مسئله هشت وزیر
مسئله چند وزیر
مسئله چند وزیر یک معمای شطرنجی و ریاضیاتی است که بر اساس آن باید n وزیر شطرنج در یک صفحه n×n شطرنج بهگونهای قرار داده شوند که هیچیک زیر ضرب دیگری نباشند. با توجه به اینکه وزیر بهصورت افقی، عمودی و اُریب حرکت میکند، باید هر وزیر را در طول، عرض و قطر متفاوتی قرار داد.
اولین و مشهورترین شکل این مسئله معمای هشت وزیر است که برای حل آن باید ۸ وزیر را در یک صفحهً معمولی (۸×۸) شطرنج قرار داد. این مسئله ۹۲ جواب دارد که ۱۲ جواب آن منحصر بهفرد است یعنی بقیه جوابها از تقارن جوابهای اصلی بهدست میآید.
مسئله n وزیر در صورتی جواب دارد که n مساوی ۱ یا بیشتر از ۳ باشد. یعنی مسئله دو وزیر و سه وزیر راه حلی ندارند.
محتویات |
[ویرایش] تاریخچه
این مسئله در سال ۱۸۴۸ توسط شطرنج بازی به نام Max Bezzel عنوان شد و ریاضی دانان بسیاری ازجمله Gauss و Georg Cantor بر روی این مسئله کار کرده و در نهایت آنرا به n وزیر تعمیم دادند. اولین راه حل توسط Franz Nauck در سال ۱۸۵۰ ارائه شد که به همان مسئله n وزیر تعمیم داده شد. پس از آن Gunther راه حلی با استفاده از دترمینان ارائه داد که J.W.L. Glaisher آنرا کامل نمود.در سال ۱۹۷۹، Edsger Dijkstra Nauck با استفاده از الگوریتم عقب گرد اول عمق، این مسئله را حل کرد.
[ویرایش] صورت مسئله
هدف از مسئله n وزیر، چیدن n مهره وزیر در یک صفحه شطرنج(n*n) است، به طوری که هیچ دو وزیری یکدیگر را گارد ندهند، یعنی هیچ دو مهرهای نباید در یک سطر، ستون یا قطر یکسان باشند.وزیر در خانههای شطرنج به صورت عرضی، طولی و قطری میتواند حرکت کند. مسئله n وزیر از جمله مسائل NP در هوش مصنوعی است که روشهای جستجوی معمولی قادر به حل آنها نخواهد بود
[ویرایش] شمردن تعداد جواب ها
جدول زیر تعداد راه حلها برای قرار دادن n وزیر برروی صفحه n × nنشان میدهد.هر دو منحصر به فرد و متمایز، برای تعداد ۱-۱۴ ،۲۴-۲۶ است.
تعداد وزیرها: | ۱ | ۲ | ۳ | ۴ | ۵ | ۶ | ۷ | ۸ | ۹ | ۱۰ | ۱۱ | ۱۲ | ۱۳ | ۱۴ | .. | ۲۴ | ۲۵ | ۲۶ |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
منحصر به فرد: | ۱ | ۰ | ۰ | ۱ | ۲ | ۱ | ۶ | ۱۲ | ۴۶ | ۹۲ | ۳۴۱ | ۱٬۷۸۷ | ۹٬۲۳۳ | ۴۵٬۷۵۲ | .. | ۲۸٬۴۳۹٬۲۷۲٬۹۵۶٬۹۳۴ | ۲۷۵٬۹۸۶٬۶۸۳٬۷۴۳٬۴۳۴ | ۲٬۷۸۹٬۷۱۲٬۴۶۶٬۵۱۰٬۲۸۹ |
متمایز: | ۱ | ۰ | ۰ | ۲ | ۱۰ | ۴ | ۴۰ | ۹۲ | ۳۵۲ | ۷۲۴ | ۲٬۶۸۰ | ۱۴٬۲۰۰ | ۷۳٬۷۱۲ | ۳۶۵٬۵۹۶ | .. | ۲۲۷٬۵۱۴٬۱۷۱٬۹۷۳٬۷۳۶ | ۲٬۲۰۷٬۸۹۳٬۴۳۵٬۸۰۸٬۳۵۲ | ۲۲٬۳۱۷٬۶۹۹٬۶۱۶٬۳۶۴٬۰۴۴ |
-
- توجه :
حالت شش وزیر جوابهای کمتری نسبت به پنج وزیر دارد. فرمول صریحی برای یافتن تعداد جوابها وجود ندارد.
