DLX 指使用 Dancing Links 优化后的 X 算法，在随机情况下能极快速地解决精确覆盖问题。
upd2: 洛谷博客上本文已经不再维护，若需要可移步 我的博客 查看最新版本。
upd: 文末引用已更新。
一、问题引入
-
就在刚才，你的同学终于写完了 P4205 『NOI2005』智慧珠游戏，并向你展示了他的 500+ 行的代码。
小时候，你玩智慧珠；长大后，智慧珠玩你，你准备怎么办？
-
就在刚才，你的同学码力全开写完了 P1784 数独，感觉有了暴力搜索，他能 AK 学生会组织的所有数独比赛。
面对数独，你不愿去打那恼人的暴力，你又准备怎么办？
二、精确覆盖问题
-
定义：
精确覆盖问题 (Exact Cover Problem) 是指给定许多集合 S_i (1 \le i \le n) 以及一个集合 X，求满足以下条件的无序多元组 (T_1, T_2, \cdots , T_m)：
(1) \forall i, j \in [1, m],T_i\bigcap T_j = \varnothing (i \neq j)
(2) X = \bigcup\limits_{i = 1}^{m}T_i
(3) \forall i \in[1, m], T_i \in \{S_1, S_2, \cdots, S_n\}
例如，若给出
\begin{aligned}
& S_1 = \{5, 9, 17\}
\\
& S_2 = \{1, 8, 119\}
\\
& S_3 = \{3, 5, 17\}
\\
& S_4 = \{1, 8\}
\\
& S_5 = \{3, 119\}
\\
& S_6 = \{8, 9, 119\}
\\
& X = \{1, 3, 5, 8, 9, 17, 119\}
\end{aligned}
则 (S_1, S_4, S_5) 为一组合法解。
-
问题转化
我们将 \bigcup\limits_{i = 1}^{n}S_i 中的所有数离散化，那么可以得到这么一个模型：
给定一个 01 矩阵，你可以选择一些行，使得最终每列都恰好有一个 1。
举个例子，我们对 (2.1) 中的例子进行建模，可以得到这么一个矩阵：
\begin{pmatrix}
0 & 0 & 1 & 0 & 1 & 1 & 0
\\
1 & 0 & 0 & 1 & 0 & 0 & 1
\\
0 & 1 & 1 & 0 & 0 & 1 & 0
\\
1 & 0 & 0 & 1 & 0 & 0 & 0
\\
0 & 1 & 0 & 0 & 0 & 0 & 1
\\
0 & 0 & 0 & 1 & 1 & 0 & 1
\end{pmatrix}
其中第 i 行表示着 S_i，而这一行的每个数依次表示 [1 \in S_i],[3 \in S_i],[5 \in S_i],\cdots,[119 \in S_i]。
-
第一个不优秀的做法：
我们可以枚举选择哪些行，最后检查这个方案是否合法。
因为每一行都有选或者不选两种状态，所以枚举行的时间复杂度是 O(2^n) 的；
而每次检查都需要 O(nm) 的时间复杂度。所以总的复杂度是 O(nm\cdot2^n)。
int ok = 0;
for(int state = 0; state < 1 << n; ++state) { // 枚举每行是否被选
for(int i = 1; i <= n; ++i) if((1 << i - 1) & state)
for(int j = 1; j <= m; ++j)
a[i][j] = 1;
int flag = 1;
for(int j = 1; j <= m; ++j) for(int i = 1, bo = 0; i <= n; ++i)
if(a[i][j]) {
if(bo) flag = 0;
else bo = 1;
}
if(!flag) continue;
else {
ok = 1;
for(int i = 1; i <= n; ++i) if((1 << i - 1) & state)
printf("%d ", i);
puts("");
}
memset(a, 0, sizeof(a));
}
if(!ok) puts("No solution.");
-
第二个不那么优秀的做法：
考虑到 01 矩阵的特殊性质，我们可以把每一行都看做成一个 m 位二进制数。
因此被转化为了
给你 n 个 m 位二进制数，要求选择一些数，使得任意两个数的与都为0，且所有数的或为 2^m - 1。
tmp 表示的是截至目前的所有被选择了的 m 位二进制数的或。
因为每一行都有选或者不选两种状态，所以枚举行的时间复杂度是 O(2^n) 的；
而每次计算 tmp 都需要 O(n) 的时间复杂度。所以总的复杂度是 O(n\cdot2^n)。
int ok = 0;
for(int i = 1; i <= n; ++i)
for(int j = m; j >= 1; --j)
