這就是為什麼我們使用集合。另一方面，高德納沒有提到這點，實際上整個演算法中所有行是保持不變的。
以下是演算法的程式碼。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 |
def solve(X, Y, solution=[]): if not X: yield list(solution) else: c = min(X, key=lambda c: len(X[c])) for r in list(X[c]): solution.append(r) cols = select(X, Y, r) for s in solve(X, Y, solution): yield s deselect(X, Y, r, cols) solution.pop() def select(X, Y, r): cols = [] for j in Y[r]: for i in X[j]: for k in Y[i]: if k != j: X[k].remove(i) cols.append(X.pop(j)) return cols def deselect(X, Y, r, cols): for j in reversed(Y[r]): X[j] = cols.pop() for i in X[j]: for k in Y[i]: if k != j: X[k].add(i) |
真的只有 30 行！
格式化輸入
在解決實際問題前，我們需要將輸入轉換為上面描述的格式。可以這樣簡單處理
|
1 |
X = {j: set(filter(lambda i: j in Y[i], Y)) for j in X} |
但這樣太慢了。假如設 X 大小為 m，Y 的大小為 n，則迭代次數為 m*n。在這例子中的數獨格子大小為 N，那需要 N^5 次。我們有更好的辦法。
|
1 2 3 4 |
X = {j: set() for j in X} for i in Y: for j in Y[i]: X[j].add(i) |
這還是 O(m*n) 的複雜度，但是是最壞情況。平均情況下它的效能會好很多，因為它不需要遍歷所有的空格位。在數獨的例子中，矩陣中每行恰好有 4 個條目，無論大小，因此它有N^3的複雜度。
優點
- 簡單: 不需要構造複雜的資料結構，所有用到的結構Python都有提供。
- 可讀性: 上述第一個例子是直接從Wikipedia上的範例直接轉錄下來的！
- 靈活性: 可以很簡單得擴充套件來解決數獨。
求解數獨
我們需要做的就是把數獨描述成精確覆蓋問題。這裡有完整的數獨解法程式碼，它能處理任意大小，3×3，5×5，即使是2×3，所有程式碼少於100行，幷包含doctest！（感謝Winfried Plappert 和 David Goodger的評論和建議）