2011年福州赛区A题 Xiangqi 模拟题

本文介绍了一种用于判断象棋游戏中红方是否已将死黑方的算法。通过模拟黑方将的所有可能走法,并检查每一步是否仍处于被攻击状态来实现。文章提供了详细的算法思路及参考代码。

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

题目大意:

开始的一段是介绍象棋的,不用看。题目的意思是给出一个棋盘局势,判断红方是否将死了黑方。黑方只有一个将,红方有帅、车、马、炮。

算法实现:

比较简单的模拟题,枚举黑方的将能走的位置,如果这些位置都被将军,则黑方已经被将死,否则没有。判断是否被将军的话,可以从黑方的将开始,往上、下、左、右四个方向搜索,看看是否有车或者帅直接面对它,如果没有,再隔一个棋子判断是否有炮。注意,如果隔了多个棋子炮是不能打到将的。最后再判断8个位置的马,注意蹩马腿。

参考代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#define cl(xx,yy) memset((xx),(yy),sizeof((xx)))
using namespace std;

char mat[15][15];

bool solve(int x,int y)
{
    bool flag=0;
    for(int i=x+1;i<=10;i++)
        if(mat[i][y])
        {
            if(!flag)
            {
                if(mat[i][y]=='H'||mat[i][y]=='C')
                    flag=1;
                else
                    return 1;
            }
            else
            {
                if(mat[i][y]=='C')
                    return 1;
                else
                    break;
            }
        }
    flag=0;
    for(int i=x-1;i>=1;i--)
        if(mat[i][y])
        {
            if(!flag)
            {
                if(mat[i][y]=='H'||mat[i][y]=='C')
                    flag=1;
                else
                    return 1;
            }
            else
            {
                if(mat[i][y]=='C')
                    return 1;
                else
                    break;
            }
        }
    flag=0;
    for(int i=y+1;i<=10;i++)
        if(mat[x][i])
        {
            if(!flag)
            {
                if(mat[x][i]=='H'||mat[x][i]=='C')
                    flag=1;
                else
                    return 1;
            }
            else
            {
                if(mat[x][i]=='C')
                    return 1;
                else
                    break;
            }
        }
    flag=0;
    for(int i=y-1;i>=1;i--)
        if(mat[x][i])
        {
            if(!flag)
            {
                if(mat[x][i]=='H'||mat[x][i]=='C')
                    flag=1;
                else
                    return 1;
            }
            else
            {
                if(mat[x][i]=='C')
                    return 1;
                else
                    break;
            }
        }
    int a[8][2]={-1,-2,-2,-1,-2,1,-1,2,1,2,2,1,2,-1,1,-2};
    int b[8][2]={-1,-1,-1,-1,-1,1,-1,1,1,1,1,1,1,-1,1,-1};
    for(int i=0;i<8;i++)
    {
        int hx=x+a[i][0],hy=y+a[i][1];
        int fx=x+b[i][0],fy=y+b[i][1];
        if(hx>=1&&hx<=10&&hy>=1&&hy<=10&&mat[hx][hy]=='H'&&!mat[fx][fy])
            return 1;
    }
    return 0;
}
int main()
{
    int N,x,y;
    while(~scanf("%d%d%d",&N,&x,&y))
    {
        if(N==0&&x==0&&y==0)
            break;
        cl(mat,0);
        for(int i=1;i<=N;i++)
        {
            char s[5];
            int t1,t2;
            scanf("%s%d%d",s,&t1,&t2);
            mat[t1][t2]=s[0];
        }
        int dir[4][2]={1,0,-1,0,0,1,0,-1};
        bool flag=1;
        for(int i=0;i<4;i++)
        {
            int nextx=x+dir[i][0],nexty=y+dir[i][1];
            if(nextx>=1&&nextx<=3&&nexty>=4&&nexty<=6)
            {
                if(!solve(nextx,nexty))
                {
                    flag=0;
                    break;
                }
            }
        }
        if(flag)
            printf("YES\n");
        else
            printf("NO\n");
    }
    return 0;
}
基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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