哥尼斯堡的"七桥问题"
这个游戏的玩法和哥尼斯堡的"七桥问题"有点类似。
哥尼斯堡的"七桥问题"：18 世纪著名古典数学问题之一。在哥尼斯堡的一个公园里，有七座桥将普雷格尔河中两个岛及岛与河岸连接起来(如下图)。是否可能从这四块陆地中任一块出发，恰好通过每座桥一次，再回到起点?
当时人们想到的证明方法是把七座桥的走法都列出来一个一个试验，用排列组合的知识很容易得到七座桥所有的走法大概有 7! = 5040种，如果真的逐一试验，会是个很大的工作量。
但数学家欧拉没有这样想，欧拉把两座岛和河两岸抽象成顶点，七座桥抽象成连接每个顶点的七条边，那么这个问题就能被抽象成下面的图：
假设每座桥都恰好走过一次，那么对于 A、B、C、D 四个顶点中的每一个顶点，需要从某条边进入，同时从另一条边离开，进入和离开顶点的次数是相同的，即每个顶点有多少条进入的边，就有多少条出去的边。
也就是说：每个顶点相连的边是成对出现的，即每个顶点的相连边的数量必须是偶数。
很明显，上图中 A、C、D 三个顶点相连的边都有 3 条，B 顶点的相连边为 5 条，都是奇数。因此这个图无法从一个顶点出发，且恰好走过每座桥一次。
由此次证明，人们又得到了欧拉路关系，要使得一个图形可以一笔画完，必须满足如下两个条件：
图形必须是连通的不能有孤立的点。
图中拥有奇数连接边的点必须是 0 或 2。
对于一个连通图，通常把从某结点出发一笔画成所经过的路线叫做欧拉路。那么这个游戏是不是就是让我们找到一条欧拉路呢?
对游戏进行抽象
按照上面证明七桥问题的方法，我们可以将游戏的地图抽象成这样：
其中 14 号顶点为起点。
顶点和边的关系在程序中可以刻画成一个二维列表。
graph = [
[ 1, 6], #0
[ 0, 2], #1
[ 1, 7, 3], #2
...
[ 24, 19] #25
]graph 列表的第一层表示每一个顶点，第二层则是与当前顶点有边的顶点。
抽象完这张游戏地图后可以很清楚知道，这游戏并不是让我们找到一条欧拉路。
因为找到一条欧拉路，需要的是经过每一座桥，且只经过一次，也就是说每个顶点可以被多次经过。
而这个游戏需要的是经过每一个顶点，并不要求走完每一座桥，且顶点只能被经过一次。
哈密顿通路
在研究了七桥问题发现并不能解决这类问题后，我开始向团队的表哥们请教，其中一个表哥告诉我此类问题叫做哈密顿图 (这里感谢下团队的**@xq17**表哥)。
这里说的哈密顿图，实际上是哈密顿通路的一种特殊情况，指的是：由指定的起点出发，途中经过所有其他顶点且只经过一次 ，最后返回起点，称之为哈密顿回路。如果给定的图 G 具有哈密顿回路，则称图 G 为哈密顿图。
那么现在目标明确了，这个游戏的解法就是找到某个给定图的哈密顿通路。
但是问题来了！！！哈密顿通路问题，在上世纪七十年代初，被证明是 NP-hard 问题：
一个复杂问题如果能在多项式时间内解决，那么它便被称为 P 类问题。
一个复杂问题如果不能确定在多项式时间内解决，那么它便被称为 NP 类问题。
什么意思呢？就拿质因数分解来说吧：
P 类问题：23x37=?
NP 类问题：已知 axb=740914799，且 a 和 b 都是质数，求 a 和 b 的值
让我们来看看这个问题有多复杂：
因为 axb=740914799，且 a 和 b 都是质数
设 P={x|2<=x<740914799/2，x 是质数}
易得 (a，b)∈PxP，即 P 与它自身的笛卡尔积
我们用一种叫做筛法的算法来求一下 P 集合的元素个数：
#! /usr/bin/env python
# -*- coding: utf-8 -*-
# Coding with love by Naiquan.
import math
import time
start= time.clock()
number= int( 740914799/ 2)
marks_list = [ True] * ( number+ 1)
marks_list[ 0] = marks_list[ 1] = False
fori inrange( 2, int(math.sqrt( number)) + 1):
j = i
t = j
# 去掉倍数
whilej * t <= number:
marks_list[j * t] = False
t += 1
elapsed = str(time.clock() - start)
print marks_list.count( True)
print "Time used:"+ elapsed
一共有 19841519 个质数，算了我大概 14 分钟。
PxP 的元素个数一共有 19841519^2 个，要一个个验证是否等于 740914799，无疑又是一项很大的工程，这就是典型的 NP 类问题。NP 类问题虽然难，但是可以很快验证一个给定的答案，是否正确。
比如上面的题，我告诉你答案 a=22229，b=33331，你很快就能验证答案是否正确了。而 NP-hard 问题则是比 NP 问题更难的问题，例如：围棋。
也就是说并不能找到一个友好的算法，来解决哈密顿通路问题。
算法设计
虽然找到一个图的哈密顿通路是 NP 困难的，但是好在游戏中的顶点不算太多，还是可以使用暴力一点的方法实现的，例如：图的深度优先遍历法(DFS) 即递归和回溯法思想。
算法流程：
①将当前顶点压入已访问栈和路径栈中。
②将与当前顶点相通的顶点列出来。
③随机选取一个相通的顶点，并判断此顶点是否在已访问栈中：
在已访问栈中则取另一个相通的顶点。
不在则将这个相通的顶点作为当前顶点。
若所有相通的顶点都在已访问栈中， 则判断路径栈是否包含所有顶点。
路径栈中包含所有顶点，则路径栈为当前图的哈密顿通路。
不包含所有顶点则回到父顶点， 并从已访问栈和路径栈中删除。
④反复执行 1~3。
算法实现
上面说过图的顶点和边的关系可以用一个二维列表来描述：
graph = [
[ 1, 6], #0
[ 0, 2], #1
[ 1, 7, 3], #2
...
