BZOJ 1087: [SCOI2005]互不侵犯King

本文介绍了SCOI2005互不侵犯King问题的求解方法,该问题是关于在N×N的棋盘中放置K个国王,使得它们互不攻击,计算所有可能的摆放方案数量。文章详细解释了状态压缩动态规划的解决方案,并提供了完整的C++代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1087: [SCOI2005]互不侵犯King

Time Limit:10 Sec  Memory Limit: 162 MB
Submit: 3677  Solved: 2153
[Submit][Status][Discuss]

Description

  在N×N的棋盘里面放K个国王,使他们互不攻击,共有多少种摆放方案。国王能攻击到它上下左右,以及左上
左下右上右下八个方向上附近的各一个格子,共8个格子。

Input

  只有一行,包含两个数N,K ( 1 <=N <=9, 0 <= K <= N * N)

Output

  方案数。

Sample Input

3 2

Sample Output

16

状压dp,dp[i][j][k] 表示 i 行为止有 j 个king已被放置且状态为 k 
话说零和零可以上下相邻我竟然调了半天,心塞  

#include<cmath>
#include<cstdio> 
#include<climits>
#include<cstring> 
#include<cstdlib> 
#include<iostream> 
#include<algorithm> 
#include<iomanip> 
#include<vector> 
#include<string>
#include<queue>  
#include<map> 
#include<set>
using namespace std; 
typedef long long ll; 
inline int read() 
{ 
    int x=0,f=1;char ch=getchar(); 
    while(ch<'0'|ch>'9'){if(ch=='-')f=-1;ch=getchar();} 
    while(ch<='9'&&ch>='0'){x=(x<<3)+(x<<1)+ch-'0';ch=getchar();} 
    return f*x; 
} 
const int N=90;
int n,m,num[512],use[512],cnt,can[512][512];
ll dp[10][N][512],ans;
inline bool judge(int a,int b)
{
	if(a&b||a&(b>>1)||a&(b<<1))return 0;
	return 1;
}
void initial()
{
	num[0]=0;use[++cnt]=0;
	for(int i=1;i<(1<<n);i++)
	{
		int temp=i;
		if((temp&(temp>>1))==0)
		{
			use[++cnt]=temp;
			while(temp){num[cnt]++;temp-=(temp&(-temp));}
		}
	}
	for(int i=1;i<=cnt;i++)dp[1][num[i]][i]=1;
	can[1][++can[1][0]]=1;
	for(int i=1;i<=cnt;i++)
	for(int j=i+1;j<=cnt;j++)
	{
		if(judge(use[i],use[j]))
		{
			can[i][++can[i][0]]=j;
			can[j][++can[j][0]]=i;
		}
	}
}

int main() 
{
	n=read();m=read();initial();
	for(int i=2;i<=n;i++)
	for(int j=0;j<=m;j++)
	for(int k=1;k<=cnt;k++)
		for(int t=1;t<=can[k][0];t++)if(j>=num[k])
		dp[i][j][k]+=dp[i-1][j-num[k]][can[k][t]];
	for(int j=1;j<=cnt;j++)ans+=dp[n][m][j];
	printf("%lld\n",ans);
}


资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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