惊叹计算机运行速度的提升---以n Queens 问题为例

1 介绍

实现了书《Data Structures and Program design in C++》（Robert L. Kruse and Alexander J. Ryba, 2000)中的188页的基于回溯策略的递归算法solve_from，该算法能够计算n Queens问题的解。选择不同的n作为棋盘大小，能够得出不同棋盘大小的Queens问题的解即执行时间。

该书出版时间为2000年，那么使用的计算机大概为1999年左右的。该书给出了执行的结果数据。我在我的电脑上採用相同的代码和算法，选择相同的n也执行得到了对应的数据。

通过二者数据的对照，能够看出计算机执行时间的提示（我的电脑时2011年12份买的）。

2 主程序及我的电脑环境

2.1 主程序

因为书中的主程序没有给出统计所以解和执行时间的代码，于是我对应更改了主程序源码例如以下：

#include <iostream>

#include <time.h>

#include "queens.h"

int sol_num =0;

void solve_from(Queens &configuration);

int main(){

    int board_size;

    clock_t start_time, end_time;

    cout<<"what is the size of  the board?

" << flush;

    cin >> board_size;

    if(board_size < 0 || board_size > max_board)

        cout <<"The number must be between 0 and " << max_board<<endl;

    else {

        Queens configuration(board_size);

        start_time = clock();

        solve_from(configuration);

        end_time = clock();

    }

    cout << "The statistics for " << board_size << " Queens problem:"<<endl;

    cout << "The number of solutions: " << sol_num << endl;

    cout << "The time used:" << static_cast<double>(end_time-start_time)/CLOCKS_PER_SEC << "s"<<endl;

}

/*

 * To recursively sole the n-Queens problem, to change the first line

 * can give the statistics of the n-Queens problem. That is, then number

 * of solutions for a specific n-Queens problems.

 */

void solve_from(Queens &configuration){

    //if(configuration.is_solved()) configuration.print();

    if(configuration.is_solved()) sol_num++;

    else{

        for(int col=0; col < configuration.board_size; col++)

            if(configuration.unguarded(col)){

                configuration.insert(col);

                solve_from(configuration);// Recursively continue to add queens

                configuration.remove(col);

            }

    }

}

2.2 我的电脑环境

电脑购买与2011年12份，内存2 GB，CUP 为AMD Phenom (tm) II N930 Quad-Core Processor 2 GB，操作系统为Windows 7 Professional。在其上安装Cygwin软件，当中的gcc 4.9.3版本号。

3 执行结果对照

书中的详细计算机的配置和型号不知。我们将其代表为1999年的计算机。而我的计算机则为2011年，尽管我在2015年执行的该程序。

二者产生的数据基于相同的源码。

表1 1999年计算机执行结果

Size	Num_sol	Time(seconds)
8	92	0.05
9	352	0.21
10	724	1.17
11	2680	6.62
12	14200	39.11
13	73712	243.05

表2 2011年计算机执行结果

Size	Num_sol	Time(seconds)
8	92	0.016
9	352	0.015
10	724	0.062
11	2680	0.218
12	14200	1.17
13	73712	7.145

上面的数据最好画成图的形式，观看更为方便：

【备注】：画上图採用的R代码例如以下：

 >library(ggplot2)

 >yearn <-  c('y1999','y1999','y1999','y1999','y1999','y1999','y2011','y2011','y2011','y2011','y2011','y2011')

 > size <-c(8,9,10,11,12,13,8,9,10,11,12,13)

 > time <-c(0.05,0.21,1.17,6.62,39.11,243.05,0.016,0.015,0.062,0.218,1.17,7.145)

 > queenData <- data.frame(year,size,time)

 > ggplot(queenData,aes(x=size,y=time,shape=yearn))+geom_line(position=position_dodge(0.2))+geom_point(position=position_dodge(0.2),size=4)

从上图能够看出，当size为8，9，10时二者的执行时间区别不大，但当size为更大的数值时，2011y的执行时间明显少的多，说明当前计算机硬件的发展促进了计算机速度的明显提升。这是一个令人兴奋的结果。