HDU1495 非常可乐(看不懂你打我)

本文介绍了一道经典的广度搜索(BFS)算法题——如何通过两个不同容量的杯子将一瓶可乐平均分成两份。文章详细解析了解题思路,包括定义结构体存储杯子状态、使用队列进行广度优先搜索、标记已访问状态以及判断平分条件。通过实例代码展示了算法的具体实现。

http://acm.hdu.edu.cn/showproblem.php?pid=1495

大家一定觉的运动以后喝可乐是一件很惬意的事情,但是seeyou却不这么认为。因为每次当seeyou买了可乐以后,阿牛就要求和seeyou一起分享这一瓶可乐,而且一定要喝的和seeyou一样多。但seeyou的手中只有两个杯子,它们的容量分别是N 毫升和M 毫升 可乐的体积为S (S<101)毫升 (正好装满一瓶) ,它们三个之间可以相互倒可乐 (都是没有刻度的,且 S==N+M,101>S>0,N>0,M>0) 。聪明的ACMER你们说他们能平分吗?如果能请输出倒可乐的最少的次数,如果不能输出"NO"。

Input

三个整数 : S 可乐的体积 , N 和 M是两个杯子的容量,以"0 0 0"结束。

Output

如果能平分的话请输出最少要倒的次数,否则输出"NO"。

 

题目大意是一开始有一个杯子s是满的,还有两个空杯子m,n。s=m+n。三个杯子互相倒水,看是否能有一个杯子的水量变成s杯初始时的1/2。

讲一下思路,这是一道普通的广搜题

1.倒水过程一共有六种操作,用s->m表示s杯给m杯倒水,六种操作分别是s->m  s->n  m->s  m->n  n->s  n->m,显而易见就是三个杯子互相倒水。

2.结构体中存三个杯子当前的水量和步数,每次把队列头取出来依次执行上面的六种操作,在根据条件选择是否入队

struct volume{
	int s1,m1,n1;
	int step;
};

3.还有一个问题就是如何标记走过的路程,我用一个三维数组 vis[101][101][101],表示的意义是vis[s杯水量][m杯水量][n杯水量]。其实还有一个更好的方法,开二维vis[101][101],因为s==m+n,所以二维就可以表示所有情况了。

ps:我开三维标记的并未超时,我看有些人开三维就超时了,可能是我的程序其他地方用时较少。

4.倒水的时候有一个杯子到达1/2水量就可以了,判断剩下两个如果全有水则输出步数+1,否则正常输出。

#include <stdio.h>
#include <queue>
#include <algorithm>
#include <string.h>
using namespace std;
int s,m,n,s1=0,m1=0,n1=0,vis[101][101][101];
struct volume{
	int s1,m1,n1;
	int step;
}; 
queue<volume>q; //队列里放三个杯子现在的容量
void bfs(int a,int b,int c){
	volume now,nex;
	now.s1=a;
	now.m1=b;
	now.n1=c;
	now.step=0;
	q.push(now);
	while(!q.empty()){
		now=q.front();
		q.pop();
		if(now.m1==(s/2)||now.n1==(s/2)||now.s1==(s/2)){
			if(now.m1!=0&&now.n1!=0&&now.s1!=0){
				printf("%d\n",now.step+1);
			}else{
				printf("%d\n",now.step);
			}
			return;
		}
		for(int i=1;i<=6;i++){
			switch(i){  
				case 1:  //s1->m1
					if(now.s1!=0&&now.m1!=m){  
						if(now.s1+now.m1<=m){
							nex.m1=now.m1+now.s1;
							nex.s1=0;
						}else{
							nex.m1=m;
							nex.s1=now.s1-(m-now.m1);
						}
						nex.n1=now.n1;
					}
					break;
				case 2: //s1->n1
					if(now.s1!=0&&now.n1!=n){
						if(now.s1+now.n1<=n){
							nex.n1=now.n1+now.s1;
							nex.s1=0;
						}else{
							nex.n1=n;
							nex.s1=now.s1-(n-now.n1);
						}
						nex.m1=now.m1;
					}
					break;
				case 3:  //m1->n1
					if(now.m1!=0&&now.n1!=n){
						if(now.m1+now.n1<=n){
							nex.n1=now.n1+now.m1;
							nex.m1=0;
						}else{
							nex.n1=n;
							nex.m1=now.m1-(n-now.n1);
						}
						nex.s1=now.s1;
					}
					break;
				case 4:  //m1->s1
					if(now.m1!=0&&now.s1!=s){
						if(now.m1+now.s1<=s){
							nex.s1=now.s1+now.m1;
							nex.m1=0;
						}else{
							nex.s1=s;
							nex.m1=now.m1-(s-now.s1);
						}
						nex.n1=now.n1;
					}
					break;
				case 5:  //n1->s1
					if(now.n1!=0&&now.s1!=s){
						if(now.n1+now.s1<=s){
							nex.s1=now.s1+now.n1;
							nex.n1=0;
						}else{
							nex.s1=s;
							nex.n1=now.n1-(s-now.s1);
						}
						nex.m1=now.m1;
					}
					break;
				case 6:  //n1->m1
					if(now.n1!=0&&now.m1!=m){  
						if(now.n1+now.m1<=m){
							nex.m1=now.m1+now.n1;
							nex.n1=0;
						}else{
							nex.m1=m;
							nex.n1=now.n1-(m-now.m1);
						}
						nex.s1=now.s1;
					}
					break;	
			}
			if(vis[nex.s1][nex.m1][nex.n1]==0){
				vis[nex.s1][nex.m1][nex.n1]=1;
				nex.step=now.step+1;
				q.push(nex);
			}
		}
	}
	printf("NO\n");
} 
int main(){
	while(scanf("%d%d%d",&s,&m,&n)!=EOF){
		if(s==0&&m==0&&n==0) return 0;
		while(!q.empty()) q.pop();
		memset(vis,0,sizeof(vis));
		if(s&1){
			printf("NO\n");
			continue;
		}
		s1=s; m1=n1=0;
		vis[s1][0][0]=1;
		bfs(s1,m1,n1);
	}
	return 0;
}

 

 

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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