num[i] = num[i] << 1 | a[i][j];
for(int state = 0; state < 1 << n; ++state) {
int tmp = 0;
for(int i = 1; i <= n; ++i) if((1 << i - 1) & state) {
if(tmp & num[i]) break;
tmp |= num[i];
}
if(tmp == (1 << m) - 1) {
ok = 1;
for(int i = 1; i <= n; ++i) if((1 << i - 1) & state)
printf("%d ", i);
puts("");
}
}
if(!ok) puts("No solution.");
三、X 算法
刚才的暴力实在是太菜了！连 1 \le n,m \le 200 都跑不过……
Donald E. Knuth 提出了一个叫做 X 算法 (Algorithm X) 的东西，其思想与刚才的暴力差不多，但是方便优化。
继续以 (2.1) 中提到的例子为载体，我们得到的是一个这样的 01 矩阵：
\begin{pmatrix}
0 & 0 & 1 & 0 & 1 & 1 & 0
\\
1 & 0 & 0 & 1 & 0 & 0 & 1
\\
0 & 1 & 1 & 0 & 0 & 1 & 0
\\
1 & 0 & 0 & 1 & 0 & 0 & 0
\\
0 & 1 & 0 & 0 & 0 & 0 & 1
\\
0 & 0 & 0 & 1 & 1 & 0 & 1
\end{pmatrix}
-
此时第一行有 3 个 1，第二行有 3 个 1，第三行有 3 个 1，第四行有 2 个 1，第五行有 2 个 1，第六行有 3 个 1。选择第一行，将它删除，并将所有 1 所在的列打上标记；
\begin{pmatrix}
\color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
1 & 0 & \color{Red}0 & 1 & \color{Red}0 & \color{Red}0 & 1
\\
0 & 1 & \color{Red}1 & 0 & \color{Red}0 & \color{Red}1 & 0
\\
1 & 0 & \color{Red}0 & 1 & \color{Red}0 & \color{Red}0 & 0
\\
0 & 1 & \color{Red}0 & 0 & \color{Red}0 & \color{Red}0 & 1
\\
0 & 0 & \color{Red}0 & 1 & \color{Red}1 & \color{Red}0 & 1
\end{pmatrix}
-
选择所有被标记的列，将它们删除，并将这些列中含 1 的行打上标记；
\begin{pmatrix}
\color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
1 & 0 & \color{White}\colorbox{Black}0 & 1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & 1
\\
\color{Red}0 & \color{Red}1 & \color{White}\colorbox{Black}1 & \color{Red}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{Red}0
\\
1 & 0 & \color{White}\colorbox{Black}0 & 1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & 0
\\
0 & 1 & \color{White}\colorbox{Black}0 & 0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & 1
\\
\color{Red}0 & \color{Red}0 & \color{White}\colorbox{Black}0 & \color{Red}1 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{Red}1
\end{pmatrix}
-
选择所有被标记的行，将它们删除；
\begin{pmatrix}
\color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
1 & 0 & \color{White}\colorbox{Black}0 & 1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & 1
\\
\color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
