譬如朝露,去日苦多。
本文以解经典开局「横刀立马」为例,基于广度优先搜索,通过位运算移动棋子,以 Java 语言实现程序解华容道。源码仓库 klotski。
横刀立马开局
索引
开篇
华容道,源自三国时期,曹操赤壁之战后败走华容道,最后被关羽放走的典故。其衍生的此款游戏属于一种滑块游戏。参阅 维基百科,百度百科。
华容道题解,可抽象为 非双方对弈的 (不同于五子棋)、无唯一解的 (可走不同路径,可扩展为曹操必走某处)、局部目标固定的 (只要求曹操出来,可扩展为要求关羽或小兵位置)、移动滑块 (可扩展为支持移形换位——跳着移动)、求最短路径 (用时最少未必是最短路径) 的问题。
解题思路
先来几道惊险又刺激的 leetcode 算法题热热身如何?
精彩题解参考
- HeroKern 华容道算法基础版、HeroKern 华容道算法之性能优化
- C/C++? 解
- 提到了「通过栈先进后出策略完成最终的路径输出」
- 比较了通过链表、红黑树实现查找算法 (判断棋局重复性)
- Simonsays
- javascript 解,状态动作采用 kineticjs
- 提到华容道游戏技巧,并配以动图
- 图解何为广度优先搜索(BFS)
- 棋盘压缩为
36 bits
,存入散列表以判断棋盘状态树的重复性 - 解释了如何计算步数
- jeantimex
- javascript 解
- 定义了滑块的形状、位置,棋盘,逃离目标点
var game = { blocks: [ // 滑块 { "shape": [2, 2], "position": [0, 1] }, // 曹操 // ... { "shape": [1, 2], "position": [2, 1] }, // 五虎上将 { "shape": [1, 1], "position": [3, 1] } // 小兵 // ... ], boardSize: [6, 6], // 棋盘 escapePoint: [2, 4], // 目标 };
- 移动方向针对每个滑块做了限制
{ down: 0, right: 1, up: 2, left: 3 } // 移动方向 { "shape": [2, 1], "position": [0, 0], directions: [0, 2] }
- 同样采用BFS (画的最好,详见下文 广度优先搜索)
- 压缩策略采用 Zobrist hashing
- 提到了上述 Simon 利用 javascript 数据类型特点的方式仍然需要 O(n²) 的时间复杂度
- Zobrist hashing 通过特殊的哈希表与哈希函数,有利于处理棋盘类游戏重复性判断的问题
- 只需要 O(1) 的时间复杂度即可计算下一个棋盘状态
- 计算镜像棋盘状态 (左右对称的棋盘) 也是 O(1)
本文思路比较
笔者认为,上述三篇精彩题解中,属 jeantimex 的最为出彩。不过着实可惜,笔者在解题前尚未体会上述精彩题解的精要,一心只想解题,也因此饶了不少弯路,末尾的 踩坑复盘 将重现这些愚钝的过程。
相同的思路
- 广度优先搜索求最短路径
- 考虑镜像棋局状态,成倍减少可能的移动
- 利用数据类型特点,压缩棋局存储,利用哈希表更快判重
- 在BFS的同时记录路径,利用栈特点倒序确定路径,以输出结果
不同的思路
- 以二进制表示棋子位置
- 优点:同时表示了棋盘大小,解决了多格滑块整体移动的问题
- 详见 以终为始
private QuickSolverIV() { standard = new int[10]; standard[0] = 0b0110_0110_0000_0000_0000; // 曹操 standard[1] = 0b0000_0000_0110_0000_0000; // 关羽 standard[2] = 0b1000_1000_0000_0000_0000; // 五虎上将 // ... standard[6] = 0b0000_0000_0000_0000_1000; // 小兵 // ... }
- 通过位运算移动棋子
- 优点:由于二维棋盘被 拉伸 成了一维的形式,天然解决了连续移动、拐角移动的问题
- 详见 位运算与移动
// up blocks[i] = original << 4; // 上移一格 if (validate(blocks)) { result.add(blocks.clone()); if (i != 0) { blocks[i] = original << 8; // 上移两格 if (validate(blocks)) result.add(blocks.clone()); } if (i > 5 && !this.isLeftBorder(original)) { blocks[i] = original << 5; // 上左滑动 if (validate(blocks)) result.add(blocks.clone()); } if (i > 5 && !this.isRightBorder(original)) { blocks[i] = original << 3; // 上右滑动 if (validate(blocks)) result.add(blocks.clone()); } }
广度优先搜索
广度优先搜索(维基百科)(英语:Breadth-First-Search,缩写 BFS),又名 宽度优先搜索(百度百科),是一种图形搜索算法。与之相关的还有 深度优先搜索(维基百科)(英语:Depth-First-Search,缩写 DFS)。
场景类比:男主、女主站在同一城市的不同路口,男主要找女主
- 深度优先搜索——不撞南墙不回头
- 男主:你站着别动,我去找你!
- 女主:要是走到死胡同呢?
