搜索专项---最小步数模型


文章目录

  • 魔板

一、魔板OJ链接

        本题思路:最小步数模型: 将整个“图”视为一个状态也即一个节点. 状态的转移视为权值为1的边.

BFS求解, 注意几点:

        状态的存储: 一般用字符串存储状态, 用哈希表存储初始状态到每个状态的距离.

        方案记录: 记忆数组存储. 本题中需要存储上一个状态以及对应操作.

        字典序: 每次状态转移都按A∼C的顺序, 得到的方案一定是字典序最小的方案.

        一种直观理解: 这种扩展方式恰好是字典序定义的顺序.也可用反证法证明: 假设用上述方式得到的方案不是字典序最小.每个方案对应一个字符串, 从左向右依次考虑每个字母(操作).考虑算法解与最优解从左向右第一个不同字母: x与x′, 假设在第k个位置不同.由于最优解字典序更小, 有x<'x',x与x′都是可以到达题目要求状态的合法操作.而在第k步扩展时, 算法是按照A∼C顺序选取, 即算法解一定是取队列中最前面的合法操作.最优解与算法解不同, 而算法解保证取队列最前面的合法操作, 且队列具有单调性, 所以: x≤x′(队列前的操作字典序小于队列后面操作的字典序, 这是算法操作的结果).与假设矛盾. 后续的不同字母依次类推, 所以上述方法得到的算法解一定是字典序最小的方案.

#include <bits/stdc++.h>char g[2][4];
std::unordered_map<std::string,int> dist;//一般用字符串存储状态, 用哈希表存储初始状态到每个状态的距离.
std::unordered_map<std::string,std::pair<char,std::string>> pre;//记忆数组存储. 本题中需要存储上一个状态以及对应操作.
std::queue<std::string> q;void set(std::string state)
{for(int i=0;i<4;i++) g[0][i]=state[i];for(int i=0,j=7;i<4;i++,j--) g[1][i]=state[j];
}std::string get()
{std::string res;for(int i=0;i<4;i++) res+=g[0][i];for(int i=3;i>=0;i--) res+=g[1][i];return res;
}std::string move0(std::string state)
{set(state);for(int i=0;i<4;i++) std::swap(g[0][i],g[1][i]);return get();
}std::string move1(std::string state)
{set(state);int v0 = g[0][3], v1 = g[1][3];for (int i = 3; i > 0; i -- ){g[0][i] = g[0][i - 1];g[1][i] = g[1][i - 1];}g[0][0] = v0, g[1][0] = v1;return get();
}std::string move2(std::string state)
{set(state);int v = g[0][1];g[0][1] = g[1][1];g[1][1] = g[1][2];g[1][2] = g[0][2];g[0][2] = v;return get();
}int bfs(std::string start,std::string end)
{//这里需要注意一下特判if(start==end) return 0;q.push(start);dist[start]=0;while(!q.empty()){std::string t=q.front();q.pop();std::string m[3];m[0]=move0(t);m[1]=move1(t);m[2]=move2(t);for(int i=0;i<3;i++){if(!dist.count(m[i])){dist[m[i]]=dist[t]+1;pre[m[i]]={'A'+i,t};q.push(m[i]);if(m[i]==end) return dist[end];}}}return -1;
}int main()
{std::ios::sync_with_stdio(false);std::cin.tie(nullptr);std::cout.tie(nullptr);int x;std::string start,end;for(int i=0;i<8;i++){std::cin>>x;end+=char(x+'0');}//表示目标状态for(int i=1;i<=8;i++) start+=char(i+'0');//初始的基本状态int step=bfs(start,end);std::cout<<step<<std::endl;std::string res;while(start!=end){res+=pre[end].first;end=pre[end].second;}reverse(res.begin(),res.end());//由于是从目标状态进行的,所以结果应该进行逆序的处理std::cout<<res;return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/469489.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AI在工业物联网(IIoT)中的安全管理与应用

在开放的工业互联网环境中&#xff0c;数百万个基于物联网的终端和中间设备&#xff0c;需要全天候地持续通信并保持在线状态。不过&#xff0c;这些设备往往由于最初设计上的限制&#xff0c;在机密性、完整性、可用性、扩展性、以及互操作性上&#xff0c;存在着各种安全漏洞…