1 & 0 & \color{White}\colorbox{Black}0 & 1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & 0
\\
0 & 1 & \color{White}\colorbox{Black}0 & 0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & 1
\\
\color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1
\end{pmatrix}
这表示表示我们选择了一行，且这一行的所有 1 所在的列不能有其他 1 了。
于是我们得到了这样的一个新的小 01 矩阵：
\begin{pmatrix}
1 & 0 & 1 & 1
\\
1 & 0 & 1 & 0
\\
0 & 1 & 0 & 1
\end{pmatrix}
-
此时第一行（原来的第二行）有 3 个 1，第二行（原来的第四行）有 2 个 1，第三行（原来的第五行）有 2 个 1。选择第一行（原来的第二行），将它删除，并将所有 1 所在的列打上标记；
\begin{pmatrix}
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1
\\
\color{Red}1 & 0 & \color{Red}1 & \color{Red}0
\\
\color{Red}0 & 1 & \color{Red}0 & \color{Red}1
\end{pmatrix}
-
选择所有被标记的列，将它们删除，并将这些列中含 1 的行打上标记；
\begin{pmatrix}
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1
\\
\color{White}\colorbox{Black}1 & \color{Red}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
\color{White}\colorbox{Black}0 & \color{Red}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1
\end{pmatrix}
-
选择所有被标记的行，将它们删除；
\begin{pmatrix}
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1
\\
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
\color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1
\end{pmatrix}
于是我们得到了一个空矩阵。但是上次删除的行 "1 0 1 1" 不是全 1 的，说明选择有误；
\begin{pmatrix}
\end{pmatrix}
-
回溯到步骤 4，我们考虑选择第二行（原来的第四行），将它删除，并将所有 1 所在的列打上标记；
\begin{pmatrix}
\color{Red}1 & 0 & \color{Red}1 & 1
\\
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
\color{Red}0 & 1 & \color{Red}0 & 1
\end{pmatrix}
-
选择所有被标记的列，将它们删除，并将这些列中含 1 的行打上标记；
\begin{pmatrix}
\color{White}\colorbox{Black}1 & \color{Red}0 & \color{White}\colorbox{Black}1 & \color{Red}1
\\
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
\color{White}\colorbox{Black}0 & 1 & \color{White}\colorbox{Black}0 & 1
\end{pmatrix}
-
选择所有被标记的行，将它们删除；
\begin{pmatrix}
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}1
\\
\color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0 & \color{White}\colorbox{Black}1 & \color{White}\colorbox{Black}0
\\
\color{White}\colorbox{Black}0 & 1 & \color{White}\colorbox{Black}0 & 1
\end{pmatrix}