- 男主:那我再退回上个路口,换条路,继续找!
- 适用:
- 路口分岔多,只要找到就行,不求经过最少路口
- 要求经过N个路口,只求找到一种可行的路径
- 广度优先搜索——蝙蝠回声探路
- 鸣人:你站着别动,我每个路口都影分身找你!
- 小樱:要是走到死胡同呢?
- 鸣人:我每个影分身都 同步向前 走,分身之间可互通信息,这条不行总有条一定行!
- 同步向前:类似飞行棋移动,即便有四架飞机都在外可移动,但每次只能移动一个棋子。
- 每个影分身都同步向前,意味着下一次移动机会要让给另一个分身,而不是总是一个分身继续向前移动(除非只剩下一个分身)
- 若总是这个分身向前移动,就是深度优先搜索
- 适用:路口分岔少,不只要找到,还要求经过最少路口——最优步数解华容道
- 双向广度优先搜索——好比…两只蝙蝠
- 鸣人:诶?你不是也会影分身吗,我们一起分身找对方啊!
- 小樱:你走我也走不会彼此错过吗?
- 鸣人:我们每个路口都分身,地毯式互找,错不了!
- 适用:已知起点、终点——华容道终点棋盘样式太多,枚举起终点反而数量巨大。可参考笔者在 单词接龙的题解
华容道 BFS
华容道 广度优先搜索
- 类比路口寻找
- 开局棋盘找终局棋盘 (只要红色曹操出来即可)
- 每次可能的移动就是每个路口可能的分岔情况
- 镜像棋盘 (Mirror) 算作走过的路口,不需要再走 (剪枝 pruning)
- 重复棋盘 (Duplicate) 属于其他影分身走过的路口,也要剪掉
- 回看上图,广度优先搜索是 一层一层找
- 每层的每个棋局,都发散出下一层可能的棋局
- 若是一条路走到底,就是深度优先搜索
位运算与移动
位操作 是程序设计中对位模式或二进制数的一元和二元操作。如二进制 0001100
向左移 1
位后,得到 0011000
。
横刀立马开局
- 使用 二进制 表示每个棋子在棋盘中的位置,完整代码详见 以终为始
private QuickSolverIV() { standard = new int[10]; standard[0] = 0b0110_0110_0000_0000_0000; // 曹操 standard[1] = 0b0000_0000_0110_0000_0000; // 关羽 standard[2] = 0b1000_1000_0000_0000_0000; // 其他四虎上将 // ... 3, 4, 5 standard[6] = 0b0000_0000_0000_0000_1000; // 小兵 // ... 7, 8, 9 }
- 定义长度为
10
的数组分别表示10个棋子 - 固定每个棋子在数组中的索引,如
standard[0]
为曹操 0b
自 java 7 之后可表示二进制前缀- 每一行使用下划线分割(java 编译后会处理掉)
- 曹操
0110_0110_0000_0000_0000
表示 正占用着 第一行中间两格、第二行中间两格 - 同时也表示了棋盘大小:
5
行,4
列0110 0110 0000 --(二维棋盘拉伸成一维)-> 0110_0110_0000_0000_0000 0000 0000
- 只需要曹操出来的终局
target
,可表示为0000_0000_0000_0110_0110
- 定义长度为
- 使用 左移、右移 表示棋子移动,代码实现详见 可能的移动
- 曹操
0110_0110_0000_0000_0000
右移1
列,得到0011_0011_0000_0000_0000
0110 0011 0110 0011 0000 --(>> 1)-> 0000 --(拉伸成一维)-> 0011_0011_0000_0000_0000 0000 0000 0000 0000
- 曹操
0110_0110_0000_0000_0000
下移1
行,得到0000_0110_0110_0000_0000
0110 0000 0110 0110 0000 --(>> 4)-> 0110 --(拉伸成一维)-> 0000_0110_0110_0000_0000 0000 0000 0000 0000
- 相当于拉伸成一维后,再右移
4
位
- 相当于拉伸成一维后,再右移
- 小兵(当前在棋盘左下角)
0000_0000_0000_0000_1000
向东北方(右上方)移动(拐角移动计1
步),得0000_0000_0000_0100_0000
,代码实现详见 完善拐点移动0000 0000 0000 0000 0000 0000 0000 --(<< 4)-> 0000 --(>> 1)-> 0000 --> 0000_0000_0000_0100_0000 0000 1000 0100 1000 0000 0000
- 相当于上移
1
行,再右移1
列 - 相当于左移
4
位,再右移1
位 - 相当于左移
3
位
- 相当于上移
- 曹操
- 通过位移后
& 1
判断是否到边,详见 实现是否靠左边private boolean isLeftBorder(int block) { // 左边界数组,二进制对低位为0算起,3表示最下一行的左边界 // 依此类推,7, 11, 15, 19 表示其他各行的左边界 int[] leftBorders = new int[]{3, 7, 11, 15, 19}; for (int leftBorder : leftBorders) if (((block >> leftBorder) & 1) == 1) return true; return false; }
