应用布尔遗传算子求解N皇后问题

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 49-51.

应用布尔遗传算子求解N皇后问题

帅训波1，马书南2

1.中国石油勘探开发研究院廊坊分院地球物理与信息研究所，河北廊坊 065007
2.北京工业大学计算机学院，北京 100022

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Solving N-queens algorithm based on boolean genetic operator

SHUAI Xunbo1，MA Shunan2

1.Institute of Geophysics and Information，Langfang Branch of Research Institute of Petroleum Exploration and Development，PetroChina，Langfang，Hebei 065007，China
2.College of Computer Science & Technology，Beijing University of Technology，Beijing 100022，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 应用回溯法求解规模较大的N皇后问题时，时间开销巨大。从提出布尔遗传算子角度，增强遗传算法局部搜索性能，与具有良好全局搜索性能的矩阵遗传算子组合应用，对N皇后问题求解。采用自然数和二进制互换的编码方式，应用N皇后的约束条件构造适应度函数，保证了算法的全局收敛性。通过与回溯法和相关遗传算法比较，实验证实了该方法应用于求解N皇后问题，具有良好的搜索效率和求解质量。

关键词: N皇后问题, 布尔遗传算子, 适应度函数, 遗传算法

Abstract: The backtracking algorithm suffers from massive computational time when solving large scale N-Queens problem.Boolean genetic operator is proposed to improve local searching ability of genetic algorithm.By the boolean genetic operator combined with matrix genetic operator which has better global searching ability，an optimization combination genetic algorithm is constructed to solve N-Queens problem.The transform coding between integer and binary，fitness function based on constraint of N-Queens problem are designed to ensure the global convergence of algorithm.The better efficiency of solving N-Queens problem is verified by comparing with backtracking and current genetic algorithm.

Key words: N-queens problem, boolean genetic operator, fitness function, genetic algorithm

帅训波1，马书南2. 应用布尔遗传算子求解N皇后问题[J]. 计算机工程与应用, 2011, 47(16): 49-51.

SHUAI Xunbo1，MA Shunan2. Solving N-queens algorithm based on boolean genetic operator[J]. Computer Engineering and Applications, 2011, 47(16): 49-51.

[1]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[2]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[3]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[4]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[5]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[6]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[7]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[8]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[9]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[10]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[11]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[12]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[13]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[14]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[15]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.