hdu 1281 棋盘游戏 (最大匹配,重要点)

本文探讨了一个类似于八皇后问题的变种问题,即在一个棋盘上放置车,要求同行或同列不能有多于一个车的情况,并通过最大匹配算法找出所有重要点。重要点是指如果该位置不放置车,则可能导致最多能放置的车的数量减少的位置。

题意:

有一个棋盘,现在要现在要在上面放车,单同行或同列不能有1个以上的车,类似八皇后问题。现在问有几个重要点,重要点:假设车不放这个点会导致最多能放的车数量表少。

题解:

先得出最大匹配,然后暴力枚举删除的点,判断删除后最大匹配是否改变,是说明是重要点。

#include<iostream>
#include<math.h>
#include<stdio.h>
#include<algorithm>
#include<string.h>
#include<vector>
#include<queue>
#include<map>
#include<set>
#define B(x) (1<<(x))
using namespace std;
typedef long long ll;
void cmax(int& a,int b){ if(b>a)a=b; }
void cmin(int& a,int b){ if(b<a)a=b; }
void cmax(ll& a,ll b){ if(b>a)a=b; }
void cmin(ll& a,ll b){ if(b<a)a=b; }
void add(int& a,int b,int mod){ a=(a+b)%mod; }
void add(ll& a,ll b,ll mod){ a=(a+b)%mod; }
const int oo=0x3f3f3f3f;
const int MOD=1000000007;
const int maxn=105;
int n,m;
int g[maxn][maxn],vis[maxn],mat[maxn];

int dfs(int u){
    for(int i=1;i<=m;i++){
        if(g[u][i]&&!vis[i]){
            vis[i]=1;
            if(mat[i]==-1||dfs(mat[i])){
                mat[i]=u;
                return 1;
            }
        }
    }
    return 0;
}

int Match(){
    memset(mat,-1,sizeof mat);
    int ans=0;
    for(int i=1;i<=n;i++){
        memset(vis,0,sizeof vis);
        ans+=dfs(i);
    }
    return ans;
}

int main(){
    //freopen("E:\\read.txt","r",stdin);
    int u,v,k,cas=1;
    while(scanf("%d %d %d",&n,&m,&k)!=EOF){
        memset(g,0,sizeof g);
        while(k--){
            scanf("%d %d",&u,&v);
            g[u][v]=1;
        }
        int res=Match();
        int cnt=0;
        for(int i=1;i<=n;i++){
            for(int j=1;j<=m;j++)if(g[i][j]){
                g[i][j]=0;
                if(Match()!=res)
                    cnt++;
                g[i][j]=1;
            }
        }
        printf("Board %d have %d important blanks for %d chessmen.\n",cas++,cnt,res);
    }
    return 0;
}



内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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