- 利用
int
,可高效排序,在压缩棋盘时,表示对同类型棋子,总是 无所谓位置在哪,详见 棋局压缩// 每次压缩棋局前,先对同类型的棋子排序 // v(vertical) 表示竖着的五虎将们 // ...少了横着的(horizon)关羽(h)就是四虎了 int[] vArr = new int[]{blocks[2], blocks[3], blocks[4], blocks[5]}; Arrays.sort(vArr);
- 利用只记录各棋子最低位的
1
,来实现long
(64b
,实际只需50b
) 存储一个棋局,详见 棋局压缩int[] temp = new int[10]; // ... 将棋局经同类型排序处理后,存入 temp 数组 // 曹操顶左上角时: 1100_1100_0000_0000_0000 = (1<<19) + (1<<18) + (1<<15) + (1<<14) // 最大的最低位为19:10011,10个block共 5*10=50 bit即可 long res = 0b0; // 64 bit // each block for (int i = 0; i < temp.length; i++) { // 找最低位的1的位置 long lowest = 0; // 64 bit for (int n = 0; n < 20; n++) { if (((temp[i] >> n) & 1) == 1) { lowest = n; break; } } res |= (lowest << (i * 5)); } return res;
- 利用
&
作棋子重叠判断,|=
作占位累计,详见 可能的移动int occupying = 0b0; // 已占位的 for (int block : blocks) { // ... 越上界 if ((occupying & block) != 0) return false; // 重叠 occupying |= block; // 占位累计 }
在理解了 解题思路 之后,接下来两节 代码框架、补充细节 我们将从零开始一起完成每一行代码。其中不乏可升级、适应更多棋局的优化思路,都将简要记录在 抽象优化 一节。
代码框架
既然基于广度优先搜索实现,那么我们先来搭建广度优先搜索的框架代码(与解华容道无关),再在框架内完善题解华容道相关的顶层变量及方法名。
以终为始
首先我们基于搭建题解类,确定入口参数 int[]
开局棋盘及返回类型 int
步数。
横刀立马开局
public class QuickSolverIV {
// 开局棋盘
private int[] standard;
// 确定开局,以横刀立马为例
private QuickSolverIV() {
standard = new int[10];
standard[0] = 0b0110_0110_0000_0000_0000; // Square 大方块曹操
standard[1] = 0b0000_0000_0110_0000_0000; // Horizon 横放关羽
standard[2] = 0b1000_1000_0000_0000_0000; // Vertical 竖放武将
standard[3] = 0b0001_0001_0000_0000_0000; // Vertical 竖放武将
standard[4] = 0b0000_0000_1000_1000_0000; // Vertical 竖放武将
standard[5] = 0b0000_0000_0001_0001_0000; // Vertical 竖放武将
standard[6] = 0b0000_0000_0000_0000_1000; // Cube 小兵
standard[7] = 0b0000_0000_0000_0100_0000; // Cube 小兵
standard[8] = 0b0000_0000_0000_0010_0000; // Cube 小兵
standard[9] = 0b0000_0000_0000_0000_0001; // Cube 小兵
}
// 传入开局棋盘
// 返回最小步数
public int minSteps(int[] opening) {
// 要找的目标
int target = 0b0000_0000_0000_0110_0110;
// TODO
return -1;
}
}
通用模板
回顾 广度优先搜索 的思路,代码需实现:
- 每个路口都做着一样的事情——递归
- 看看这个路口有几条分岔——找所有可能的下一步
- 看看哪些分岔其他分身已经走过——剪枝,去重
- 每个分身都有平等的机会 同步向前——队列
- 所有可能的下一步都别急着走,先放入队列
- 把这一轮(bfs的一层)所有分身都移动一遍之后,再看下一层
- 下一层都在队列里
Talk is cheap, show you the code.