[ویرایش] روشهای حل مسئله
[ویرایش] الگوریتم عقبگرد
از تکنیک عقبگرد Backtracking برای حل مسائلی استفاده میشود که در آنها دنبالهای از اشیاء از یک مجموعه مشخص انتخاب میشود، به طوری که این دنباله، ملاکی را در بر میگیرد.عقبگرد حالت اصلاح شدهٔ جست و جوی عمقی یک درخت است.این الگوریتم همانند جست و جوی عمقی است، با این تفاوت که فرزندان یک گره فقط هنگامی ملاقات میشوند که گره امید بخش باشدو در آن گره حلی وجود نداشته باشد. با توجه به اینکه هیچ ۲ وزیری نباید همدیگر را گارد کنند و در یک سطر نمیتوانند باشند، تعداد کل حالتها برای n=۴ برابر ۴*۴*۴*۴=۲۵۶ است. در شطرنج یک وزیر میتواند به مهرههایی که در خانههای عمود یا مورب به وی قرار دارند حمله کند. یا به عبارت ریاضی، اگر ردیفها و ستونهای شطرنج را از یک تا هشت شماره گذاری کنیم و وزیر در خانه (i, j) قرار داشته باشد، مهرههایی که در خانههای (i, m) یا (m, j) یا (i ± m, j ± m) قرار دارند توسط وزیر تهدید میشوند.
برای سادگی تشریح این مسئله با استفاده از روش بازگشت به عقب، فرض میکنیم که خانههای شطرنج ۴x۴ و تعداد وزیرها نیز ۴ باشد. سپس بعد از یافتن راه حل برای این مسئله ساده شده، اقدام به نوشتن الگوریتم برای مسئله اصلی میکنیم.
مراحل جستجو برای یافتن جواب را به این صورت دنبال میکنیم که: وزیر اول را در ردیف اول و ستون اول قرار میدهیم.
در ردیف دوم از اولین ستون به جلو رفته و به دنبال خانهای میگردیم که مورد تهدید وزیر اول نباشد و وزیر دوم را در این خانه قرار میدهیم.
همانند قبل، در ردیف سوم از اولین ستون به جلو رفته و به دنبال خانهای میگردیم که مورد تهدید وزیران اول و دوم نباشد. میبینیم که چنین خانهای موجود نیست. پس به عقب یعنی ردیف دوم برگشته و وزیر دوم را به خانهای دیگر از ردیف دوم منتقل میکنیم که مورد تهدید وزیر اول نباشد.
دوباره در ردیف سوم اولین خانهای را میابیم که مورد تهدید دو وزیر قبلی نباشد. این بار خانه را مییابیم و وزیر سوم را در آن قرار میدهیم.
همانند قبل، در ردیف چهارم به دنبال اولین خانهای میگردیم که مورد تهدید وزیران پیشین نباشد. چنین خانهای موجود نیست. به ردیف قبل یعنی ردیف سوم باز میگردیم تا خانهای دیگر برای وزیر سوم بیابیم. خانه دیگری وجود ندارد. به ردیف قبل یعنی ردیف دوم بر میگردیم تا خانه دیگری برای وزیر دوم پیدا کنیم. به آخرین ستون رسیدهایم و خانه دیگری نیست. به ردیف قبل یعنی ردیف اول بر میگردیم و وزیر اول را یک ستون به جلو میبریم.