于是我们得到了这样的一个矩阵：
\begin{pmatrix}
1 & 1
\end{pmatrix}
-
此时第一行（原来的第五行）有 2 个 1，将它们全部删除，我们得到了一个空矩阵：
\begin{pmatrix}
\end{pmatrix}
-
上一次删除的时候，删除的是全 1 的行，因此成功，算法结束。
答案即为我们删除的三行：1, 4, 5。
- 强烈建议自己模拟一遍矩阵删除、还原与回溯的过程后再接着阅读下文。
我们可以概括出 X 算法的过程：
-
对于现在的矩阵 M，选择并标记一列 r，将 r 添加至 S 中；
-
如果尝试了所有的 r 却无解，则算法结束，输出无解。
-
标记与 r 相关的行 r_i 和 c_i；
-
删除所有标记的行和列，得到新矩阵 M'；
-
如果 M' 为空，且 r 为全 1 的，则算法结束，输出被删除的行组成的集合 S；
如果 M' 为空，且 r 不为全 1 的，则恢复与 r 相关的行 r_i 以及列 c_i，跳转至步骤 1；
如果 M' 不为空，则跳转至步骤 1；
不难看出，X 算法需要大量的 “删除行”、“删除列” 和 “恢复行”、“恢复列” 的操作。
Donald E. Knuth 想到了用双向十字链表来维护这些操作。
而在双向十字链表上不断跳跃的过程被形象地比喻成“跳跃”，因此被用来优化 X 算法的双向十字链表也被称为 “Dancing Links”。
四、Dancing Links 优化的 X 算法
-
预编译命令
这句话太好用了
#define IT(i, A, x) for(i = A[x]; i != x; i = A[i])
-
定义
既然是双向十字链表，那么一定是有四个指针域的：一个指上方的元素，一个指下方的元素，一个指左边的元素，一个指右边的元素。而每个元素 i 在整个双向十字链表系中都对应着一个格子，因此还要表示 i 所在的列和所在的行。像这样：
是不是非常简单？
而其实大型双向链表其实是长这样的：
每一行都有一个行首指示，每一列都有一个列指示。
行首指示为 first[]，列指示是我们虚拟出的 c + 1 个结点。
同时，每一列都有一个 siz[] 表示这一列的元素个数。
特殊地，0 号结点无右结点等价于这个 Dancing Links 为空。
static const int MAXSIZE = 1e5 + 10;
int n, m, idx, first[MAXSIZE + 10], siz[MAXSIZE + 10];
int L[MAXSIZE + 10], R[MAXSIZE + 10], U[MAXSIZE + 10], D[MAXSIZE + 10];
int col[MAXSIZE + 10], row[MAXSIZE + 10];
-
$\text{remove(c)}$ 表示在 Dancing Links 中删除第 $c$ 列以及与其相关的行和列。
我们先将 $c$ 删除，此时：
(1) $c$ 左侧的结点的右结点应为 $c$ 的右结点；
(2) $c$ 右侧的结点的左结点应为 $c$ 的左结点。
即 `L[R[c]] = L[c], R[L[c]] = R[c];`。
然后我们要顺着这一列往下走，把走过的每一行都删掉。
如何删掉每一行呢？枚举当前行的指针 $j$，此时：
(1) $j$ 上方的结点的下结点应为 $j$ 的下结点；
(2) $j$ 下方的结点的上结点应为 $j$ 的上结点。
注意要修改每一列的元素个数。
即 `U[D[j]] = U[j], D[U[j]] = D[j], --siz[col[j]];`。
因此 $\text{remove(c)}$ 的代码实现就非常简单了：
其中第一个 `IT(i, D, c)` 等价于 `for(i = D[c]; i != c; i = D[i])`，即在顺着这一列从上往下遍历；
第二个 `IT(j, R, i)` 等价于 `for(j = R[i]; j != i; j = R[j])`，即在顺着这一行从左往右遍历。
```cpp
void remove(const int &c) {
int i, j;
L[R[c]] = L[c], R[L[c]] = R[c];
IT(i, D, c) IT(j, R, i)
U[D[j]] = U[j], D[U[j]] = D[j], --siz[col[j]];
}
```
-
$\text{recover(c)}$ 表示在 Dancing Links 中还原第 $c$ 列以及与其相关的行和列。
$\text{recover(c)}$ 即 $\text{remove(c)}$ 的逆操作，在这里就不多赘述了。
**值得注意的是，** $\text{recover(c)}$ **的所有操作的顺序与** $\text{remove(c)}$ **的操作恰好相反。**
在这里给出 $\text{recover(c)}$ 的代码实现：
```cpp
void recover(const int &c) {
