洛谷 P1379 八数码难题

题目描述

在3×3的棋盘上,摆有八个棋子,每个棋子上标有1至8的某一数字。棋盘中留有一个空格,空格用0来表示。空格周围的棋子可以移到空格中。要求解的问题是:给出一种初始布局(初始状态)和目标布局(为了使题目简单,设目标状态为123804765),找到一种最少步骤的移动方法,实现从初始布局到目标布局的转变。

输入输出格式

输入格式:

 

输入初始状态,一行九个数字,空格用0表示

 

输出格式:

 

只有一行,该行只有一个数字,表示从初始状态到目标状态需要的最少移动次数(测试数据中无特殊无法到达目标状态数据)

 

输入输出样例

输入样例#1:

283104765

输出样例#1:

4

一道非常经典的搜索题

通常在面对打暴力搜索题时,我们通常要面对一个问题:

DFS还是BFS?

有些题目,DFS和BFS区别不大,而且DFS在代码上更加简单明了,合理运用DFS可以取得更好的效果。

但是如果我们需要求出最短方案,最短路径时(不是图论求最短路!!!)。

如果运用DFS,我们每次要沿着一条路径搜到边界才会返回,并且我们不知道哪条路才是最短的。

所以要跑完所有路径才能得到最佳方案。这显然既耗时间又容易爆栈。

那么,有没有什么方法能让我们更好的求出最佳方案呢?

当然有啦!(LEX发电语气)

用BFS,我们能枚举出从原点开始,每一次操作所能达到的结果,如果是求最佳方案或者最短路径的话,

那么第一次搜到这个点时,此时的方案数就是最优的!(某些题目如洛谷的P3956这种除外)

 

让我们回到这道题,显然是用BFS。

但是让人苦恼的是如何判重。

我在这里用了一种很笨的方法——STL——MAP。

将棋盘上的数排成一个字符串,再用MAP将字符串映射成数字(当然也需要用数字来映射成字符串),用来做BFS。

至于棋盘的变换依旧在字符串上操作,只需要一些简单的判定就能完成。

令人尴尬的是由于STL+搜索,程序会变得很慢,开个O2勉强可以接受。

#include<cstdio>
#include<iostream>
#include<cstring>
#include<map>
using namespace std;
#define DEBUG 0
string s,end="123804765";//"end"是终止条件
map<string,int>m;
map<int,string>n;//用MAP构造两个映射
int tot=0,pos;//"pos"表示字符串中'0'的位置。
void bfs()//广搜
{
    int head=1,tail=1;
    int q[1000001][2];
    q[head][0]=1;
    q[head][1]=0;//设置初始状态
    while(head<=tail)
    {	
        string str=n[q[head][0]];
        for(int j=0;j<9;j++)//找到'0'的位置
        if(str[j]=='0')
        {
            pos=j;
            break;
        }	
        string st;
        for(int i=1;i<=4;i++)//4种方向改变'0'的位置
        {
            st=str;
            if(st==end)
            {
                cout<<q[head][1]+1;
                return ;
            }
            if(i==1&&pos>=3)//判断'0'是否能向上移
            {
                swap(st[pos],st[pos-3]);
                if(st==end)
                {
                    cout<<q[head][1]+1;
                    return ;
                }
                else if(!m.count(st))//判重
                {
                    if(DEBUG) cout<<st<<' '<<pos<<endl;
                    m[st]=++tot;
                    n[tot]=st;
                    q[++tail][0]=tot;
                    q[tail][1]=q[head][1]+1;
                }
            }
            else if(i==2&&(pos%3)>=1)//判断'0'是否能向左移
            {
                swap(st[pos],st[pos-1]);
                if(st==end)
                {
                    cout<<q[head][1]+1;
                    return ;
                }
                else if(!m.count(st))
                {
                    if(DEBUG) cout<<st<<' '<<pos<<endl;
                    m[st]=++tot;
                    n[tot]=st;
                    q[++tail][0]=tot;
                    q[tail][1]=q[head][1]+1;
                }
            }
            else if(i==3&&(pos%3)<2)//判断'0'是否能向右移
            {
                swap(st[pos],st[pos+1]);
                if(st==end)
                {
                    cout<<q[head][1]+1;
                    return ;
                }
                else if(!m.count(st))
                {
                    if(DEBUG) cout<<st<<' '<<pos<<endl;
                    m[st]=++tot;
                    n[tot]=st;
                    q[++tail][0]=tot;
                    q[tail][1]=q[head][1]+1;
                }
            }
            else if(i==4&&pos<6)//判断'0'是否能向下移
            {
                swap(st[pos],st[pos+3]);
                if(st==end)
                {
                    cout<<q[head][1]+1;
                    return ;
                }
                else if(!m.count(st))
                {
                    if(DEBUG) cout<<st<<' '<<pos<<endl;
                    m[st]=++tot;
                    n[tot]=st;
                    q[++tail][0]=tot;
                    q[tail][1]=q[head][1]+1;
                }
            }
        }
        head++;
    }
}
int main()
{
    cin>>s;
    if(s==end)//特判一下
    {
        puts("0");
        return 0;
    }
    m[s]=++tot;
    n[tot]=s;
    bfs();	
    return 0;
}

