八数码

法一:广搜 + stl 实现

#include<stdio.h>
#include<set>
#include<iostream>
#include<string.h>
using namespace std;

typedef int State[9];
const int MAXSTATE = 1000000;
State st[MAXSTATE], goal ; 
int dist[MAXSTATE];

set<int>vis;
void init_lookup_table(){ vis.clear();}
int try_to_insert(int s){
	int v=0;
	for(int i = 0 ;i < 9 ; i ++ )v = v*10 + st[s][i];
	if(vis.count(v))return 0;
	vis.insert(v);
	return 1;
}

const int dx[] = {-1,1,0,0};
const int dy[] = {0,0,-1,1};
int bfs()
{
	init_lookup_table();
	int front = 1 , rear = 2 ;
	while(front<rear)
	{
		State& s = st[front];
		if(memcmp(goal,s,sizeof(s))==0)return front ;
		int z ;
		for(z = 0 ; z < 9 ; z++)if(!s[z])break;
		int x = z / 3 ,y = z%3;
		for(int i = 0 ; i< 4 ;i++)
		{
			int newx = x + dx[i];
			int newy = y + dy[i];
			int newz = newx*3+newy;
			if(newx<3 && newy<3 && newx>=0 && newy>=0)
			{
				State& t = st[rear];
				memcpy(&t,&s,sizeof(s));
				t[z] = s[newz] ;
    			t[newz] = s[z];
	    		dist[rear] = dist[front]+1;
		    	if(try_to_insert(rear))rear++;
			}
		}
		front++;
	}
	return 0;
}
int main()
{
	for(int i = 0 ; i<9 ; i++ )cin>>st[1][i];
	for(int i = 0 ; i<9 ; i++ )cin>>goal[i];
	int ans = bfs();
	if(ans>0)cout<<dist[ans]<<endl;
	else cout<<"-1"<<endl;
	return 0;
}


法二:bfs + 编码解码(康托展开)

int vis[36288],fact[9] ;

void init_lookup_table()
{
    fact[0]=1;
    for(int i = 0 ; i < 9 ; i++)fact[i] = fact[i-1]*i;
}

int try_to_insert(int s)
{
    int code = 0;
    for(int i = 0 ; i < 9 ; i++)
    {
        int cnt = 0;
        for(int j = 0 ; j < 9 ; j++)if(st[s][j]<st[s][i])cnt++;
        code+=fact[8-i]*cnt;
    }
    if(vis[code])return 0;
    return vis[code] = 1;
}


法三:bfs + 哈希

法四:双向bfs

法五:A*

法六:IDA*



内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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