int i, j;
IT(i, U, c) IT(j, L, i)
U[D[j]] = D[U[j]] = j, ++siz[col[j]];
L[R[c]] = R[L[c]] = c;
}
```
-
$\text{build(r, c)}$ 表示新建一个大小为 $r \times c$，即有 $r$ 行，$c$ 列的 Dancing Links。
我们新建 $c + 1$ 个结点，为列指示。
第 $i$ 个点的左结点为 $i - 1$，右结点为 $i + 1$，上结点为 $i$，下结点为 $i$。
特殊地， $0$ 结点的左结点为 $c$，$c$ 结点的右结点为 $0$。
于是我们得到了一条链：
```cpp
void build(const int &r, const int &c) {
n = r, m = c;
for(int i = 0; i <= c; ++i) {
L[i] = i - 1, R[i] = i + 1;
U[i] = D[i] = i;
}
L[0] = c, R[c] = 0, idx = c;
memset(first, 0, sizeof(first));
memset(siz, 0, sizeof(siz));
}
```
这样就初始化了一个 Dancing Links。
-
$\text{insert(r, c)}$ 表示在第 $r$ 行，第 $c$ 列插入一个结点。
我们分两种情况来操作：
(1) 如果第 $r$ 行没有元素，那么直接插入一个元素，并使 $first(r)$ 指向这个元素；
(2) 如果第 $r$ 行有元素，那么将这个新元素 **用一种奇异的方式** 与 $c$ 和 $first(r)$ 连接起来。
对于 (1)，我们可以通过 `first[r] = L[idx] = R[idx] = idx;` 来实现；
对于 (2)，（我们称这个新元素为 $idx$）：
- 我们把 $idx$ 插入到 $c$ 的正下方，此时：
(1) $idx$ 下方的结点为原来 $c$ 的下结点；
(2) $idx$ 下方的结点（即原来 $c$ 的下结点）的上结点为 $idx$;
(3) $idx$ 的上结点为 $c$；
(4) $c$ 的下结点为 $idx$。
注意记录 $idx$ 的所在列和所在行，以及更新这一列的元素个数。
```cpp
col[++idx] = c, row[idx] = r, ++siz[c];
U[idx] = c, D[idx] = D[c], U[D[c]] = idx, D[c] = idx;
```
**强烈建议读者完全掌握这几步的顺序后再继续阅读本文。**
- 我们把 $idx$ 插入到 $first(r)$ 的正右方，此时：
(1) $idx$ 右侧的结点为原来 $first(r)$ 的右结点；
(2) 原来 $first(r)$ 右侧的结点的左结点为 $idx$；
(3) $idx$ 的左结点为 $first(r)$；
(4) $first(r)$ 的右结点为 $idx$。
```cpp
L[idx] = first[r], R[idx] = R[first[r]];
R[first[r]] = idx, L[R[first[r]]] = idx;
```
**强烈建议读者完全掌握这几步的顺序后再继续阅读本文。**
对于 $\text{insert(r, c)}$ 这个操作，我们可以画图来辅助理解：
留心曲线箭头的方向。
在这里给出 $\text{insert(r, c)}$ 的代码：
```cpp
void insert(const int &r, const int &c) {
row[++idx] = r, col[idx] = c, ++siz[c];
U[idx] = D[idx] = c, U[D[c]] = idx, D[c] = idx;
if(!first[r]) first[r] = L[idx] = R[idx] = idx;
else {
L[idx] = first[r], R[idx] = R[first[r]];
L[R[first[r]]] = idx, R[first[r]] = idx;
}
}
```
-
$\text{dance()}$ 即为递归地删除以及还原各个行列的过程。
(1) 如果 $0$ 号结点没有右结点，那么矩阵为空，记录答案并返回；
(2) 选择列元素个数最少的一列，并删掉这一列；
(3) 遍历这一列所有有 $1$ 的行，枚举它是否被选择；
(4) 递归调用 $\text{dance()}$，如果可行，则返回；如果不可行，则恢复被选择的行；
(5) 如果无解，则返回；
在这里给出 $\text{dance()}$ 的代码实现：
```cpp
bool dance(int dep) {
int i, j, c = R[0];
if(!R[0]) { ans = dep; return 1; }
IT(i, R, 0) if(siz[i] < siz[c]) c = i;
