每周一算法:迭代加深搜索

题目链接

加成序列

题目描述

满足如下条件的序列 X X X(序列中元素被标号为 1 、 2 、 3 … m 1、2、3…m 123m)被称为加成序列

  1. X [ 1 ] = 1 X[1]=1 X[1]=1
  2. X [ m ] = n X[m]=n X[m]=n
  3. X [ 1 ] < X [ 2 ] < … < X [ m − 1 ] < X [ m ] X[1]<X[2]<…<X[m−1]<X[m] X[1]<X[2]<<X[m1]<X[m]
  4. 对于每个 k k k 2 ≤ k ≤ m 2≤k≤m 2km)都存在两个整数 i i i j j j 1 ≤ i , j ≤ k − 1 1≤i,j≤k−1 1i,jk1 i i i j j j可以相等),使得 X [ k ] = X [ i ] + X [ j ] X[k]=X[i]+X[j] X[k]=X[i]+X[j]

你的任务是:给定一个整数 n n n,找出符合上述条件的长度 m m m最小的“加成序列”

如果有多个满足要求的答案,只需要找出任意一个可行解。

输入格式

输入包含多组测试用例。
每组测试用例占据一行,包含一个整数 n n n

当输入为单行的 0 0 0 时,表示输入结束。

输出格式

对于每个测试用例,输出一个满足需求的整数序列,数字之间用空格隔开。

每个输出占一行。

数据范围

1 ≤ n ≤ 100 1≤n≤100 1n100

输入样例

5
7
12
15
77
0

输出样例

1 2 4 5
1 2 4 6 7
1 2 4 8 12
1 2 4 5 10 15
1 2 4 8 9 17 34 68 77

算法思想

题目要求输出长度最小的加成序列,由于要输出序列,因此深度优先搜索是一个不错的选择。
深度优先搜索的基本思想是每次选定一个分支,不断深入,直至到达递归边界然后回溯。这种策略带有一定的缺陷,试想当搜索树每个节点的分支数目非常多,并且问题的答案在某个较浅的节点上,如果深搜一开始选错了分支,就很可能在不包含答案的深层子树上浪费很多时间。如下图所示:
在这里插入图片描述
上图表示搜索的状态空间,红色五角星为答案,那么深度优先搜索算法产生的搜索树如下图所示,算法中矩形圈出的深层子树浪费了很多时间。
在这里插入图片描述
此时,可以从小到大限制搜索的深度,如果在当前深度限制下搜索不到答案,就把深度限制增加,重新进行一次搜索,这就是迭代加深思想。

所谓“迭代”,就是以上一次的结果为基础,重复执行以逼近答案的思想,迭代加深搜索的过程如下:
在这里插入图片描述
虽然搜索过程中深度限制为 d d d时,会重复搜索 1 ∼ d − 1 1\sim d-1 1d1层的节点,但是当搜索树节点分支数目较多时,随着层数的深入,每层节点数会呈指数级增长,这点重复搜索与深层子树的规模相比,实在是小巫见大巫了。

总而言之,当搜索树规模随着层次的深入增长很快,并且题目能够确保答案在一个较浅层的节点时,就可使采用迭代加深的深度优先搜索算法来解决。例如,有些题目描述会包含“如果10步内搜索不到结果就算无解”的情况。

算法实现

寻找最短加成序列恰好符合迭代加深搜索的情况,序列的长度 m ( m ≤ 10 ) m(m\le10) mm10不会太大,但是每次枚举两个数的和产生的分支很多,即搜索树规模随着层次的深入增长很快,并且答案在一个较浅层的节点。算法实现的基本过程如下:

  • 序列中的第一个数为 1 1 1,即 X [ 1 ] = 1 X[1]=1 X[1]=1
  • 依次搜索序列中的每个位置 k k k
    • 当到达限制搜索深度时,搜索结束,如果序列中最后一个数为 n n n,即 X [ m ] = n X[m]=n X[m]=n,则找到最短加成序列。
    • 为了保证 X [ k ] = X [ i ] + X [ j ] X[k]=X[i]+X[j] X[k]=X[i]+X[j],枚举序列已确定的任意两个数求和,将其填入 k k k位置
    • 继续搜索 k + 1 k+1 k+1位置

算法优化

  • 优化搜索顺序:为了最快搜索到 n n n,可以优先枚举序列中较大的数
  • 排除等效冗余:对于序列中两个数的和,如果已经搜索过,就没有必要在递归搜索了,例如: 1 + 4 1+4 1+4 2 + 3 2+3 2+3,其和都为 5 5 5,搜索一次即可。

代码实现

#include <iostream>
using namespace std;
const int N = 105;
int x[N]; //加成序列
int n, m = N;
//k表示序列当前位置,d表示限制搜索深度
bool dfs(int k, int d)
{//达到限制搜索深度时,如果序列中最后一个元素为n,返回真,否则返回假if(k == d) return x[k - 1] == n; bool st[N] = {0}; //通过标记,排除等效冗余,即已经搜索过的和//优化搜索顺序,优先选择较大的数进行求和for(int i = k - 1; i >= 0; i --){for(int j = i; j >= 0; j --){int sum = x[i] + x[j];if(sum <= x[k - 1] || sum > n || st[sum]) continue;st[sum] = true;x[k] = sum;if(dfs(k + 1, d)) return true;}}return false;
}
int main()
{x[0] = 1; // 第1个数字是1while(cin >> n, n){int d = 1; //从深度1开始,迭代加深搜索,直到找到一组加成序列while(!dfs(1, d)) d ++;for(int i = 0; i < d; i ++) cout << x[i] << " ";cout << endl;}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/539803.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

