1. Exact Cover Problem
DLX是用来解决精确覆盖问题行之有效的算法。
在讲解DLX之前，我们先了解一下什么是精确覆盖问题(Exact Cover Problem)？
1.1 Polyomino
多联骨牌（Polyomino）是一种类似于七巧板的棋盘游戏：
如下图所示，除去中间\(4\)个方格不允许放置任何东西，这个棋盘总共有\(8*8-4=60\)个方格
将这\(12\)个由\(5\)个方格组成的图形全部放入到棋盘中，满足每个格子都被使用，而且只被使用一次。
每个格子都被覆盖，而且只能被覆盖一次，对，这就是精确覆盖问题！
(PS:因为\(12*5=60\)，而整个棋盘除去中间\(4\)格也刚好是\(60\)格，所以你应该很容易就明白"每个格子都被覆盖，而且只能被覆盖一次"的含义)
1.2 Sudoku
数独（Sudoku）这个游戏，大家应该都非常熟悉了。
我们以经典的\(9*9\)数独为例
- 每一个方格必须要放置一个数字，而且只能放置一次
- 每一行只能放置1-9，而且每个数字只能出现一次
- 每一列只能放置1-9，而且每个数字只能出现一次
- 每一宫只能放置1-9，而且每个数字只能出现一次
是的，这很明显也是一个精确覆盖问题。
1.3 Exact Cover Problem
我们下面将精确覆盖问题抽象一下。
给定一个仅由 \(0\) 和 \(1\) 组成的矩阵，
是否能找到一个行的集合，使得集合中每一列都恰好包含一个 \(1\)
下图的矩阵中，我们可以找到一个集合\((row1,row4,row5)\)，使得每一列有且只有一个\(1\)
2 Dancing Links & X Algorithm
- Algorithm X = “traditional” backtracking ( DFS )
- Algorithm DLX = Dancing Links + Algorithm X
2.1 X algorithm
理解了精确覆盖问题，我们再来了解一下 X 算法。
X算法是由 Donald Knuth 提出的一个用来解决 精确覆盖问题的算法。
它实际上就是一种传统意义上的回溯（Backtracking）。
假定我们需要求解的矩阵为A，我们来看一下它的主要流程：
- 如果矩阵 \(A\) 为空，找到解；成功返回。
- 否则，选择一个列 \(c\)。
- 选择一个满足 \(A[r][c]=1\)行 \(r\)，把 \(r\) 包含进部分解
- 对于所有满足 \(A[r][j]=1\) 的 \(j\)，从矩阵 \(A\) 中删除第 \(j\) 列；
- 对于所有满足 \(A[i][j]=1\) 的 \(i\)，从矩阵 \(A\) 中删除第 \(i\) 行。
- 选择一个满足 \(A[r][c]=1\)行 \(r\)，把 \(r\) 包含进部分解
- 再不断减少的矩阵 \(A\) 上递归地重复上述算法。
好，这是个递归的过程，但是看起来有些费解，让我们用图来解释吧。
如下图所示，假设当前我们选择的是第\(3\)列，那么第三列中含有\(1\)的行分别是\(row1\)和\(row3\)。
假设我们选择第一行(图片中被标红)，那么这行中，第3，5，6列都含有1，所以我们将列3，5和6标记，表示已经覆盖过。
由于3，5，6列已经被覆盖，所以其他行如果在列3，5或者6出现1，则一定不能选择，所以我们将第3行和第6行删去，因为第一行已经被我们选择了，所以第一行也删去，那么我们就会得到右边的新矩阵，它只包含\(row2,row4,row5\)三行。
好的，接下来我们再选择\(row2\)(在图中是第一行，但实际上它的标号是\(row2\))，选择之后，覆盖第1，4，7列，同样做删除操作之后，将会得到右边的空矩阵。
但是我们会发现，第2列并没有被覆盖，但是矩阵已经为空，所以我们并没有找到答案。
这时候，我们就需要回溯。
刚才我们选择了\(row2\)，并确定\(row2\)是错误的，那么现在我们选择\(row4\)，它将会覆盖第1和第4列，删除操作后，得到右边的\((1,1)\)矩阵，此时还剩下第2和第7列没有被覆盖，然而我们只剩下\(row5\)这一行，所以再次选择\(row5\)，矩阵为空，所有列全部被覆盖，OK，我们得到了一组正解，它就是\((row1,row4,row5)\)
对，这就是X算法的核心思想了。
2.2 Dancing Links
没错，dancing links并不是一个算法，它实际上是一个数据结构，双向循环十字链表。
如下图所示，把十字链表变成双向十字链表，再加上头尾循环，就变成了\(dancing \;links\)
不过，实际上的dancing links，还有一个链表头（List header）
前面我们用到的矩阵 \(A\),所对应的dancing links就如下图所示。
对于每一个元素，我们有5个fields，分别是\(L[x],R[x],U[x],D[x],C[x]\)
