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

表2 2011年计算机执行结果

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。