是否有任何类型的算法可以帮助和加速拼图拼图的构造，其中边缘已经被识别并且每个边缘保证恰好适合另一个边缘（或者如果该块是角落则没有边缘或边境片）？
我在这里得到的数据集大致由以下结构表示：
struct tile {
int a, b, c, d;
};
tile[SOME_LARGE_NUMBER] = ...;
每个边（a，b，c和d）在拼图中唯一索引，以便只有一个其他拼贴与边相匹配（如果该边有匹配，因为边角和边框拼贴可能不匹配）。
不幸的是，过去没有任何保证。数组中tile的顺序是随机的，唯一的保证是它们从0索引到SOME_LARGE_NUMBER。同样，侧面UID也是随机的。它们都属于一个连续的范围（该范围的最大值取决于瓷砖的数量和完成的拼图的尺寸），但这是关于它的。
我试图以最有效的方式组装拼图，这样我最终可以通过二维数组使用行和列来解决已完成的拼图。我应该怎么做呢？
答案 0 :(得分：1)
tile[]数据定义了无向图，其中每个节点与2,3或4个其他节点链接。选择仅包含2个链接的节点，并将其设置为原点。此节点的两个链接定义了X和Y轴。如果您按照X轴链接进行操作，您将到达一个带有3个链接的节点 - 一个指向原点，另外两个指向正X和Y方向。您可以轻松识别X方向的链接，因为它将带您到另一个有3个链接的节点（而不是4个）。
通过这种方式，您可以轻松找到一侧的所有部件，直到您到达远角，这里只有两个链接。到目前为止发现的所有碎片中，唯一未经测试的链接指向Y方向。这样可以轻松放置下一排碎片。只需继续，直到所有部件都已放置。
答案 1 :(得分：-1)
这可能不是您想要的，但是因为您要求＆＃34;最有效的方式＆＃34; ，这是一个相对较新的科学解决方案。
拼图是一个复杂的组合问题（NP-complete），需要学术界的一些帮助才能有效地解决它们。最近的算法最近被genetic algorithms打败了。
根据您的拼图大小（以及学习科学内容的愿望;））您可能对本文感兴趣：A Genetic Algorithm-Based Solver for Very Large Jigsaw Puzzles 。 GA会以惊人的方式解决您在经典算法中遇到的一些问题。
请注意genetic algorithms为embarrassingly parallel，因此可以直接在并行计算机上进行计算，例如多核CPU，GPU（CUDA / OpenCL）甚至分布式/云框架。这使它们快了几百到几千倍。 GPU加速的GA解锁了传统算法无法使用的拼图尺寸。