 

### 关于动态规划 (Dynamic Programming, DP) 的解决方案 在解决洛谷平台上的编程问题时,尤其是涉及动态规划的题目,可以采用以下方法来构建解决方案: #### 动态规划的核心思想 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法。其核心在于存储重复计算的结果以减少冗余运算。通常情况下,动态规划适用于具有重叠子问题和最优子结构性质的问题。 对于动态规划问题,常见的思路包括定义状态、转移方程以及边界条件的设计[^1]。 --- #### 题目分析与实现案例 ##### **P1421 小玉买文具** 此题是一个典型的简单模拟问题,可以通过循环结构轻松完成。以下是该问题的一个可能实现方式: ```cpp #include <iostream> using namespace std; int main() { int n; cin >> n; // 输入购买数量n double p, m, c; cin >> p >> m >> c; // 输入单价p,总金额m,优惠券c // 计算总价并判断是否满足条件 if ((double)n * p <= m && (double)(n - 1) * p >= c) { cout << "Yes"; } else { cout << "No"; } return 0; } ``` 上述代码实现了基本逻辑:先读取输入数据,再根据给定约束条件进行验证,并输出最终结果[^2]。 --- ##### **UOJ104 序列分割** 这是一道经典的区间动态规划问题。我们需要设计一个二维数组 `f[i][j]` 表示前 i 次操作后得到的最大价值,其中 j 是最后一次切割的位置。具体实现如下所示: ```cpp #include <bits/stdc++.h> using namespace std; const int MAXN = 5e3 + 5; long long f[MAXN], sumv[MAXN]; int a[MAXN]; int main(){ ios::sync_with_stdio(false); cin.tie(0); int n,k; cin>>n>>k; for(int i=1;i<=n;i++)cin>>a[i]; for(int i=1;i<=n;i++)sumv[i]=sumv[i-1]+a[i]; memset(f,-0x3f,sizeof(f)); f[0]=0; for(int t=1;t<=k;t++){ vector<long long> g(n+1,LLONG_MIN); for(int l=t;l<=n;l++)g[l]=max(g[l-1],f[t-1][l-1]); for(int r=t;r<=n;r++)f[r]=max(f[r],g[r]+sumv[r]*t); } cout<<f[n]<<'\n'; return 0; } ``` 这段程序利用了滚动数组优化空间复杂度,同时保持时间效率不变[^3]。 --- ##### **其他常见问题** 针对更复杂的路径覆盖类问题(如 PXXXX),我们往往需要结合一维或多维动态规划模型加以处理。例如,在某些场景下,我们可以设定 dp 数组记录到达某一点所需最小代价或者最大收益等指标[^4]。 --- ### 总结 以上展示了如何运用动态规划技巧去应对不同类型的算法挑战。无论是基础还是高级应用场合,合理选取合适的数据结构配合清晰的状态转换关系都是成功解决问题的关键所在。
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