HDU1045 Fire Net 暴力搜索DFS

这题给出的图的行列范围较小,所以可以暴力来做。

要解决的问题就是怎样方便的枚举完所有可能的情况,并且得到放置blockhouse的最大值。

这要在dfs上下功夫了。

代码中的dfs原型为dfs(int i,int num)。其中 i  为记录该次搜索已经到达那一个点了(i=1、2、...、n*n ,

表示从左到右、从上到下给每个点编号)。num是用来记录当前搜索已经添加的blockhouse数目,另

一个功能就是当本次搜索结束,也就是i==n*n时,和全局变量maxNum比较并保留最大值放在maxNum

中。这样当所有情况都搜完后,maxNum要求值了。

 

还有一些小细节:

1、canPlace(int row,int col) 用来判断当前点 (row,col)  所在行列是否已经放置可以攻击到该点的blockhouse。

2、如果当前点可以放置blockhouse则标记为 'o' 表示已放。当然也可以开一个二维数组visit[][]来标记。方法

不一。

 

AC代码:

#include<iostream>
using namespace std;

const int MAX=4;

char map[MAX][MAX];
int n,maxNum;   

void storeMap()   //存图
{
	for(int i=0;i<n;i++)
		cin>>map[i];
}

bool canPlace(int row,int col)   //判断是否可以放置
{                                 //在遇到墙之前同行或同列上已放置,则不能再放
	int i;

	for(i=col-1;i>=0;i--)
	{
		if(map[row][i]=='o') return false;
		if(map[row][i]=='X') break;
	}

	for(i=row-1;i>=0;i--)
	{
		if(map[i][col]=='o') return false;
		if(map[i][col]=='X') break;
	}

	return true;
}

void dfs(int i,int num)    //深搜,i代表已经搜索到的点,num代表该次搜索可以放得最多blockhouse
{                          //搜索完所有可能情况,每点'.'都会作为起点搜索一遍
	int row,col;

	if(i==n*n)
	{
		if(num>maxNum) maxNum=num;   //比较每遍搜索结果,保留当前最大值
		return;
	}
	else
	{
		row=i/n;    //从左到右,从上到下依次给每个点编号,1、2、...、n*n
		col=i%n;    //这是在取当前点所在图的行和列
		
		if(map[row][col]=='.' && canPlace(row,col))
		{
			map[row][col]='o';
			dfs(i+1,num+1);
			map[row][col]='.';
		}
		dfs(i+1,num);
	}
}

int main()
{
	while(cin>>n,n)
	{
		storeMap();

		maxNum=0;
		dfs(0,0);

		cout<<maxNum<<endl;
	}

	return 0;
}


 

 

 

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值