在下面的谜题中,我们尝试用以下方式填充网格:蓝色和白色方块:
如果我们现在用0表示白色,用1表示蓝色,我们得到:
0 _ _ _ 1 _
_ 0 _ _ _ _
_ _ _ _ _ 0
1 _ _ 0 _ _
_ _ 1 1 _ _
_ 0 _ _ 1 _
我们可以很快验证
0 1 0 0 1 1
0 0 1 1 0 1
1 1 0 1 0 0
1 1 0 0 1 0
0 0 1 1 0 1
1 0 1 0 1 0
是此示例的解决方案。
作为约束,我写了以下内容:
constraints(Board,N) :-
N2 is N // 2,
( for(I,1,N), param(Board,N2,N)
do
Row is Board[I,1..N],
Col is Board[1..N,I],
ic_global:sequence_total(N2,N2,1,2,3,Row),
ic_global:sequence_total(N2,N2,1,2,3,Col)
).
sequence_total/6确保值1应该在行/列中完全出现N2次(N次的一半),并且3个元素的指定行/列中的每个序列应该包含1到2次值为1(因此没有3个方格,值为1可以相互出现)。
我得到了18x18拼图实例(*)的以下结果:
Solved in 147 backtracks
Yes (10.39s cpu, solution 1)
看起来限制在执行任何搜索之前都能很好地完成工作,因为只有'需要147次回溯。然而,运行时间对我来说似乎很长,特别是与回溯的数量相比。我猜这是因为必须进行所有序列检查?改变search/6中任何选择/选择方法对运行时间几乎没有影响的事实似乎证实了这一点。
如果是这样,是否还有其他更有效的方法来限制列表/数组中的序列,使N个相同的元素彼此相邻并缩短运行时间?
修改
使用以下@jschimpf提供的分解版本后,获得以下结果:
Solved in 310 backtracks
Yes (0.22s cpu, solution 1)
新约束不如sequence / 6强,我们确实需要更多回溯,但我们的运行时间从10.39secs下降到0.22secs,因此整体结果非常理想。
示例数据:
用于此问题的拼图(无需回溯解决)
问题(P(6,1),[(1,1,0),(1,5,1),(2,2,0),(3,6,0),(4,1, 1),(4,4,0),(5,3,1),(5,4,1),(6,2,0),(6,5,1)])。
我发布结果的拼图(*):
问题(P(18,1),[(1,3,0),(1,9,0),(1,10,0),(1,12,0),(1,14, 0),(1,18,1),(2,4,0),(2,7,1),(2,8,1),(3,2,1),(3,6,0) ,(3,16,0),(3,17,0),(4,2,1),(4,4,1),(4,10,1),(4,13,1),( 4,18,1),(5,8,1),(5,10,1),(5,15,0),(5,16,1),(6,12,1),(7, 3,0),(7,4,0),(7,6,1),(7,9,0),(7,12,1),(7,17,0),(8,1, 1),(8,4,0),(8,8,1),(8,15,1),(8,16,1),(9,7,0),(9,10,0) ,(9,14,0),(10,2,1),(10,4,1),(10,6,1),(10,13,1),(11,7,0),( 11,10,1),(12,1,1),(12,4,1),(12,7,1),(12,15,1),(12,16,1),(13, 1,1),(13,6,0),(13,8,1),(13,10,0),(13,16,1),(14,5,1),(14,10, 0),(14,13,1),(15,1,1),(15,3,1),(15,12,0),(15,13,1),(15,15,0) ,(16,2,1),(16,4,0),(16,12,0),(16,18,0),(17,9,0),(17,15,0),( 17,18,0),(18,2,1),(18,8,1),(18,11,1),(18,15,1),(18,16,1)])。< / p>
答案 0 :(得分:2)
事实证明,在这种情况下,序列约束的手工制作,分解版本效率更高。例如使用
sequence_1_2([X1,X2,X3|Xs]) :- !,
S #:: 1..2,
X1+X2+X3 #= S,
sequence_1_2([X2,X3|Xs]).
sequence_1_2(_).
将任何3元素子序列的总和约束为1或2,并用
替换sequence_total / 6约束 ...,
sum(Row) #= N2,
sequence_1_2(Row),
这使得解决时间缩短到0.2秒。