در ردیف دوم اولین خانهای را میابیم که مورد تهدید وزیر اول نباشد و وزیر دوم را در آن خانه قرار میدهیم.
در ردیف سوم اولین خانهای را میابیم که مورد تهدید وزیران اول و دوم نباشد و وزیر سوم را در آن خانه میگذاریم.
در ردیف چهارم اولین خانهای را میابیم که مورد تهدید وزیران پیشین نباشد. این بار خانه را مییابیم و وزیر چهارم را در آن خانه قرار میدهیم.
به یک جواب میرسیم. حال اگر فرض کنیم که این خانه جواب نیست و به مسیر خود ادامه دهیم، احتمالا" میتوانیم جوابهای دیگری نیز بیابیم.
[ویرایش] شبه کد پیاده سازی الگوریتم عقبگرد برای مسئله n وزیر
void queens ( index i) { index j; if ( promising(i)) if ( i == n) cout << col [۱] through col [n]; else for ( j = ۱ ; j ≤ n ; j++ ) { col [ i +۱ ] = j; queens ( i + ۱); } } bool promising ( index i ) { index k ; bool switch; k = ۱; switch = true ; while ( k < i && switch ) { if (col [i] == col[k] || abs(col[i] – col[k] == i-k) switch = false; k++; } return switch; }[ویرایش] برنامه زبان C به صورت غیر بازگشتی
#include int b[۸]; inline static int unsafe(int y) { int i, t, x; x = b[y]; for (i = ۱; i <= y; i++) { t = b[y - i]; if ( (t == x) || (t == x - i) || (t == x + i) ) { return ۱; } } return ۰; } static void putboard(void) { static int s = ۰; int x, y; printf("\n\nSolution #٪i\n", ++s); for (y = ۰; y < ۸; y++) { for (x = ۰; x < ۸; x++) { printf((b[y] == x) ? "|Q" : "|_"); } printf("|\n"); } } int main(void) { int y = ۰; b[۰] = -۱; while (y >= ۰) { do { b[y]++; } while ((b[y] < ۸) && unsafe(y)); if (b[y] < ۸) { if (y < ۷) { b[++y] = -۱; } else { putboard(); } } else { y--; } } return ۰; } ---- ====برنامه زبان ++C به صورت بازگشتی==== *برنامه زیر برای هشت وزیر نوشته شدهاست با انتخاب اعداد دیگر به جای هشت در define MAXSIZE 8 # میتوان برای تعداد دیگری وزیر نیز استفاده کرد. {{چپچین}} #include #include #define MAXSIZE 8 class EightQueens { int m_size; int m_solution_count; int m_attempt_count; int m_queen[MAXSIZE]; bool m_row_inuse[MAXSIZE]; bool m_diag_rise[MAXSIZE*2]; bool m_diag_fall[MAXSIZE*2]; public: EightQueens(int size, bool is_alt) { assert(size <= MAXSIZE); m_size = size; m_solution_count = 0; m_attempt_count = 0; for (int i = 0; i < m_size; i++) { m_queen[i] = i; m_row_inuse[i] = 0; } for (int j = 0; j < m_size*2; j++) { m_diag_rise[j] = 0; m_diag_fall[j] = 0; } if (is_alt) SearchAlt(0); else Search(0); } int GetSolutionCount() { return m_solution_count; } int GetAttemptCount() { return m_attempt_count; } private: void SearchAlt(int col){ if (col == m_size) { m_solution_count++; return; } for (int row = 0; row < m_size; row++) { m_attempt_count++; if (m_row_inuse[row] == 0 && IsDiagValid(col, row)) { m_queen[col] = row; m_row_inuse[row] = 1; SetDiags(col, 1); SearchAlt(col+1); SetDiags(col, 0); m_row_inuse[row] = 0; m_queen[col] = -1; } } } void Search(int col) { if (col == m_size) { m_solution_count++; return; } for (int i = col; i < m_size; i++) { if (SwapQueenIfDiagValid(col, i)) { Search(col+1); UnSwapQueen(col, i); } } } void SwapQueenBasic(int i, int j) { int hold = m_queen[i]; m_queen[i] = m_queen[j]; m_queen[j] = hold; } void SetDiags(int col, int val) { assert(m_diag_rise[m_queen[col] + col] != val); m_diag_rise[m_queen[col] + col] = val; assert(m_diag_fall[m_queen[col] - col + m_size] != val); m_diag_fall[m_queen[col] - col + m_size] = val; } bool IsDiagValid(int col, int row) { return (m_diag_rise[row + col] == 0 && m_diag_fall[row - col + m_size] == 0); } bool SwapQueenIfDiagValid(int i, int j) { m_attempt_count++; if (IsDiagValid(i, m_queen[j])) { SwapQueenBasic(i, j); SetDiags(i, 1); return true; } return false; } void UnSwapQueen(int i, int j) { SetDiags(i, 0); SwapQueenBasic(i, j); } }; void do_work(bool is_alt) { int size = 8; EightQueens puzzle(size, is_alt); int soln = puzzle.GetSolutionCount(); int attempt = puzzle.GetAttemptCount(); assert(size != 8 || soln == 92); const char* style = is_alt ? "cartesian" : "permutation"; printf("EightQueens[%d] has %d solutions found in %5d attempts using %s search.\n", size, soln, attempt, style); } int main() { printf("We should have 92 solutions for 8x8.\n"); do_work(0); do_work(1); }[ویرایش] انیمیشن روش بازگشتی
[ویرایش] الگوریتم مونت کارلو
از الگوریتم مونت کارلو برای برآورد کردن کارایی یک الگوریتم عقبگرد استفاده میشود.الگوریتمهای مونت کارلو، احتمالی هستند، یعنی دستور اجرایی بعدی گاه به طور تصادفی تعیین میشوند.در الگوریتم قطعی چنین چیزی رخ نمیدهد.الگوریتم مونت کارلو مقدار مورد انتظار یک متغیر تصادفی را که روی یک فضای ساده تعریف میشود، با استفاده از مقدار میانگین آن روی نمونه تصادفی از فضای ساده بر آورد میکند.تضمینی وجود ندارد که این برآورد به مقدار مورد انتظار واقعی نزدیک باشد، ولی احتمال نزدیک شدن آن، با افزایش زمان در دسترس برای الگوریتم، افزایش مییابد.
[ویرایش] شبه کد پیاده سازی الگوریتم مونت کارلو برای الگوریتم عقبگرد مسئله n وزیر
int ostimate _ n_ queens (int n) { index i , j , col [۱..n]; int m , mprod , numnodes ; set _of_ index prom _children; i = ۰; numnodes =۱ ; m = ۱; mprod = ۱ ; while ( m != ۰ && i != n ) { mprod = mprod * m ; numnodes = numnodes + mprod * n; i ++; m = ۰ ; prom_childern = Ø; for ( j = ۱ ; j ≤ n ; j++;) { col [i] = j ; if ( promising(i)) { m++; prom_children = prom _ children U {i}; } } if ( m != ۰) { j = random selection from prom _childeren; col [i]; } } return numnodes; }[ویرایش] روش مکاشفه ای
برای حل این مسئله که دارای ۹۲ جواب است، باید تکنیکهایی جهت کاهش حالات، روش Brute Force یا امتحان تک تک جوابها انجام شود. تعداد همه حالاتی که میتواند در روش Brute Force چک شود برابر ۱۶٬۷۷۷٬۲۱۶ یا هشت به توان هشت است! یکی از روشهای حل این مسئله برای n>=۴ یا n=۱ استفاده از روش مکاشفهای ( heuristic)است:
۱- عدد n را بر عدد ۱۲ تقسیم کن و باقی مانده را یادداشت کن
۲- به ترتیب اعداد زوج ۲ تا n را در لیستی بنویس
۳- اگر باقی مانده ۳ یا ۹ بود، عدد ۲ را به انتهای لیست انتقال بده.
