机构名称：
¥ 1.0
难题长期以来一直被认为是吸引人的精神挑战，这些挑战在整个历史上都吸引了个人。他们提供休闲和转移机会，并刺激认知技能，例如批判性思维和解决问题[3]。此外，由于与数学和计算理论的关键问题的紧密联系，在过去的二十年中，拼图的理论方面引起了科学界的重大兴趣，从而对其数学和计算方面进行了广泛的研究（参见[4-6]，请参阅[4-6]的广泛研究）。Furthermore, a variety of pencil-and-paper-based puzzles have been confirmed NP-complete, including but not limited to (in chronological order): Nonogram (1996) [7], Sudoku (2003) [8], Nurikabe (2004) [9], Heyawake (2007) [10], Hashiwokakero (2009) [11], Kurodoko (2012) [12], Shikaku and Ripple Effect（2013）[13]，Yosenabe（2014）[14]，Fillmat（2015）[15]，Dosun-Fuwari（2018）[16] [16]，Tatamibari（2020）[17] [17]，Kurotto和Juosan和Juosan（2020）[18] [2]。suguru难题的NP完整性意味着有一个多项式时间验证过程，用于检查任意配置是否是Suguru实例的解决方案。但是，解决Suguru拼图仍然是指数的任务，因为对于任何NP完整问题，都不存在已知的多项式时间算法。此外，用于解决Suguru难题的正式算法研究相对有限，因为它直到最近才证明NP完整。本文讨论了一种基本方法，即回溯方法，通过修剪优化增强。对基本算法方法（例如详尽的搜索和修剪和搜索）的研究（这些方法都采用了本文中使用的方法的类似方法）是在Yin-Yang [21]和Tatamibari等难题上进行的。更先进的技术也可用于求解NP完整的难题，例如SAT求解器[23,24]和深度学习方法[25]。这种方法证明了其解决任何Suguru拼图的能力，需要解决的解决方案在拼图大小和提示数方面增加了阶乘因素。此外，这个最终项目还探索了一种使用基于SAT的方法来解决Suguru难题的替代方法。除此之外，本文
1简介
主要关键词
相关文件推荐
