搜索_LGP1219八皇后

本文介绍了一种解决八皇后问题的有效算法,通过搜索方法找出所有可能的棋子放置方案,并确保每行、每列及对角线上棋子不冲突。文章提供了一个具体的编程实现案例,演示如何利用递归和回溯技巧找到所有符合条件的解。

搜索_LGP1219八皇后

题目

题目描述

检查一个如下的6 x 6的跳棋棋盘,有六个棋子被放置在棋盘上,使得每行、每列只有一个,每条对角线(包括两条主对角线的所有平行线)上至多有一个棋子。
列号  1  2  3  4  5  6

1 |  | O |  |  |  |  |

2 |  |  |  | O |  |  |

3 |  |  |  |  |  | O |

4 | O |  |  |  |  |  |

5 |  |  | O |  |  |  |

6 |  |  |  |  | O |  |

上面的布局可以用序列2 4 6 1 3 5来描述,第i个数字表示在第i行的相应位置有一个棋子,如下: 行号 1 2 3 4 5 6 列号 2 4 6 1 3 5 这只是跳棋放置的一个解。
请编一个程序找出所有跳棋放置的解。并把它们以上面的序列方法输出。解按字典顺序排列。请输出前3个解。最后一行是解的总个数。
特别注意: 对于更大的N(棋盘大小N x N)你的程序应当改进得更有效。不要事先计算出所有解然后只输出

输入格式

一个数字N (6 <= N <= 13) 表示棋盘是N x N大小的。

输出格式

前三行为前三个解,每个解的两个数字之间用一个空格隔开。第四行只有一个数字,表示解的总数。

样例输入

6

样例输出

2 4 6 1 3 5
3 6 2 5 1 4
4 1 5 2 6 3
4

解题

2019-07-20 17:16:54

解题思路

  1. 常规的搜索题的思路:找规则,按照规则搜索答案
    本题和之前的一道"棋盘"的题目很像,搜索思路和它是一样的.只是与之相比本体多了斜线上不能有棋子的要求
  2. 要善于观察规律.可以发现,本题搜索出的答案是对称的.从上下左右四个方向看去答案是一样的,也就是说对于同一种情况,有四种答案.从而就没必要担心输出的这个问题.只要在你选的方向上搜索是从小到大进行的, 那么直接从你选定的方向按顺序输出就可以了.
  3. 对于负数的处理:可以加上一个够大的常数使之成为整数(但要确保唯一性)
一种处理的不是很好的代码如下:

这段代码的缺点就在于
在输出时没有使用对称的思想

  1. 是通过建立一个结构体Ans和一个优先队列pq
  2. 自定义比较和排序规律
  3. 输出队列的前三个答案
#include <iostream>
#include <stack>
#include <map>
#include <queue>
#include <string>
using namespace std;
int map_rank[100], map_ita[100];
int map_rita[200];
int n;
typedef long long ll;

int G[20][20];
int ans[100][100];
struct Ans{
    int arr[50];
    friend bool operator>(Ans a1, Ans a2)
    {
        int i = 1;
        while(a1.arr[i] == a2.arr[i]) i++;
        return a1.arr[i] > a2.arr[i];
    }
};
priority_queue<Ans, vector<Ans>,greater<Ans> >pq;
bool isOk(int x, int y)
{
    if(map_rank[y]) return false;
    if(map_ita[x + y])return false;
    if(map_rita[x - y + 50]) return false;
    return true;
}
void resolve(int x, int y)
{
    map_rita[x - y + 50] = map_ita[x + y]=map_rank[y] = 0;
    G[y][x] = 0;
}
void solve(int x, int y)
{
    map_rita[x - y + 50] = map_ita[x + y]=map_rank[y] = 1;

}
int N;
void dfs(int x, int y)
{
    G[y][x] = 1;
    if(x == n)
    {
        N++;
        Ans t;
        for(int i = 1; i <= n; i++)
        {
            for(int j = 1; j <= n; j++)
            {
                if(G[i][j]) {
                    t.arr[i] = j;
                }
            }
        }
        pq.push(t);
        return;
    }
    solve(x, y);
    for(int i = 1; i <= n; i++)
    {
        if(!isOk(x + 1, i))continue;
        dfs(x + 1, i);
        resolve(x + 1, i);
    }
}

int main()
{
    cin >> n;
    for(int i = 1; i <= n; i++)
    {
        G[i][1] = 1;
        if(!isOk(2, i))continue;
        solve(1, i);
        dfs(1, i);
        resolve(1, i);
    }
   int ans2 = pq.size();
    for(int i = 1; i <= 3; i++)
    {
        for(int j = 1; j <= n; j++)
        {
            cout << pq.top().arr[j] << " ";
        }
        cout << endl;
        pq.pop();
    }
    cout << ans2 << endl;
    return 0;
}
内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
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