remove(c);
IT(i, D, c) {
stk[dep] = row[i];
IT(j, R, i) remove(col[j]);
if(dance(dep + 1)) return 1;
IT(j, L, i) recover(col[j]);
}
recover(c);
return 0;
}
```
其中 `stk[]` 用来记录答案。
注意我们每次优先选择列元素个数最少的一列进行删除，这样能保证程序具有一定的启发性（乱扯的），是搜索树分支最少（不会证）。
-
P4929 【模板】舞蹈链（DLX）
模板代码
四又二分之一、时间复杂度分 (luàn) 析 (chě)
DLX 的时间复杂度是 指数级 的，它递归及回溯的次数与矩阵中 1 的个数有关，与矩阵的 r, c 等参数无关。
因此理论复杂度大概在 O(c^n) 左右，其中 c 为某个非常接近于 1 的常数，n 为矩阵中 1 的个数。
但实际情况下 DLX 表现良好，一般能解决大部分的问题。
五、如何建模
DLX 的难点，除了垃圾链表连这连那就是建模。
请确保已经完全掌握 DLX 模板后再继续阅读本文。
我们每拿到一个题，应该考虑行和列所表示的意义：
对于某一行而言，由于不同的列的值不尽相同，我们 由不同的状态，定义了一个决策。
-
【洛谷】 P1784 数独 题目链接
先考虑决策是什么。
在这一题中，每一个决策可以用形如 (r, c, w) 的有序三元组表示。
注意到 “宫” 并不是决策的参数，因为它 可以被每个确定的 (r, c) 表示。
因此有 9 \times 9 \times 9 = 729 行。
再考虑状态是什么。
我们思考一下 (r, c, w) 这个决将会造成什么影响。记 (r, c) 所在的宫为 b。
(1) 第 r 行用了一个 w（用 9 \times 9 = 81 列表示）；
(2) 第 c 列用了一个 w（用 9 \times 9 = 81 列表示）；
(3) 第 b 宫用了一个 w（用 9 \times 9 = 81 列表示）；
(4) (r, c) 中填入了一个数（用 9 \times 9 = 81 列表示）。
因此有 81 \times 4 = 324 列，共 729 \times 4 = 2916 个 1。
至此，我们成功地将 9 \times 9 的数独问题转化成了一个有 729 行，324 列，共 2916 个 1 的精确覆盖问题。
-
【洛谷】 P1074 靶形数独 题目链接
这一题与 (5.1) 的模型构建 一模一样，主要区别在于答案的更新。
这一题可以开一个权值数组，每次找到一组数独的解时，
每个位置上的数乘上对应的权值计入答案即可。
-
【洛谷】 P4205 『NOI2005』智慧珠游戏 题目链接
终于，我们打到了大 boss。
- 定义：题中给我们的智慧珠的形态，称为这个智慧珠的 标准形态。
显然，我们可以通过改变两个参数 d（表示顺时针旋转 90^{\circ} 的次数）和 f（是否水平翻转）来改变这个智慧珠的形态。
仍然，我们先考虑决策是什么。
在这一题中，每一个决策可以用形如 (v, d, f, i) 的有序五元组表示。
表示第 i 个智慧珠的 标准形态 的左上角的位置，序号为 v，经过了 d 次顺时针转 90^{\circ}。
巧合的是，我们可以令 f = 1 时不水平翻转，f = -1 时水平翻转，从而达到简化代码的目的。
因此有 55 \times 4 \times 2 \times 12 = 5280 行。
需要注意的是，因为一些不合法的填充，如 (1, 0, 1, 4)，
所以在实际操作中，空的智慧珠棋盘也只需要建出 2730 行。
再考虑状态是什么。
这一题的状态比较简单。
我们思考一下，(v, d, f, i) 这个决策会造成什么影响。
(1) 某些格子被占了（用 55 列表示）；
(2) 第 i 个智慧珠被用了（用 12 列表示）。
因此有 55 + 12 = 67 列，共 5280 \times (5 + 1) = 31680 个 1。
至此，我们成功地将智慧珠游戏转化成了一个有 5280 行，67 列，共 31680 个 1 的精确覆盖问题。
六、练习
-
SP1110 SUDOKU - Sudoku 题目链接
-
『kuangbin带你飞』专题三 Dancing Links 题表链接
七、总结
DLX 能用来解决精确覆盖问题，而适当地建立起模型后能解决一些毒瘤的大模拟。
但这个东西的复杂度我是真的不会证，各位大佬就权当娱乐好了。
DLX 也不是什么联赛或省选知识点。
八、参考资料：
- 英雄哪里出来 的 《夜深人静写算法（九）- Dancing Links X（跳舞链）》
- 万仓一黍 的 《跳跃的舞者，舞蹈链（Dancing Links）算法——求解精确覆盖问题》
- zhangjianjunab 的 《DLX算法一览》
- 静听风吟。 的 《搜索：DLX算法》
- 刘汝佳，陈锋 的 《算法竞赛入门经典：训练指南》