bozj2669(容斥+状压dp)

本文探讨了一种针对二维网格中局部最小值计数的动态规划算法,详细介绍了状态转移方程及其背后的逻辑,适用于网格中最多8个局部最小值的情况。通过递归遍历和剪枝策略,有效地计算出所有可能的填充方案数。

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

一张图最多8个局部最小值。

dp[i][j]表示正在填从小到大第i个数,局部最小值所在的位置已被填的情况为j时的方案数

p[i] 为局部最小值所在的位置已被填的情况为j时,所有可以填数的位置数。(x为没被填的局部最小值,x的周围都不能填,如果填了x就不是局部最小值了!所以才会存在可以填数的位置数)

当i 不为局部最小值时 dp[i][j] += dp[i-1][j]*(p[i] - i + 1); 

当i 为局部最小值时,枚举i填的是状态j中的哪一个局部最小值 dp[i][j] += dp[i-1][j^(1<<(k-1))];

在第二种情况时,是局部最小值的点一定是局部最小值,不是局部最小值的点可能会变成局部最小值,需要剪掉多算的部分。

在dfs时容斥一下=、=

http://www.cto800.com/view/50553177130254010924.html(这个写的特别好)

#include<iostream>
#include<cstdio>
#include<cstring> 
using namespace std;
const int mod = 12345678;
int n, m, zl[15][2] = {{1,1},{1,0},{-1,0},{-1,-1},{0,-1},{0,1},{-1,1},{1,-1},{0,0}};
char chu[5][10];
int ans, p[260], f[50][260], zhan[10][8], vis[10][10];
int dp()
{
	memset(p,0,sizeof(p));
	memset(f,0,sizeof(f));
   int top = 0;
   for(int i = 1; i <= n; i++)
    for(int j = 1; j <= m; j++)
    {
    	if(chu[i][j] == 'X')
    	{
    		top++;
    		zhan[top][0] = i;
    		zhan[top][1] = j;
    	}
    }
   for(int k = 0; k < (1 << top); k++)
   {
   	memset(vis,0,sizeof(vis));
   	for(int j = 1; j <= top; j++)
   		if((k & (1 << (j - 1))) == 0) vis[zhan[j][0]][zhan[j][1]] = 1;
   	for(int i = 1; i <= n; i++)
   	 for(int j = 1; j <= m; j++)
   	 	for(int z = 0; z <= 9; z++)
   	 	{
   	 		if(z == 9){ p[k] ++; break;} 
   	 	   if(vis[i + zl[z][0]][j + zl[z][1]] == 1) break;
		}
   }
   f[0][0] = 1;
   for(int i = 1; i <= n * m; i++)
      for(int j = 0; j < (1 << top); j++)
      {
        f[i][j] = 1ll * f[i - 1][j] * max(0, p[j] - i + 1) % mod;
		for(int k = 1; k <= top; k++)
		{
		  if(j & 1 << (k-1)) f[i][j] = (f[i][j] + f[i-1][j^(1<<(k-1))]) % mod;
		} 
      }
   return f[n*m][(1<<top) - 1];
}
void dfs(int x, int y, int t)
{
	if(y == m+1) {
		dfs(x+1,1,t);	return ;
	}
	if(x == n+1) 
	{
		int ha = -1;
		if(t % 2 == 0) ha = 1;
		ans = (ans + 1ll * ha * dp() + mod) % mod;
		return ;
	}
   dfs(x, y+1, t);
   for(int i = 0; i <= 9; i++)
   {
   	if(i == 9)
   	{
   	chu[x][y] = 'X';
   	dfs(x,y+1,t+1);
   	chu[x][y] = '.';
   	break;
   	}
	if(chu[x + zl[i][0]][y + zl[i][1]] == 'X')
   	 break;
   }
}
int main()
{
	cin >> n >> m;
	for(int i = 1; i <= n; i++)
	 scanf("%s",chu[i]+1);
	for(int i = 1; i <= n; i++)
	 for(int j = 1; j <= m; j++)
	 {
	 	if(chu[i][j] == 'X') 
	 	for(int k = 0; k < 8; k++)
	     if(chu[i+zl[k][0]][j+zl[k][1]] == 'X')
	     {
	        printf("0");
			return 0; 
	     }
	 }
	dfs(1,1,0);
	cout << (ans + mod) %mod;
	return 0;
} 

 

EnMAP-Box是一款高效、便捷的遥感图像处理软件,其独特之处在于它是一个免安装的应用程序,用户可以直接运行而无需进行复杂的安装过程。这款工具主要用于处理和分析来自各种遥感传感器的数据,如EnMAP(环境多波段光谱成像仪)和其他同类设备获取的高光谱图像。EnMAP-Box的设计目标是为科研人员和实践工作者提供一个直观、易用的平台,以执行复杂的遥感数据处理任务。 在使用EnMAP-Box之前,一个关键的前提条件是需要有一个兼容的IDL(Interactive Data Language)环境。IDL是一种强大的编程语言,特别适用于科学数据的处理和可视化,尤其是在地球科学和遥感领域。它提供了丰富的库函数,支持对多维数组操作,这使得它成为处理遥感图像的理想选择。EnMAP-Box是基于IDL开发的,因此,用户在使用该软件之前需要确保已经正确配置了IDL环境。 EnMAP-Box的主要功能包括: 1. 数据导入:能够读取多种遥感数据格式,如ENVI、HDF、GeoTIFF等,方便用户将不同来源的遥感图像导入到软件中进行分析。 2. 预处理:提供辐射校正、大气校正、几何校正等功能,用于改善原始图像的质量,确保后续分析的准确性。 3. 分光分析:支持高光谱图像的光谱特征提取,如光谱指数计算、光谱端元分离等,有助于识别地物类型和监测环境变化。 4. 图像分类:通过监督或非监督方法进行图像分类,可以自动或半自动地将图像像素划分为不同的地物类别。 5. 时间序列分析:对于多时相遥感数据,EnMAP-Box能进行时间序列分析,揭示地表动态变化趋势。 6. 结果导出与可视化:处理后的结果可以导出为各种格式,同时软件内置了图像显示和地图投影功能,帮助用户直观地查看和理解处理结果。 7. 自定义脚本:利用IDL的强大功能,用户可以编写自定义脚本来实现特定的遥感处理需求,增强了软件的灵活性和可扩展性。 在使用EnMAP-Box的过程中,用户可能会遇到一些挑战,例如对IDL编程语言不熟悉,或者对遥感数据处理的基本概念和方法缺乏了解。这时,可以通过查阅软件自带的文档、教程,以及在线资源来提升技能。同时,积极参与相关的学习社区和论坛,与其他用户交流经验,可以帮助解决遇到的问题。 EnMAP-Box作为一款基于IDL的遥感图像处理工具,为遥感数据分析提供了便利,但需要用户具备一定的IDL基础和遥感知识。通过熟练掌握EnMAP-Box,用户可以高效地处理和解析遥感数据,揭示地表信息,为环境保护、资源管理等领域提供科学支持。
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