入口方法
// 传入开局棋盘
// 返回最小步数
public int minSteps(int[] opening) {
// 要找的目标
int target = 0b0000_0000_0000_0110_0110;
// 初始层的所有可能,存入队列
Queue<int[]> queue = new LinkedList<>(Collections.singleton(opening));
// 分身走过路口的记录
Set<Long> visited = new HashSet<>(Collections.singleton(this.compress(opening)));
return this.bfs(step: 0, queue, target, visited);
}
递归主体
// 广度优先搜索
private int bfs(int step, Queue<int[]> queue, int target, Set<Long> visited) {
// terminator 递归终止条件
if (queue.isEmpty()) return -1; // 所有路口都已经无路可走,找不到
// process 当前这批分身要做的事
step++; // 走一批,计数一次
Queue<int[]> nextQueue = new LinkedList<>(); // 下一批可走的所有分岔
// 这批每个分身都有平等机会 同步向前
while (!queue.isEmpty()) {
int[] current = queue.remove(); // 逐个分身走
// 看看这个路口有几条分岔
List<int[]> possibilities = getPossibilities(current);
for (int[] possibility : possibilities) {
// pruning: visited 看看哪些分岔其他分身走过了
if (visited.contains(compress(possibility))) continue; // 若走过,则跳过不再考虑
// can be possible
// 下一条路就是终点,则返回经过了多少批分身(即多少个路口)
if (possibility[0] == target) return step; // win
// 若不是终点,则入选下一轮分岔路队列
nextQueue.add(possibility);
// 记录这个路口已经有影分身占位准备要往前走了,其他分身不必再来
visited.add(compress(possibility));
// 同时,镜像路口也算走过,不必再走
visited.add(compress(getMirror(possibility)));
}
}
// drill down 所有分身接着向前走
return this.bfs(step, nextQueue, target, visited);
}
IDE生成的空方法
// 返回棋局的镜像棋局
private int[] getMirror(int[] blocks) { return new int[0]; }
// 查找当前棋局的、所有可能的、移动后的棋局
private List<int[]> getPossibilities(int[] blocks) { return Collections.emptyList(); }
// 压缩棋局
private Long compress(int[] blocks) { return -1L; }
补充细节
自顶向下编程
写代码也犹如广度优先:不应一股脑深入具体某个方法的实现(深度优先),先把大框架搭好,保证思路清晰,变量与方法命名合适,再借用IDE能力快速生成空的方法实现。即「自顶向下编程」。
接下来我们就实现上述代码中的三个空方法
以及为了棋盘输出所需的 记录路径
可能的移动
// 查找当前棋局的、所有可能的、移动后的棋局
private List<int[]> getPossibilities(int[] blocks) {
List<int[]> possibilities = new ArrayList<>();
// move 逐个棋子试着移动,移动有效则计入可能的移动
for (int i = 0; i < blocks.length; i++) {
// 记录棋子原来位置,最后需还原
int original = blocks[i];
// up 试着向上移动
blocks[i] = original << 4; // up
if (validate(blocks)) possibilities.add(blocks.clone());
// down 试着向下移动
blocks[i] = original >> 4; // down
if (validate(blocks)) possibilities.add(blocks.clone());
// 若到最左边,则不可再左移动
// left 试着向左移动
if (!isLeftBorder(original)) {
blocks[i] = original << 1; // left
if (validate(blocks)) possibilities.add(blocks.clone());
}
// 若到最右边,则不可再右移动
// right 试着向右移动
if (!isRightBorder(original)) {
blocks[i] = original >> 1; // right
if (validate(blocks)) possibilities.add(blocks.clone());
}
// reverse 还原这颗棋子的位置
blocks[i] = original;
} // end for
return possibilities;
}
关键点
- 完全可通过判断空位来决定哪些棋子可移动,而不是每个棋子、每个方向都尝试,详见 由空位定移动
- 对形状的抽象优化,详见 抽象形状判断
- 至于 连续移动两步、拐点移动 没有体现?只是在现有基础上增加
if
逻辑分支 深入处理即可,并非难点,暂且跳过,后续完善 int[]
需clone()
后才能加入possibilities
- 别忘了
blocks[i] = original;
还原棋子位置 - 同样自顶向下编程,出现后续待完善的三个空方法
// 是否靠右边 private boolean isRightBorder(int block) { return false; } // 是否靠左边 private boolean isLeftBorder(int block) { return false; } // 校验棋盘有效性 private boolean validate(int[] blocks) { return false; }
实现校验棋盘有效性
// 校验棋盘有效性
private boolean validate(int[] blocks) {
if (blocks.length != 10) return false; // 缺少棋子
int occupying = 0b0; // 已占位的
for (int block : blocks) {
if (block > ((1 << 20) - 1)) return false; // 越上界
if ((occupying & block) != 0) return false; // 重叠
occupying |= block; // 占位累计
}
// 消除最低位的17个1后,应该还有1——越下界
for (int i = 0; i < 17; i++) occupying &= occupying - 1;
return occupying != 0;
}
关键点
int
共32
位,最高位(最左边)为符号位,其后都是数值- 越上界
1 << 20
指1
向左移动了20
位,得到000...000_1_000...000
,1
后面20
个0
(1 << 20) - 1
得到000...000_0_111...111
,最右边20
个1
- 若棋子超过此数,说明有
1
在五行四列的20
位二进制棋盘之外
- 占位累计
occupying
为全0
,看作空棋盘- 随着遍历棋子,通过
|=
不断将占位之处 并 入occupying
|
理解为有1
则1
- 以开局棋盘为例
- 先并入曹操
0110_0110_0000_0000_0000
,occupying
为0110_0110_0000_0000_0000
- 再并入关羽
0000_0000_0110_0000_0000
,occupying
为0110_0110_0110_0000_0000
- 先并入曹操
- 最终将是一个有两个
0
位的、其他全1
的20
位二进制表示占位情况
- 重叠
- 通过
occupying
与每个棋子进行&
操作,最终应该全是0
,否则出现棋子重叠&
理解为有0
则0
- 通过
- 越下界
- 上述越上界,指有
1
出现在20
位之外 - 越下界,检查是否少了
1
- 与判断 缺少棋子 的区别
- 缺少棋子,指的是缺少棋子个数,如整块棋子不见了
- 越下界,更准确的称呼应是「棋子完整性」,如曹操是否缺胳膊少腿,少了某些
1
,但棋子总数未少 - 为了对应越上界,且位运算是通过 逐步去
1
实现,姑且称作「越下界」
- 上述越上界,指有
实现是否靠左边
// 是否靠左边
private boolean isLeftBorder(int block) {
// 左边界数组,二进制对低位为0算起,3表示最下一行的左边界
// 依此类推,7, 11, 15, 19 表示其他各行的左边界
int[] leftBorders = new int[]{3, 7, 11, 15, 19};
for (int leftBorder : leftBorders) if (((block >> leftBorder) & 1) == 1) return true;
return false;
}
关键点
(x & 1) == 1
指的是x
最低位(最右位为最低位)是否为1
- 竖着的五虎将
1000_1000_0000_0000_0000
在左上角,右移15
位后得0000_0000_0000_0001_0001
(别管当前对应什么位置,仅利用纯位移来判断原来是否是某行的左边),最低位是1
,故return true;
- 利用位运算特点:位移不改变原值,而是拷贝新值后再位移
至于
isRightBorder()
,先别看,试着参照isLeftBorder()
写一写?