۴- به لیست اعداد فرد ۱ تا n را به ترتیب اضافه کن، اما اگر باقی مانده ۸ بود اعداد را دو به دو باهم عوض کند (مثلا ۱و۳و۵و۷و۹ تبدیل به ۳و۱و۷و۵و۹ میشه)
۵- اگر باقی مانده ۲ بود جای ۱ و۳ را با هم عوض کن و ۵ را به انتهای لیست ببر.
۶- اگر باقی مانده ۳ یا ۹ بود، اعداد ۱ و ۳ را به انتهای لیست ببر.
۷- حال با استفاده از لیست بدست آمده وزیرها در صفحه شطرنج چیده میشوند، بطوریکه جای وزیر ستون اول، اولین عدد لیست، جای وزیر ستون دوم، دومین عدد لیست و ...
این الگوریتم یک راه حل برای حل این مسئلهاست، برای بدست آوردن همه حالات از روشهای دیگری میتوان استفاده کرد. روش حل مسئله ۱۲ راه حل یکتا دارد که با در نظر گیری تقارن و چرخش به ۹۲ حالت قابل تبدیل است.
[ویرایش] روشهای جستجوی محلی
میتوان به مسئله ۸ وزیر به عنوان یک مسئله بهینه سازی نیز نگریست که در آن هدف بهینه کردن تعداد گاردهای جفت وزیرها میباشد.
به عنوان مثال فرض کنید در صفحه شطرنج معمولی ، ۸ وزیر را به دو روش زیر قرار دهیم :
در روش چینش سمت چپ ۳ وزیر و در روش چینش سمت راست ۴ وزیر همدیگر را گارد میدهند. بنابراین روش چینش قبلی بهینه تر از روش چینش فعلی است. در واقع میتوان مسئله بهینه سازی را به صورت زیر تعریف کرد. فرض کنید S مجموعه همه جوابهای ممکن برای مسئله باشد. در صورتی S* میتواند جواب مسئله باشد که به ازای همه جوابهای موجود در S ، S* بهینه تر از دیگر جوابها باشد. در مسئله ۸ وزیر دیدیم که جوابی بهینهاست که تعداد گاردهای جفت وزیر آن کمتر باشد.
روشهای جستجوی محلی همگی حالتهای همسایه حالت فعلی را برای رسیدن به بهینهترین جواب بررسی میکنند. از این رو وجود دو تابع در همه این روشهای جستجو الزامی است. اولین تابع میزان بهینگی جواب مسئله ارزیابی میکند و تابع دوم یکی از حالتهای همسایه حالت فعلی را انتخاب میکند.
نحوه پیاده سازی و طراحی الگوریتم برای انتخاب حالت هسایه در این روشهای جستجو از اهمیت ویژهای برخوردار است. به عنوان مثال برای مسئله ۸ وزیر میتوان به شکلهای زیر حالتهای همسایگی را تولید کرد:
۱) دو وزیر به تصادف انتخاب شده و جای آن دو باهم عوض گردد.
۲) یکی از وزیرها به تصادف انتخاب شده و شماره سطر آن به تصادف تغییر کند.
۳) ویزیری به تصادف انتخاب شده و یک خانه به سمت بالا یا پایین حرکت کند
[ویرایش] الگوریتم ژنتیک
-
- نحوه نمایش مسئله :
میدانیم اگر دو وزیر در یک ستون قرار گیرند قطعا به جواب نخواهیم رسید.بنابراین قرار دادن دو وزیر در یک ستون باعث غیرامیدبخش شدن جواب مسئله میشود .
