数独模拟退火

Question

模拟退火是一种生成和解决数独问题的好算法吗？为什么或者为什么不？

我实现了一个带有回溯的数独游戏，但现在我想用Java中的本地搜索算法来实现。但是，我不知道从哪里开始。我可以使用任何可用的库吗？

Answer 1

数独是面包屑的问题导致最佳解决方案（即使在最困难的情况下）。我的意思是，约束限制了搜索空间的组合爆炸不是太大（当然相对而言）：进展的方式很明确。这些问题的其他例子是爱因斯坦/斑马拼图，SendMoreMoney拼图和n-queens。那些是完美的回溯案例。虽然模拟退火对那些有用，但它不是正确的工具（回溯是）。另一方面，模拟退火（和其他元启发式）在实际问题上表现优异，例如课程时间表，员工排班，vrp，......

您可以使用的可用库是OptaPlanner（Java，开源）：2年前Someone已经为它编写了一个Sudoku solver，用于旧版本的OptaPlanner（然后它仍被称为Drools Planner）。默认情况下，它看起来像configured Tabu搜索，但是将其切换为Simulated Annealing是一个2行更改。

Answer 2

回答关于simulating annealing算法的第一个问题，

模拟退火的优点+缺点

• 好：快速找到最低

• 错误：可能找不到全局最低值（最佳解决方案）

• 温度升高使得速度变慢，但我们不太可能陷入局部最低限度

来源：cs.mercer.edu

至于你在Java中解决算法的第二个问题，see here了解完整的源代码。希望这可以帮助！