RK3568笔记十五:触摸屏测试

若该文为原创文章&#xff0c;转载请注明原文出处。 使用正点原子的ATK-RK3568板子&#xff0c;一直在测试屏幕和视频&#xff0c;突然想到触摸屏测试&#xff0c;一直没有用过&#xff0c;原子给的demo跑的是QT系统&#xff0c;触摸功能是正常的&#xff0c;测试一下&#xf…

[缓存] - 2.分布式缓存重磅中间件 Redis

1. 高性能 尽量使用短key 不要存过大的数据 避免使用keys *&#xff1a;使用SCAN,来代替 在存到Redis之前压缩数据 设置 key 有效期 选择回收策略(maxmemory-policy) 减少不必要的连接 限制redis的内存大小&#xff08;防止swap&#xff0c;OOM&#xff09; slowLog …

随机过程及应用学习笔记(三)几种重要的随机过程

介绍独立过程和独立增量过程。重点介绍两种独立增量过程-—维纳过程和泊松过程。 目录 前言 一、独立过程和独立增量过程 1、独立过程&#xff08;Independent Process&#xff09; 2、独立增量过程&#xff08;Independent Increment Process&#xff09; 二、正态过程&am…

ICLR 2023#Learning to Compose Soft Prompts for Compositional Zero-Shot Learning

组合零样本学习&#xff08;CZSL&#xff09;中Soft Prompt相关工作汇总&#xff08;一&#xff09; 文章目录 组合零样本学习&#xff08;CZSL&#xff09;中Soft Prompt相关工作汇总&#xff08;一&#xff09;ICLR 2023#Learning to Compose Soft Prompts for Compositional…

HDFS的超级用户

一. 解释原因 HDFS(Hadoop Distributed File System)和linux文件系统管理一样&#xff0c;也是存在权限控制的。 但是很不一样的是&#xff0c; 在Linux文件系统中&#xff0c;超级用户Superuser是root而在HDFS中&#xff0c;超级用户Superuser是启动了namenode的用户&#x…

解决ucore实验qemu不断重启问题

解决 ucore 实验 qemu 不断重启问题 做清华大学操作系统 ucore 实验 (x86版本)&#xff0c;实验一编译后运行 qemu 发现系统不断重启&#xff0c;无法正常运行 kernel。实验环境是 ubuntu 22.04&#xff0c;gcc 11.4.0&#xff0c;ld 2.38。最终查证是链接脚本 kernel.ld 导致…

MySQL 基础知识(五)之数据增删改

目录 1 插入数据 2 删除数据 3 更改数据 创建 goods 表 drop table if exists goods; create table goods ( id int(10) primary key auto_increment, name varchar(14) unique, stockdate date )charsetutf8; 1 插入数据 当要插入的数据为日期/时间类型时&#xff0c;如果…

【AI视野·今日NLP 自然语言处理论文速览 第七十八期】Wed, 17 Jan 2024

AI视野今日CS.NLP 自然语言处理论文速览 Wed, 17 Jan 2024 (showing first 100 of 163 entries) Totally 100 papers &#x1f449;上期速览✈更多精彩请移步主页 Daily Computation and Language Papers Deductive Closure Training of Language Models for Coherence, Accur…

MATLAB|基于改进二进制粒子群算法的含需求响应机组组合问题研究(含文献和源码)

目录 主要内容 模型研究 1.改进二进制粒子群算法&#xff08;BPSO&#xff09; 2.模型分析 结果一览 下载链接 主要内容 该程序复现《A Modified Binary PSO to solve the Thermal Unit Commitment Problem》&#xff0c;主要做的是一个考虑需求响应的机组组合…

【RT-DETR有效改进】利用FasterNet的FasterBlock改进特征提取网络(高效的推理速度和FPS)

👑欢迎大家订阅本专栏,一起学习RT-DETR👑 一、本文介绍 本文给大家带来的改进机制是利用FasterNet的FasterBlock改进特征提取网络,将其用来改进ResNet网络,其旨在提高计算速度而不牺牲准确性,特别是在视觉任务中。它通过一种称为部分卷积(PConv)的新技术来减少冗…

机器学习3----决策树

这是前期准备 import numpy as np import pandas as pd import matplotlib.pyplot as plt #ID3算法 #每个特征的信息熵 # target : 账号是否真实&#xff0c;共2种情况 # yes 7个 p0.7 # no 3个 p0.3 info_D-(0.7*np.log2(0.7)0.3*np.log2(0.3)) info_D #日志密度…