跳转至

12.3.   汉诺塔问题

在归并排序和构建二叉树中,我们将原问题分解为两个规模为原问题一半的子问题。然而,对于即将介绍的汉诺塔问题,我们采用不同的分解策略。

Question

给定三根柱子,记为 A , B , C 。起始状态下,柱子 A 上套着 \(n\) 个圆盘,它们从上到下按照从小到大的顺序排列。我们的任务是要把这 \(n\) 个圆盘移到柱子 C 上,并保持它们的原有顺序不变。在移动圆盘的过程中,需要遵守以下规则:

  1. 圆盘只能从一个柱子顶部拿出,从另一个柱子顶部放入;
  2. 每次只能移动一个圆盘;
  3. 小圆盘必须时刻位于大圆盘之上;

汉诺塔问题示例

Fig. 汉诺塔问题示例

在本文中,我们将规模为 \(i\) 的汉诺塔问题记做 \(f(i)\) 。例如 \(f(3)\) 代表将 \(3\) 个圆盘从 A 移动至 C 的汉诺塔问题。

先考虑最简单的情况:对于问题 \(f(1)\) ,即当只有一个圆盘时,则将它直接从 A 移动至 C 即可。

规模为 1 问题的解

hanota_f1_step2

对于问题 \(f(2)\) ,即当有两个圆盘时,由于要时刻满足小圆盘在大圆盘之上,因此需要借助 B 来完成移动,包括三步:

  1. 先将上面的小圆盘从 A 移至 B
  2. 再将大圆盘从 A 移至 C
  3. 最后将小圆盘从 B 移至 C

如下图所示,对于小圆盘的移动,我们称 C 为目标柱、B 为缓冲柱

规模为 2 问题的解

hanota_f2_step2

hanota_f2_step3

hanota_f2_step4

对于问题 \(f(3)\) ,即当有三个圆盘时,情况变得稍微复杂了一些。由于已知 \(f(1)\)\(f(2)\) 的解,我们可以从分治角度思考,A 顶部的两个圆盘看做一个整体,并执行以下步骤:

  1. B 为目标柱、C 为缓冲柱,将两个圆盘从 A 移动至 B
  2. A 中剩余的一个圆盘从 A 移动至 C
  3. C 为目标柱、A 为缓冲柱,将两个圆盘从 B 移动至 C

这样三个圆盘就被顺利地从 A 移动至 C 了。

规模为 3 问题的解

hanota_f3_step2

hanota_f3_step3

hanota_f3_step4

本质上看,我们将问题 \(f(3)\) 划分为两个子问题 \(f(2)\) 和子问题 \(f(1)\)。按顺序解决这三个子问题之后,原问题随之得到解决。以上分析说明了子问题的独立性,以及解是可以合并的

至此,我们可总结出汉诺塔问题的分治策略:将原问题 \(f(n)\) 划分为两个子问题 \(f(n-1)\) 和一个子问题 \(f(1)\) 。子问题的解决顺序为:

  1. \(n-1\) 个圆盘借助 CA 移至 B
  2. 将剩余 \(1\) 个圆盘从 A 直接移至 C
  3. \(n-1\) 个圆盘借助 AB 移至 C

并且,对于这两个子问题 \(f(n-1)\)可以通过相同的方式进行递归划分,直至达到最小子问题 \(f(1)\) 。而 \(f(1)\) 的解是已知的,只需一次移动操作即可。

汉诺塔问题的分治策略

Fig. 汉诺塔问题的分治策略

在代码实现中,我们声明一个递归函数 dfs(i, src, buf, tar) ,它的作用是将柱 src 顶部的 \(i\) 个圆盘借助缓冲柱 buf 移动至目标柱 tar

hanota.java
[class]{hanota}-[func]{move}

[class]{hanota}-[func]{dfs}

[class]{hanota}-[func]{hanota}
hanota.cpp
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.py
def move(src: list[int], tar: list[int]):
    """移动一个圆盘"""
    # 从 src 顶部拿出一个圆盘
    pan = src.pop()
    # 将圆盘放入 tar 顶部
    tar.append(pan)

def dfs(i: int, src: list[int], buf: list[int], tar: list[int]):
    """求解汉诺塔:问题 f(i)"""
    # 若 src 只剩下一个圆盘,则直接将其移到 tar
    if i == 1:
        move(src, tar)
        return
    # 子问题 f(i-1) :将 src 顶部 i-1 个圆盘借助 tar 移到 buf
    dfs(i - 1, src, tar, buf)
    # 子问题 f(1) :将 src 剩余一个圆盘移到 tar
    move(src, tar)
    # 子问题 f(i-1) :将 buf 顶部 i-1 个圆盘借助 src 移到 tar
    dfs(i - 1, buf, src, tar)

def hanota(A: list[int], B: list[int], C: list[int]):
    """求解汉诺塔"""
    n = len(A)
    # 将 A 顶部 n 个圆盘借助 B 移到 C
    dfs(n, A, B, C)
hanota.go
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.js
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.ts
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.c
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.cs
[class]{hanota}-[func]{move}

[class]{hanota}-[func]{dfs}

[class]{hanota}-[func]{hanota}
hanota.swift
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.zig
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}
hanota.dart
[class]{}-[func]{move}

[class]{}-[func]{dfs}

[class]{}-[func]{hanota}

如下图所示,汉诺塔问题形成一个高度为 \(n\) 的递归树,每个节点代表一个子问题、对应一个开启的 dfs() 函数,因此时间复杂度为 \(O(2^n)\) ,空间复杂度为 \(O(n)\)

汉诺塔问题的递归树

Fig. 汉诺塔问题的递归树

有趣的是,汉诺塔问题源自一种古老的传说故事。在古印度的一个寺庙里,僧侣们有三根高大的钻石柱子,以及 \(64\) 个大小不一的金圆盘。僧侣们不断地移动原盘,他们相信在最后一个圆盘被正确放置的那一刻,这个世界就会结束。

然而根据以上分析,即使僧侣们每秒钟移动一次,总共需要大约 \(2^{64} \approx 1.84×10^{19}\) 秒,合约 \(5850\) 亿年,远远超过了现在对宇宙年龄的估计。所以,倘若这个传说是真的,我们应该不需要担心世界末日的到来。

评论