维基百科，自由的百科全书
跳到导航跳到搜索
在计算机科学中，X算法可用来求解精确覆盖问题。此名称最早在高德纳的论文《舞蹈链》中出现，他认为此算法是“试错法中最显而易见”的。 就技术而言，X算法是一个深度优先的不确定性回溯算法。由于X算法是一个解决精确覆盖问题的简洁方法，高德纳希望通过该算法体现舞蹈链数据结构的高效性，他把使用后者的X算法称为DLX。
X算法用由0和1组成的矩阵A来表示精确覆盖问题，目标是选出矩阵的若干行，使得其中的1在所有列中出现且仅出现一次。
X算法的步骤如下：
- 如果矩阵A为空（没有任何列），则当前局部解即为问题的一个解，返回成功；否则继续。
- 根据一定方法选择第c列。如果某一列中没有1，则返回失败，并去除当前局部解中最新加入的行。
- 选择第r行，使得Ar, c = 1（该步是不确定的）。
- 将第r行加入当前局部解中。
- 对于满足Ar, j = 1的每一列j，从矩阵A中删除所有满足Ai, j = 1的行，最后再删除第j列。
- 对所得比A小的新矩阵递归地执行此算法。
选择r的不确定性意味着算法将派生出若干独立的子算法，每个子算法都从其父算法中继承了去除部分行列的A矩阵。如果其中有一列全为零，则当前情况无解，子算法返回失败，但不一定意味整个问题无解。
实际上，所有子算法形成了一棵搜索树，其中原问题为根节点，树的第k层由子算法在第k次所选择的行组成。整个算法即用回溯法对搜索树深度优先遍历。
第二步中，无论用什么方法选择列最终都可以得到解，但有的方法效率明显较高。为减少迭代次数，高德纳建议每次都选取1最少的列。
例子
例如，考虑以下精确覆盖问题：全集U = {1, 2, 3, 4, 5, 6, 7} ，现有U的六个子集{\displaystyle {\mathcal {S}}} = {A, B, C, D, E, F}，其中：
- A = {1, 4, 7}；
- B = {1, 4}；
- C = {4, 5, 7}；
- D = {3, 5, 6}；
- E = {2, 3, 6, 7}；
- F = {2, 7}。
此问题可用矩阵表示为：
根据高德纳的建议，每次都选取1最少的列，则X算法的执行步骤如下：
第0层
第一步：矩阵非空，故算法继续执行。
第二步：1最少的列为第一列，含有两个1。所以选择第一列：
第三步：A行和B行第一列均为1，所以依次选择这两行继续搜索。
于是算法开始搜索树的第1层第一个分支：
第1层：选择第A行
第四步：将第A行加入当前局部解。
第五步：第A行第1、4、7列均为1：
第1列中第A行和第B行为1，第4列中第A、B、C行为1，第7列中第A、C、E、F行为1。所以移除第A、B、C、E、F行和第1、4、7列：
第六步：递归执行算法，回到第一步。矩阵A现在只剩下第D行的第2、3、5、6列：
第一步：矩阵非空，故算法继续执行。
第二步：1最少的列为全是零的第二列：
所以该分支上算法返回失败，从当前局部解中移除A。
算法继续搜索第1层的下一个分支：
第1层：选择第B行
第四步：将第B行加入当前局部解。
第B行第1列和第4列为1：
第一列中第A行和第B行为1，第4列中第A、B、C、行为1。所以移除第A、B、C行和第1、4列：
递归执行算法，回到第一步。回到矩阵A中现在剩下第D、E、F行和第2、3、5、6、7列：
第一步：矩阵非空，故算法继续执行。
第二步：1最少的列为第5列，含有一个1。所以选择第5列：
第三步：第5列中第D行为1，所以选择第D行继续搜索。
算法继续搜索第2层第一个分支：
第2层：选择第D行
第四步：将第D行加入当前局部解。
第五步：第D行第3、5、6列为1:
第3列中第D、E行为1，第5列中第D行为1，第6列中第D、E行为1。所以移除第D、E行和第3、5、6列：
递归执行算法，回到第一步。矩阵A现在剩下第F行和第2、7列：
第一步：矩阵非空，故算法继续执行。
第二步：1最少的列为第2列，含有1个1。所以选择第2列。
第2列中第F行为1，所以选择第F行继续搜索。
算法继续搜索第3层第一个分支：
第3层：选择第F行
第四步：将第F行加入当前局部解。
第F行第2列和第7列为1：
第2列中第F行和第7列中第F行均为1。所以移除第F行和第2、7列：
递归执行算法，回到第一步。
第一步：矩阵A为空，算法结束，返回成功。
当前局部解为第B、D、F行，所以最终解即为：
也就是说子集{B, D, F}就是全集U的一个精确覆盖，每个元素都恰好只出现了一次：B = {1, 4}，D = {3, 5, 6}，F = {2, 7}。
如果继续搜索，则第3层没有其他可选择的行，算法返回第2层下一个分支。
第2层没有其他可选择的行，算法返回第1层下一个分支。
第1层没有其他可选择的行，算法返回第0层下一个分支。
第0层没有其他可选择的行，算法最终停止。
综上所述，用X算法得出本问题只有一个解：{\displaystyle {\mathcal {S}}^{*}} = {B, D, F}。
实现
高德纳主要想通过X算法体现舞蹈链的实用性。他发现了使用舞蹈链的X算法效率极高，并把这一过程称为DLX。DLX用矩阵来表示精确覆盖问题，在内部的存储结构为舞蹈链。舞蹈链是一个双向环形链表，每个矩阵中的1都有一个指针指向其左、右、上、下的1。因为精确覆盖问题中的矩阵一般都是稀疏的，所以舞蹈链中的元素很少，既很省时间，又很省空间。可见使用舞蹈链的DLX算法无论在选择行时还是回溯错误的选择时效率都很高。
原文地址：
https://zh.wikipedia.org/wiki/X%E7%AE%97%E6%B3%95
在知识共享 署名-相同方式共享 3.0协议之条款下提供