\(L,R,U,D\)分别代表x的左右和上下,\(C\)代表当前元素所在的列，实际上有时候我们还会再加上一个域，来表示当前元素所在的行。
对于每一列，我们还有一个链表头，除了拥有\(L[y],R[y],U[y],D[y],C[y]\)这5个基本的域之外，它还有一个额外的\(S[y]\)，用来表示当前列总过有多少个1，别入图中\(x\)所在的列，总共有两个1，所以\(S[C[X]]=2\)
2.2.1 Subsequent Operations
假设 \(x\) 指向双向链的一个节点；\(L[x]\)和 \(R[x]\)分别表示 \(x\) 的前驱节点和后继节点。
每个程序员都知道将 \(x\) 从链表删除的操作：
\(L[R[x]] ← L[x], R[L[x]] ← R[x]\)
但是只有少数程序员意识到如下操作：
$L[R[x]] ← x, R[L[x]] ← x $
而这就是dancing links的精髓所在，在回溯的过程中，我们仅仅只是将某个元素移除，而不是将它彻底删除，所以用这种方式，我们不需要额外开辟空间去存储递归过程中的矩阵和位置信息，而是通过跳舞来解决这个问题！
2.3 DLX Algorithm
好的，还是刚才的矩阵 \(A\), 我们把dancing links运用到X算法上，来看看DLX是如何进行的。
首先我们查看\(R[head]\)，发现它等于\(A\),所以我们覆盖第一列，并进行\(remove\)操作。
因为第一列需要被覆盖，所以第一列存在1的行，都将被删去，我们将这些元素标记为红色。
我们选择\(row2\), 那么\(row2\)除了覆盖第\(2\)列，还覆盖了第\(4(D)\)和第\(7(G)\)列。
于此同时，凡是也也覆盖第\(4(D)\)或者第\(7(G)\)列行，都将被删去，我们把这些元素用标记为黑色。
删去这些元素，我们继续遍历表头，这时候我们需要覆盖的是第\(2(B)\)列，同样进行\(remove\)操作。
这时候我们只能选择\(row3\),继续做相应的\(remove\)操作。
最后我们发现还剩下第\(5(E)\)列没有被覆盖，但是矩阵 \(A\) 中已经没有元素了。
这时候我们需要进行回溯，也就是这里的\(resume\)操作。
回溯回来发现，这里只有\(row3\)能选，那我们继续执行\(resume\)操作。
刚才我们选择了\(row2\)，这次我们选择\(row4\), 如之前所述，再次执行\(remove\)操作。
这里又出现两个选择，\(row3\)和\(row5\),我们会先选择\(row3\),继而删光矩阵中的所有元素，发现无解，再次resume回来。
那我们继续选择\(row5\)，再次执行\(remove\)操作。
最后我们只能选择\(row1\)，执行\(remove\)操作。
这次我们发现，\(R[head] = head\)，矩阵中也没有任何元素，所有列均被覆盖。
因此我们得到了答案\((row4,row5,row1)\)。
2.3.1 Heuristic
前面有提到过，我们还有一个叫做S的域，这个域是有作用的，我们不应该每次都选取\(head\)的右结点\(R[head]\)，我们应该去选择1的数量最少的列。
如下图所示的矩阵(假设为\(B\))，第4列只有\(S[y]=1\)，说明我们必须要选择\(row3\),而且\(row3\)一定是正确的，那连带图中紫色标出的另外4个1，也是正确的，于是矩阵\(B\)瞬间被\(remove\)操作删减为\((1,1)\)，我们可以迅速通过2层的递归得到一个解\((row3,row5)\)
另外，如果把链表的指针形式改写为静态数组形式，效率会更高。
3 Application & Comparison
3.1 Polyomino and Exact Cover
在最开始我们介绍的多联骨牌（Polyomino），我们来考虑如何将它转化为精确覆盖问题。
首先，我们将\(60\)个方格编号，为\(1-60\)。
那么，如果某个格子被覆盖到了，那么这一列就为1，
总共有\(12\)个图形，所以我们还需要标记是哪一个图形，这里我们用\(61-72\)来表示这\(12\)个图形。
如下图，我们用十字这个图形来覆盖，如果是左边这种情况，我们会覆盖\(2，9，10，11，18\)这\(5\)列，加上十字这个图形是编号\(70\)，所以我们还要覆盖列\(70\)。
如果是右边这种情况，我们会覆盖\(3，10，11，12，19，70\)这\(6\)列。
从这里可以看出，我们的矩阵会有\(72\)列，以及若干行，具体多少行，和\(12\)个图形的形状有关。
将它们完全转化为矩阵之后。就变成精确覆盖问题了，套用DLX模板，即可求解。
3.2 Sudoku and Exact Cover
数独问题怎么转化为精确覆盖问题呢？
我们需要构造的矩阵，行和列分别表示什么呢？
-
对于列\((4*n^2)\)， 一共有4个限制:
- 位置限制:每一格有且仅有一个数.