Redis:持久化、线程模型、大 key

Redis持久化方式有什么方式&#xff1f; Redis 的读写操作都是在内存中&#xff0c;所以 Redis 性能才会高&#xff0c;但是当 Redis 重启后&#xff0c;内存中的数据就会丢失&#xff0c;那为了保证内存中的数据不会丢失&#xff0c;Redis 实现了数据持久化的机制&#xff0c…

YOLOV5 部署:QT的可视化界面推理(创建UI,并编译成py文件)

1、前言 之前用YOLOV5 做了一个猫和老鼠的实战检测项目,本章将根据之前训练好的权重进行部署,搭建一个基于QT的可视化推理界面,可以检测图片和视频 本章使用的数据集和权重参照:YOLOV5 初体验:简单猫和老鼠数据集模型训练-CSDN博客 可视化界面如下: 2、安装Pyside6 本…

使用helm部署clickhouse

&#xff08;作者&#xff1a;陈玓玏&#xff09; 前置条件 已安装 Kubernetes 集群&#xff1b; 已安装 Helm 包管理工具。 部署 1 添加 RadonDB ClickHouse 的 Helm 仓库 helm repo add ck https://radondb.github.io/radondb-clickhouse-kubernetes/ helm repo upd…

Figure与OpenAI 联手推出新机器人;荣耀首款「AI PC」即将发布

▶ Figure 与 OpenAI 联手推出新机器人 AI 机器人公司 Figure 发布了他们与 OpenAI 的合作成果&#xff0c;将 OpenAI 的大模型运用在其机器人 Figure 01 上。 据介绍&#xff0c;OpenAI 大模型加持的 Figure 01 机器人现在可以与人全面对话。 OpenAI 模型为机器人提供了高级…

git基础命令(一)

目录 基础概念git statusgit addgit diffgit loggit commit文件可以处于以下三种状态之一远程存储库与本地存储库参考 用于知识记录。后续有新的的内容&#xff0c;例子&#xff0c;将持续更新本文档。 基础概念 工作树&#xff1a;git add 之前&#xff0c;变动内容的文件列表…

微信小程序之tabBar

1、tabBar 如果小程序是一个多 tab 应用&#xff08;客户端窗口的底部或顶部有 tab 栏可以切换页面&#xff09;&#xff0c;可以通过 tabBar 配置项指定 tab 栏的表现&#xff0c;以及 tab 切换时显示的对应页面。 属性类型必填默认值描述colorHexColor是tab 上的文字默认颜色…

【开源-土拨鼠充电系统】鸿蒙 HarmonyOS 4.0+微信小程序+云平台

本人自己开发的开源项目&#xff1a;土拨鼠充电系统 ✍GitHub开源项目地址&#x1f449;&#xff1a;https://github.com/cheinlu/groundhog-charging-system ✍Gitee开源项目地址&#x1f449;&#xff1a;https://gitee.com/cheinlu/groundhog-charging-system ✨踩坑不易&am…

完美解决 RabbitMQ可视化界面Overview不显示折线图和队列不显示Messages

问题场景&#xff1a; 今天使用docker部署了一个RabbitMQ&#xff0c;浏览器打开15672可视化页面发送消息后不显示Overview中的折线图&#xff0c;还有队列中的Messages&#xff0c;因为我要看队列中的消息数量。 解决方案&#xff1a; 进入容器内部 docker exec -it 容器id…

【小白学机器学习9】自己纯手动计算验证,EXCEL的一元线性回归的各种参数值

目录 0 目标 1 构造模型 1.1 构造模型的思路 1.2 具体模型构造的EXCEL公式和过程 2 直接用EXCEL画图&#xff0c;然后生成趋势线的方式进行回归分析 2.1 先选择“观测值Y”的数据&#xff0c;用散点图或者折线图作图 2.2 然后添加趋势线和设置趋势线格式 2.3 生成趋…

P6技巧:如何提高P6系统的安全性

前言 我们访问的几乎每个客户都使用与各个数据库用户相同的密码安装 Oracle Primavera P6。如果这听起来很熟悉&#xff0c;那么请继续阅读并了解如何提高 Primavera P6 的安全性。 Oracle Primavera P6 EPPM的出现吸引了比以往更多的数据库系统用户以及应用服务器管理员。 这…

企业架构设计方法与实践中的架构治理演进、架构评估方法、架构成熟度模型

企业架构设计方法与实践中的架构治理演进、架构评估方法、架构成熟度模型。 架构治理演进: 架构治理是指通过设立和执行一套政策和程序,来管理和控制一个组织的架构活动。架构治理演进是一个持续的过程,需要根据组织的实际情况进行定期审查和调整。 在演进过程中,重点需要…

【SpringCloud微服务实战08】RabbitMQ 消息队列

MQ异步通信优缺点: 优点: 吞吐量提升:无需等待订阅者处理完成,响应更快速 故障隔离:服务没有直接调用,不存在级联失败问题 调用间没有阻塞,不会造成无效的资源占用 耦合度极低,每个服务都可以灵活插拔,可替换 流量削峰:不管发布事件的流量波动多大,都由Broker接收,…