同理,实现是否靠右边
// 是否靠右边
private boolean isRightBorder(int block) {
// 右边界数组,二进制对低位为0算起,0表示最下一行的右边界
// 依此类推,4, 8, 12, 16 表示其他各行的右边界
int[] rightBorders = new int[]{0, 4, 8, 12, 16};
for (int rightBorder : rightBorders) if (((block >> rightBorder) & 1) == 1) return true;
return false;
}
完善连续移动两步
// up 试着向上移动
blocks[i] = original << 4; // up
if (validate(blocks)) {
possibilities.add(blocks.clone());
// 非曹操才可能连续移动
if (i != 0) {
blocks[i] = original << 8; // up 2 cells
if (validate(blocks)) possibilities.add(blocks.clone());
}
}
关键点
- 能移动一步,才可能移动两步,否则就是跳棋咯
- 在原始基础
original
上连移2
格 - 此处只展示了连续上移,还有连续下移、左移、右移
完善拐点移动
// up 试着向上移动
blocks[i] = original << 4; // up
if (validate(blocks)) {
possibilities.add(blocks.clone());
// 非曹操才可能连续移动
if (i != 0) {
blocks[i] = original << 8; // up 2 cells
if (validate(blocks)) possibilities.add(blocks.clone());
}
// 小兵才可能拐点移动
if (i > 5 && !isLeftBorder(original)) {
blocks[i] = original << 5; // up left
if (validate(blocks)) possibilities.add(blocks.clone());
}
if (i > 5 && !isRightBorder(original)) {
blocks[i] = original << 3; // up right
if (validate(blocks)) possibilities.add(blocks.clone());
}
}
关键点
- 也是基于能移动一步,才可能拐点移动
- 在原始基础
original
上拐点移动(4+1)
或(4-1)
格 - 此处只展示了先上后左/右,还有先下、先左、先右
最终,整个 getPossibilities()
将不在本文赘述,详见源码仓库 klotski。
棋局压缩
压缩思路
- 压缩目的
- 最小存储代价存储当前棋局各棋子所在位置
- 能快速比较两个棋局是否相同
- 同形状的棋子即便位置互换也算相同棋局
- 利用每个棋子都对应一个索引的关系,详见 以终为始
- 则,取每个棋子最低位(或取最高位亦可)即能代表这个棋子的位置
- 那么,可能的最低位有
[0, 19]
共20种 - 其中,最高位的
19
转换二进制表示为10011
—— 共5 bit
- 若所有棋子都采用
5
位二进制表示,则最多10 * 5 = 50 (bit)
- 一个
long
支持64 bit
,从简单实现的角度,选用long
表示这10
个棋子的的位置
横刀立马开局
- 压缩示例
- 回顾开局的
int[]
表示int[] standard = new int[10]; standard[0] = 0b0110_0110_0000_0000_0000; // Square 大方块曹操 standard[1] = 0b0000_0000_0110_0000_0000; // Horizon 横放关羽 standard[2] = 0b1000_1000_0000_0000_0000; // Vertical 竖放武将 standard[3] = 0b0001_0001_0000_0000_0000; // Vertical 竖放武将 standard[4] = 0b0000_0000_1000_1000_0000; // Vertical 竖放武将 standard[5] = 0b0000_0000_0001_0001_0000; // Vertical 竖放武将 standard[6] = 0b0000_0000_0000_0000_1000; // Cube 小兵 standard[7] = 0b0000_0000_0000_0100_0000; // Cube 小兵 standard[8] = 0b0000_0000_0000_0010_0000; // Cube 小兵 standard[9] = 0b0000_0000_0000_0000_0001; // Cube 小兵
- 各棋子最低位的
1
分别处在的位置(最右为0
起计) - 最有
5
个位一组,对应棋子索引,并入 压缩结果,对应压缩值如下表
- 回顾开局的
棋子 | 棋子索引 | 最低位 1 的位置 |
最低位的二进制 | 并入压缩 |
---|---|---|---|---|
初始化 | —— | —— | —— | …00000_00000_00000 |
曹操 | 0 | 13 | 01101 | …00000_00000_01101 |
关羽 | 1 | 9 | 01001 | …00000_01001_01101 |
武将 | 2 | 15 | 01111 | …01111_01001_01101 |
… | … | … | … | … |
总是先对同形状排序
// 压缩棋局
private Long compress(int[] blocks) {
int[] temp = new int[10];
temp[0] = blocks[0]; // 曹操这形状棋子就一个,无需排序
temp[1] = blocks[1]; // 关羽这形状棋子就一个,无需排序
// 对同vertical形状的四虎将排序
int[] vArr = new int[]{blocks[2], blocks[3], blocks[4], blocks[5]};
Arrays.sort(vArr);