- 列限制:每一列中每个数仅出现一次.
- 行限制:每一行中每个数仅出现一次.
- 区域限制:每个区域每个数仅出现一次.
-
对于行\((n^3)\)：
- 表示每个数放入每格中.
对于位置限制，每一个位置都需要出现一个数，且只能出现一个数，拿\(4*4\)的数独，那就是16个格子每个格子只能出现一个数，我们将它们在矩阵中编号为\(1-16\)。
如下图所示，2出现在第一行，第一列，所以在举证的列1，填上1，数字4出现在第一行第二列，所以在列2填上1。
对于列的限制，每一列中每个数仅出现一次。我们将它们在矩阵中编号为\(17-32\)。
如下图所示，2出现在数独的第一列，所以在矩阵的第18列(表示第1列出现2)填上1，数字4出现在数独第二列，所以在矩阵的第24列(表示第2列出现4)填上1。
对于行的限制，每一行中每个数仅出现一次。我们将它们在矩阵中编号为\(33-48\)。
如下图所示，2出现在数独的第一行，所以在矩阵的第34列(表示第1行出现2)填上1，数字4出现在数独第二列，所以在矩阵的第36列(表示第1行出现4)填上1。
对于宫的限制，每一宫中每个数仅出现一次。我们将它们在矩阵中编号为\(48-64\)。
如下图所示，2出现在数独的第一行，所以在矩阵的第50列(表示第1宫出现2)填上1，数字4出现在数独第二列，所以在矩阵的第52列(表示第1宫出现4)填上1。
那么最终，我们的矩阵共有\(4*n^2=64\)列
而每个格子最多有n总放置方法\((1-n)\)，我们共有\(n*n\)个格子，所以最多会有\(n^3=64\)行。
对于\(9*9\)的数独,
我们将其转化为一个 \(729*324\) 的矩阵，然后DLX模板套之即可！
struct DLX{
int n, m, cnt;
int L[maxnode], R[maxnode], U[maxnode], D[maxnode], row[maxnode], col[maxnode];
int S[MAXC], H[MAXR], o[MAXR];
void init( int _n, int _m ){
n = _n; m = _m;
for( int i = 0; i <= m; ++i ){
S[i] = 0;
U[i] = D[i] = i;
L[i] = i - 1; R[i] = i + 1;
}
R[m] = 0; L[0] = m;
cnt = m;
for( int i = 1; i <= n; ++i ) H[i] = -1;
}
void link( int r, int c ){
S[c]++;
col[++cnt] = c; row[cnt] = r;
D[cnt] = D[c]; U[D[c]] = cnt;
U[cnt] = c; D[c] = cnt;
if( H[r] < 0 ) H[r] = L[cnt] = R[cnt] = cnt;
else{
R[cnt] = R[H[r]];
L[R[H[r]]] = cnt;
L[cnt] = H[r];
R[H[r]] = cnt;
}
}
void remove( int c ){
L[R[c]] = L[c]; R[L[c]] = R[c];
for( int i = D[c]; i != c; i = D[i] )
for( int j = R[i]; j != i; j = R[j] ){
U[D[j]] = U[j];
D[U[j]] = D[j];
--S[col[j]];
}
}
void resume( int c ){
for( int i = U[c]; i != c; i = U[i] )
for( int j = L[i]; j != i; j = L[j] ){
U[D[j]] = D[U[j]] = j;
++S[col[j]];
}
L[R[c]] = R[L[c]] = c;
}
bool dancing( int d ){
if( R[0] == 0 )
return true;
int c = R[0];
for( int i = R[0]; i != 0; i = R[i] )
if( S[i] < S[c] )
c = i;
remove(c);
for( int i = D[c]; i != c; i = D[i] ){
o[d] = row[i];
for( int j = R[i] ; j != i; j = R[j] ) remove( col[j] );
if( dancing( d + 1 ) ) return true;
for( int j = L[i] ; j != i; j = L[j] ) resume( col[j] );
}
resume(c);
return false;
}
}dlx;
3.2.1 test
我先使用 qqwing 生成的难度级分别别为简单，中等和困难的\(9*9\)数独各200个。
然后对DLX和DFS分别进行测试，得到如下图所示的结果，DLX要比DFS快了60-140倍！
3.3 N-queens and Exact Cover
N皇后问题，也可以转化为精确覆盖，然后DLX模板套之。。
通过前面的讲解你应该能够自己建模了吧？试一试SPOJ NQUEEN这道题目怎么样？
4 Conclusion
- DLX is a simple and beautiful algorithm.
- It can solve Exact Cover Problem（精确覆盖） efficiently.
- It can also solve Overlapping Cover(重复覆盖) Problem.(虽然本文没有提及，但这也是DLX的重要运用，需要对remove和resume操作以及dancing部分进行略微的修改)
- Thanks for Donald E. Knuth.
5 Reference
-
一些也许有用的链接
-
一些也许有用的资料下载
Let’s dance ! Thank you!