[ 24, 19] #25
]但是要手动输入这些顶点和边的关系还是太麻烦了。仔细想了下，如果每个顶点的上下左右有顶点，就一定与上下左右的顶点有边。
那么这个二维列表就可以简化成：
graph = [
[ 1,1,1,1,1,1],
[ 1,0,1,1,0,1],
[ 1,1,1,1,1,1],
[ 1,0,1,1,0,1],
[ 1,1,1,1,1,1],
[ 0,0,0,0,0,0] #每个1代表一个顶点 1与上下左右的1都有边 与0则没有 长宽相等易于编写代码
]还可以再简化成一维列表：
graph= [
'111111',
'101101',
'111111',
'101101',
'111111',
'000000'
]简直机智如我啊！于是我写了个函数对一维列表进行转换：
def get_index(i, j, G):
num = 0
for a in xrange(i):
num += G[a].count('0')
for b in xrange(j):
if G[ i][ b] == '0':
num += 1
return i * len(G) + j - num
def get_graph(G):
G = [list(x) for x in G]
EG = []
for i in xrange(len(G)):
for j in range(len(G[i])):
if G[ i][ j] == '0':
continue
side_list = []
if j+1 <=len(G[i]) -1:
ifG[i][j+1] == '1':
index= get_index(i,j+1, G)
side_list.append(index)
ifj-1>= 0:
if G[ i][ j-1] == '1':
index = get_index(i, j-1, G)
side_list.append(index)
if i+1 <=len(G) -1:
ifG[i+1][j] == '1':
index= get_index(i+1,j, G)
side_list.append(index)
ifi-1>= 0:
if G[ i-1][ j] == '1':
index = get_index(i-1, j, G)
side_list.append(index)
EG.append(side_list)
return EG
而算法的实现用图的邻接矩阵则更为方便，因此我写了一个将上列二位列表转换成邻接矩阵形式的函数：
defget_matrix(graph):
result = [[ 0]*len(graph) for_ inxrange(len(graph))] # 初始化
fori inxrange(len(graph)):
forj ingraph[i]:
result[i][j] = 1# 有边则为1
returnresult
主要的 DFS 算法如下：
# graph为图的邻接矩阵 used为已访问栈 path为路径栈 step为已经遍历的顶点的个数
defdfs(graph, path, used, step):
ifstep == len(graph): # 判断顶点是否被遍历完毕
printpath
returnTrue
else:
fori inxrange(len(graph)):
ifnotused[i] andgraph[path[step -1]][i] == 1:
used[i] = True
path[step] = i
ifdfs(graph, path, used, step+ 1):
returnTrue
else:
used[i] = False# 回溯 返回父节点
path[step] = -1
returnFalse
defmain(graph, v):
used = [] # 已访问栈
path = [] # 路径栈
fori inxrange(len(graph)):
used.append( False) # 初始化 所有顶点均未被遍历
path.append( -1) # 初始化 未选中起点及到达任何顶点
used[v] = True# 表示从起点开始遍历
path[ 0] = v # 表示哈密顿通路的第一个顶点为起点
dfs(graph, path, used, 1)完整代码如下：
#! /usr/bin/env python
# -*- coding: utf-8 -*-
# Coding with love by Naiquan.
defdfs(graph, path, used, step):
ifstep == len(graph):
printpath
returnTrue
else:
fori inxrange(len(graph)):
ifnotused[i] andgraph[path[step -1]][i] == 1:
used[i] = True
path[step] = i
ifdfs(graph, path, used, step+ 1):
returnTrue
else:
used[i] = False
path[step] = -1
returnFalse
defmain(graph, v):
used = []
path = []
fori inxrange(len(graph)):
used.append( False)
path.append( -1)
used[v] = True
path[ 0] = v
dfs(graph, path, used, 1)
defget_index(i, j, G):
num = 0
fora inxrange(i):
num += G[a].count( '0')
forb inxrange(j):
ifG[i][b] == '0':
num += 1
returni * len(G) + j - num
defget_graph(G):
G = [list(x) forx inG]
EG = []
fori inxrange(len(G)):
forj inrange(len(G[i])):
ifG[i][j] == '0':
continue
side_list = []
ifj+ 1<= len(G[i]) - 1:
ifG[i][j+ 1] == '1':
index = get_index(i, j+ 1, G)
side_list.append(index)
ifj -1>= 0:
ifG[i][j -1] == '1':
index = get_index(i, j -1, G)
side_list.append(index)
ifi+ 1<= len(G) - 1:
ifG[i+ 1][j] == '1':
index = get_index(i+ 1, j, G)
side_list.append(index)
ifi -1>= 0:
ifG[i -1][j] == '1':
index = get_index(i -1, j, G)
side_list.append(index)
EG.append(side_list)
returnEG
defget_matrix(graph):
result = [[ 0]*len(graph) for_ inxrange(len(graph))]
fori inxrange(len(graph)):
forj ingraph[i]:
result[i][j] = 1
returnresult
if__name__ == '__main__':
map_list = [
'111111',
'101101',
'111111',
'101101',
'111111',
'000000'
]
G = get_graph(map_list)
map_matrix = get_matrix(G)
# print map_matrix
SP = 14
main(map_matrix, SP)
结束
在实现了功能后，我拿着这个程序成功过到了差不多一百关，然后就玩腻了，哈哈哈哈哈哈哈哈哈
作者：奶权