temp[2] = vArr[0]; temp[3] = vArr[1]; temp[4] = vArr[2]; temp[5] = vArr[3];
// 对同cube形状的小兵排序
int[] cArr = new int[]{blocks[6], blocks[7], blocks[8], blocks[9]};
Arrays.sort(cArr);
temp[6] = cArr[0]; temp[7] = cArr[1]; temp[8] = cArr[2]; temp[9] = cArr[3];
}
关键点
- 完全可使用
System.arraycopy()
实现数组拷贝,此处为一目了然而设计 - 对形状的抽象优化,详见 抽象形状判断
并入压缩
// 压缩棋局
private Long compress(int[] blocks) {
int[] temp = new int[10];
// ... 总是先对同形状排序
// eg: 1100_1100_0000_0000_0000 = (1<<19) | (1<<18) | (1<<15) | (1<<14)
// 最大的最低位为19:10011,10个block共 5*10=50 bit即可
long res = 0b0; // 64 bit
// 遍历棋子
for (int i = 0; i < temp.length; i++) {
// 找最低位的1的位置
long lowest = 0; // 64 bit
for (int n = 0; n < 20; n++) {
if (((temp[i] >> n) & 1) == 1) {
lowest = n; break;
}
}
// 左移后并入,左移5是跨过上一个棋子已经并入的5个位
res |= (lowest << (i * 5));
}
return res;
}
思考
- 找最低位
1
的位置,是试着逐个位右移后,每次都判断移后最低位是否为1
,更好的写法是?- 通过
temp[i] & -temp[i]
取最低位1
后,再对数所得 long lowest = 31 - Integer.numberOfLeadingZeros(temp[i] & -temp[i]);
- 减少了每个棋子都
for
,加快了计算速度
- 通过
- 纵观全局,虽返回值为
long
,但判重的哈希集合visited
类型为Set<Long>
,意味着存在装箱、拆箱,可有更好方案? - 看看其他读者还有哪些方案
镜像棋局
// 返回棋局的镜像棋局
private int[] getMirror(int[] blocks) {
int len = blocks.length;
int[] mirror = new int[len];
// 逐个棋子找镜像位置,放入镜像棋局
for (int i = 0; i < len; i++) {
// 最左边的,右移2(曹操/关羽——横向已占2格的)或3格(非曹操关羽——横向只占1格的)
// 1100 -> 0011, 1000 -> 0001
if (this.isLeftBorder(blocks[i])) mirror[i] = blocks[i] >> (i < 2 ? 2 : 3);
// 最右边,左移2或3格
// 0011 -> 1100, 0001 -> 1000
else if (this.isRightBorder(blocks[i])) mirror[i] = blocks[i] << (i < 2 ? 2 : 3);
// 非曹操/关羽时(曹/关在中间时就是镜像位),可能需左/右移1格
else if (i > 1) {
// 左移1格到边的话,那么镜像位为右移1格
// 0100 -> 0010
if (this.isLeftBorder(blocks[i] << 1)) mirror[i] = blocks[i] >> 1;
// 右移1格到边的话,那么镜像位为左移1格
// 0010 -> 0100
if (this.isRightBorder(blocks[i] >> 1)) mirror[i] = blocks[i] << 1;
}
// 当前与镜像同位置,直接放入
// 0110 -> 0110
else mirror[i] = blocks[i];
}
return mirror;
}
关键点
- 寻找镜像位,实际上只需左/右移动,无关上/下移动
- 再次利用到二进制表示法的优势:移动是整块棋子的移动,即找镜像位是棋子的所有行的
1
,都同时找镜像位 - 寻找 可能的移动 时,是整个棋局
int[]
的clone()
,因为int[]
对象传递的是数组地址,需要克隆才能不影响原int[]
棋局 - 而此处是
int
赋值,传递的是值本身,无需克隆
至此,程序已经可运行,并返回 81
的最优步数,运行时间平均在 47ms
。
public static void main(String[] args) {
QuickSolver4Blog solver = new QuickSolver4Blog();
long sum = 0;
int times = 100; // 100次
for (int i = 0; i < times; i++) {
Date begin = new Date();
int res = solver.minSteps(solver.standard);
Date end = new Date();
sum += end.getTime() - begin.getTime();
}
System.out.println("average millis: " + sum / times); // 取平均值
}
记录路径
若你想输出最优步数的每一步,则需要增加跟踪路径的「侦探」。
记录路径的作法有多种,如
- 先BFS找出最优步数
81
,再DFS找满足81
的路径,可参考笔者在 单词接龙II的题解。 - BFS的同时,记录当前棋局与上一步的棋局,形成一棵大树 (心中可有B树?),本文采用了此种方法
- 使用
Map<int[], int[]>
作为路劲跟踪者,key
为某时刻的棋局,value
为上一棋局 - 因最终需要打印棋局,而非快速计算最优步数,故此处无需压缩
- 利用哈希表插入、查询都是
O(1)
的优势,可快速插入跟踪点、查询上游棋局
- 使用
- 在入口方法
minSteps()
内初始跟踪者
// 传入开局棋盘
// 返回最小步数
public int minSteps(int[] opening) {
// ...
