[BZOJ1054][HAOI2008]移动玩具

本文介绍了一种使用裸BFS解决水题的方法,并提供了AC代码。通过改变状态转移矩阵和搜索过程,实现高效的求解。

原题地址

水题.裸BFS.

AC code:

#include <cstdio>
#include <queue>
using namespace std;
int mx[5]={0,0,0,-1,1},my[5]={0,-1,1,0,0};
int a[5][5],b[5][5];
bool app[1<<17];

int getkey(int x[5][5]){
    int k=0;
    for(int i=1;i<=4;i++)
        for(int j=1;j<=4;j++)
            k=(k<<1)|x[i][j];
    return k;
}

struct Sta{
    int step;
    int x[5][5];

    Sta(int y[5][5],int s){
        for(int i=1;i<=4;i++)
            for(int j=1;j<=4;j++)
                x[i][j]=y[i][j];
        step=s;
    }
};

void BFS(){
    queue<Sta> Q;
    app[getkey(a)]=1;
    Q.push(Sta(a,0));
    while(!Q.empty()){
        Sta x=Q.front();Q.pop();
        if(getkey(x.x)==getkey(b)){
            printf("%d\n",x.step);
            return ;
        }
        for(int i=1;i<=4;i++){
            for(int j=1;j<=4;j++){
                if(!x.x[i][j]) continue;
                Sta y=x;
                y.x[i][j]=0;
                for(int k=1;k<=4;k++){
                    int xx=i+mx[k],yy=j+my[k];
                    if(xx<1||xx>4||yy<1||yy>4||y.x[xx][yy]) continue;
                    y.x[xx][yy]=1;
                    if(app[getkey(y.x)]){
                        y.x[xx][yy]=0;
                        continue;
                    }
                    app[getkey(y.x)]=1;
                    Q.push(Sta(y.x,y.step+1));
                    y.x[xx][yy]=0;
                }
            }
        }
    }
}

int main(){
    for(int i=1;i<=4;i++){
        for(int j=1;j<=4;j++){
            char c;
            scanf("%c",&c);
            a[i][j]=c-'0';
        }
        scanf("\n");
    }
    scanf("\n");
    for(int i=1;i<=4;i++){
        for(int j=1;j<=4;j++){
            char c;
            scanf("%c",&c);
            b[i][j]=c-'0';
        }
        scanf("\n");
    }
    BFS();

    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