برای نمایش مسئله در کروموزومها از این ویژگی استفاده کرده و به صورت زیر عمل میکنیم :
یک آرایه تک بعدی ایجاد میکنیم که به تعداد ستونهای صفحه شطرنج عنصر دارد . هر عنصر از این آرایه نشان میدهد که وزیر در کدام سطر از آن ستون قرار دارد . به عنوان مثال اگر مسئله ۸ وزیر را در نظر بگیریم، آرایه تک بعدی باید دارای ۸ عنصر باشد . فرض کنید آرایه دارای مقادیر زیر باشد :
۸ , ۷ , ۶ , ۵ , ۴ , ۳ , ۲ , ۱مقدار ۸ در اولین عنصر آرایه گویای این مطلب است که در ستون اول صفحه شطرنج وزیری در سطر هشتم قرار دادهایم.
-
- تولید جمعیت اولیه :
الگوریتمهای ژنتیک ابتدا جمعیت اولیهای تولید کرده و سپس سعی در بهبود بخشیدن این جمعیت دارند . برای مسئله n وزیر تولید جمعیت به صورت تصادفی خواهد بود . بدین صورت که وزیرها به طور تصادفی روی صفحه شطرنج قرار میدهیم .
برای محاسبه میزان بهینگی جواب تعداد جفت وزیرهایی را که به هم گارد میدهند، محاسبه میکنیم . برای مسئله ۸ وزیر در بدترین حالت هر وزیر با همه وزیرهای دیگر گارد میدهد ( فرض کنید همه وزیرها در یک سطر قرار گیرند ) . در این حالت حداکثر تعداد جفت وزیرهایی که به همگدیکر کارد میدهند ۲۸ جفت است :
۷ + ۶ + ۵ + ۴ +۳ + ۲ + ۱
در حالت کلی برای مسئله n وزیر حداکثر تعداد جفت وزیرهایی که به همدیگر گارد میدهند به صورت زیر محاسبه میشود :
-
- برای محاسبه میزان بهینگی هر کروموزوم از فرمول زیر استفاده میکنیم :
-
- حداکثر تعداد گاردها :
-
- تعداد جفت وزیرهایی که در کروموزوم ام همدیگر را گارد میدهند :
[ویرایش] منابع
- مشارکتکنندگان ویکیپدیا، «Eight queens puzzle»، ویکیپدیای انگلیسی، دانشنامهٔ آزاد (بازیابی در ۲۹ می ۲۰۱۱).
مطالب مشابه :
الگویتم ژنتیک برای حل مساله n- وزیر
الگویتم ژنتیک برای حل برای مسئله 8 وزیر در بدترین حالت هر وزیر با همه وزیر های
آموزش #c
می باشد نتیجه نهایی حل مسئله می بایست که نمای شهر از (8 وزیر) با الگوریتم ژنتیک vb
فهرست عناوین کتاب
، الگوریتم ژنتیک الگوریتم های 1-17-3-9- حل مسئلهی n- وزیر با استفاده از روش اول
پیاده سازی جدول سودوکو با الگوریتم ژنتیک
پیاده سازی جدول سودوکو با الگوریتم ژنتیک برای حل مسئله با الگوریتم ژنتیک 8 وزیر. خوشه
مسئله هشت وزیر
روشهای حل مسئله الگوریتم ژنتیک. برای مسئله ۸ وزیر در بدترین حالت هر وزیر با همه
الگوریتم های متاهیوریستیکی ...
در مسئله 8 وزیر هدف الگوریتم برای حل مساله 8 در الگوریتم sa حل شده است، با این
پروژه پایانی - دانشگاه پیام نور
بررسی حل مسئله n وزیر با روش های فرا کاربرد الگوریتم ژنتیک در داده
الگوریتم ژنتیک
الگوریتم ژنتیک نیز با در این مثال می خواهیم مسئله ی ۸ وزیر را بوسیله ی این الگوریتم حل
برچسب :
حل مسئله 8 وزیر با الگوریتم ژنتیک