// 路径记录
Map<int[], int[]> paths = new HashMap<>();
paths.put(opening, null);
return this.bfs(0, queue, target, visited, paths); // 传入跟踪者
}
- 递归主体
bfs()
支持跟踪者 - 跟踪者执行记录
paths.put(...);
// 广度优先搜索
// 支持传入跟踪者
private int bfs(int step, Queue<int[]> queue, int target, Set<Long> visited, Map<int[], int[]> paths) {
// ...
while (!queue.isEmpty()) {
int[] current = queue.remove(); // 逐个分身走
// 看看这个路口有几条分岔
List<int[]> possibilities = this.getPossibilities(current);
for (int[] possibility : possibilities) {
// pruning: visited 看看哪些分岔其他分身走过了
if (visited.contains(this.compress(possibility))) continue; // 若走过,则跳过不再考虑
// can be possible
paths.put(possibility, current); // 跟踪者执行记录
// 下一条路就是终点,则返回经过了多少批分身(即多少个路口)
if (possibility[0] == target) return step; // win
// ...
}
}
// drill down 所有分身接着向前走
return this.bfs(step, nextQueue, target, visited, paths); // 传入跟踪者
}
输出棋盘
根据棋盘的 int[]
表示,输出一点儿不成问题,本文给出样例。
在 return step;
之前调用 output(paths, possibility);
// 输出路径
private void output(Map<int[], int[]> paths, int[] curr) {
// 先利用栈的先进后出,倒序存行进步骤
Stack<int[]> stack = new Stack<>();
while (paths.get(curr) != null) {
stack.push(curr);
curr = paths.get(curr);
}
System.out.println("========================");
System.out.println("开局");
printLayout(curr);
int count = 0;
while (!stack.isEmpty()) {
System.out.println("第 " + (++count) + " 步");
int[] b = stack.pop();
printLayout(b);
// 输出镜像棋局
// System.out.println("mirror:");
// printLayout(this.getMirror(b));
}
}
// 输出棋局
private void printLayout(int[] curr) {
// 每个棋子,每个1都以字符表示
char[] symbol = new char[]{'S', 'H', 'V', 'V', 'V', 'V', 'C', 'C', 'C', 'C'};
String[] bStrArr = new String[10];
// 逐棋子补0后转String
for (int i = 0; i < 10; i++) {
StringBuilder builder = new StringBuilder(Integer.toBinaryString(curr[i]));
int length = builder.length();
for (int j = 0; j < 20 - length; j++) builder.insert(0, "0");
bStrArr[i] = builder.toString().replace('1', symbol[i]);
}
// 将棋子存入五行四列的20个格子中
char[] inline = new char[20];
for (int i = 0; i < 20; i++) {
for (String bStr : bStrArr) {
if (bStr.charAt(i) != '0') { inline[i] = bStr.charAt(i); break; }
}
}
// 逐行输出
for (int i = 0; i < 5; i++) {
int j = i * 4;
System.out.print(inline[j++]);
System.out.print(inline[j++]);
System.out.print(inline[j++]);
System.out.print(inline[j]);
System.out.println();
}
System.out.println();
}
运行效果
========================
开局
VSSV
VSSV
VHHV
VCCV
C C
第 1 步
VSSV
VSSV
VHHV
VCCV
C C
第 2 步
VSSV
VSSV
HHV
VCCV
VC C
...
第 80 步
VVVV
VVVV
HHCC
C SS
C SS
第 81 步
VVVV
VVVV
HHCC
CSS
CSS
踩坑复盘
如 本文思路比较 中提到的,因在题解之前,虽有搜索多篇华容道解法,但未细读各文,踩了不少坑。直到题解如上代码之后,准备本文撰写之前,才恍然原来这些坑别人早已踩过。
也好,坑之宝贵,踩后自知。
积木Debug!
