POJ 3126 Prime Path

本文介绍了一种算法,用于解决两个四位素数之间的最短变换路径问题。通过BFS算法和预处理素数表,实现了从一个素数到另一个素数的最小变换次数计算。

题目:http://poj.org/problem?id=3126

输入两个四位数m和n,m,n一定为素数,现要将m转换为n,每次只许改变一位数字,且每次改变后该数字也要是素数,输出从m变换到n,最少需要变换多少次。

#include<iostream>
#include<algorithm>
#include<cstring>
#include<string>
#include<cstdio>
#include<queue>
#define pii pair<int, int>
using namespace std;
const int INF = 0x3f3f3f3f;
const int MAXN = 1e5;
bool prime[MAXN + 1];
int vis[MAXN + 1];
void prim()  // 找出 MAXN 以内的素数
{
    memset(prime, true, sizeof(prime));
    prime[0] = prime[1] = false;
    for(int i = 2; i <= MAXN; i++)
    {
        if(prime[i])
        {
            for(int j = 2 * i; j <= MAXN; j += i)
            {
                prime[j] = false;
            }
        }
    }
}
int bfs(int m, int n)
{
    queue<pii> q;
    vis[m] = 1;
    q.push(pii(m, 0));

    while(!q.empty())
    {
        pii tmp = q.front(); q.pop();
        int num = tmp.first;
        if(num == n) return tmp.second;

        int a[4];
        for(int i = 3; num; i--)
        {
            a[i] = num % 10;
            num /= 10;
        }


        for(int i = 0; i < 4; i++) // 修改第i位上的数字
        {
            for(int j = 0; j <= 9; j++)
            {
                int t;
                if(i == 0)
                    t = 1000 * j + 100 * a[1] + 10 * a[2] + a[3];
                else if(i == 1)
                    t = 1000 * a[0] + 100 * j + 10 * a[2] + a[3];
                else if(i == 2)
                    t = 1000 * a[0] + 100 * a[1] + 10 * j + a[3];
                else
                    t = 1000 * a[0] + 100 * a[1] + 10 * a[2] + j;

                if(!vis[t] && prime[t])  // 得到的数字之前没有出现过且它是素数
                {
                    vis[t] = 1;
                    q.push(pii(t, tmp.second + 1));
                }
            }
        }
    }
}
int main()
{
    int T, m, n;
    prim();

    cin >> T;
    while(T--)
    {
        memset(vis, 0, sizeof(vis));
        for(int i = 0; i < 1000; i++) vis[i] = 1;
        cin >> m >> n;
        cout << bfs(m, n) << endl;
    }
    return 0;
}
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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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