若细读上文,也许你会发现,除了思路与模板的熟悉外,最重要、也最容易写错的,就属 可能的移动 一节了。没错,这都是不断 Debug 才沉淀出来的血泪。
而 Debug 的方式,不仅限于断点调试,还真是用华容道玩具来了一拨硬核 Debug。下文 心得体会 中有提到,用乐高搭了一版华容道,直接硬件刚!
被迫 Debug 的原因,是在一次运行之后,结果只需要 52
步?!难道要改变世界啦?稳住,咱别闹笑话了,输出棋盘逐步走走看。可是只看 输出棋盘 的结果,太考验想象力了,连我这个「有画画功底」的「特长生」都比划不来。
积木Debug!
积木Debug!
曹操是食人族?
由于棋局有效性判断不严谨,少了 「棋子个数」 的检查(详见 实现校验棋盘有效性 ),直接导致走着走着少了棋子,让出了更多的空间,曹操只需要 25
步就走了出来……
曹操是食人族?
曹操是食人族?
关二哥穿越了…
由于可能的移动判断不严谨,少了 「左右界」 的检查(详见 可能的移动 ),导致棋子移动后一半在这行最右,另一半在下一行最左,腾出了不该腾出的空间,曹操又趁此溜之大吉……
关二哥穿越了…
优化压缩算法
最初的压缩方式并非 棋局压缩 的 long
存储,而是直接将 10
个棋子各 20b
的二进制塞入 new Bit(200)
内。而后经分析棋子位置的表示,才有了上文的压缩算法。
private BitSet compress(int[] blocks) {
BitSet bitSet = new BitSet(200);
// each block
for (int i = 0; i < blocks.length; i++) {
// each bit in a block
for (int j = 0; j < 20; j++) {
bitSet.set((i * 20) + j, ((blocks[i] >> j) & 1) == 1);
}
}
return bitSet;
}
缺点
- 存储空间较
long
更多,而大部分却都是0
BitSet
的equals()
重写为如下形式,需逐个比对200
个位,略伤public boolean equals(Object obj) { if (!(obj instanceof BitSet)) return false; if (this == obj) return true; BitSet set = (BitSet) obj; checkInvariants(); set.checkInvariants(); if (wordsInUse != set.wordsInUse) return false; // Check words in use by both BitSets for (int i = 0; i < wordsInUse; i++) if (words[i] != set.words[i]) return false; return true; }
就差两行排序
首次编写完的程序,运行超级慢,还被迫使用 启发式搜索 Heuristic Search。原因是在压缩棋局时,忽略了「同形状不同位置也算相同棋局」的问题——少了两行 Arrays.sort()
(详见 棋局压缩 )。导致 visited
存储了大量实际属于相同的棋局——走20步就超过了160w种可能,真是令人崩溃。
相似的,镜像棋局也未剪枝。啊~这都要硬解还真是可怕。
在被迫使用的 a-star-search 中,估价函数定为当前曹操位置与目标的距离
Queue<int[]> allNextQueue = new PriorityQueue<>(
Comparator.comparingInt((int[] b) -> Math.abs(target - blocks[0])));
每一次出队,都需要出最优的 30000
种可能,才能得到 81
步。
而这一切,就差了忽略同形异位的两行排序处理。
后记
抽象优化
由空位定移动
寻找可能的移动时,先确定空位,减少逐棋子逐方向尝试,可大量剪枝,加快速度。
抽象形状判断
对于移动前的形状筛选,以及压缩前的同形排序,都可通过抽象形状判断,而非固定索引值的方式来硬执行,由此可适应更多开局。
心得体会
解题背景
- 笔者自小对棋盘、RTS、全局策略类游戏之喜爱,即便根本没有时间玩,也会因看到游戏更新的内容,就能让我为之热血
- 几个月前为了教女儿认识交通灯,用积木搭了一个 滑动窗口 的红绿灯玩具,顿悟「乐高反着搭可以完美滑动」(积木块凸起高度为正常块1/4),由此引申「要不做个滑块游戏」的冲动,这就有了后来的 乐高版华容道
- 刚搭好那几天,我与太太心血来潮,埋头苦试「横刀立马」之解法,最终由太太首先解出
- 对华容道的不甘心,加之近期对算法的浓厚兴趣,让我更坚定了要啃下华容道的决心
算法练习,别死磕。
典型算法题,即一解通杀型的,磕后要抽象提炼、总结要点、踩坑复盘。
鸣谢与花絮
感谢妻子的理解与支持,无论是题解、搭博客或记下本文,都给予了我一百二十分的心理与行动支持,才有了坚持向前的动力。
没有爱的代码,很容易急功近利、不思进取。
感谢好友 @Eugene 的支持,一同交流我进度的分享与跌宕起伏的爬坑之旅,对本文也提了诸多建议,才是现在的样子。一碗老友不够的话……
文末,贴上部分与 @Eugene 的有趣聊天片段,以结束此文。