[luogu P2324] [SCOI2005]骑士精神

本文深入解析IDA*搜索算法原理及其在骑士精神问题中的应用,通过对比A*算法,阐述IDA*算法的简洁性和高效性。特别针对状态空间大但预期步数有限的问题,IDA*算法展现出其独特优势。

[luogu P2324] [SCOI2005]骑士精神

 

题目描述

 

 

输入输出格式

输入格式:

 

第一行有一个正整数T(T<=10),表示一共有N组数据。接下来有T个5×5的矩阵,0表示白色骑士,1表示黑色骑士,*表示空位。两组数据之间没有空行。

输出格式:

 

对于每组数据都输出一行。如果能在15步以内(包括15步)到达目标状态,则输出步数,否则输出-1。

 

输入输出样例

 

输入样例#1:
2
10110
01*11
10111
01001
00000
01011
110*1
01110
01010
00100
输出样例#1:
7
-1

 

说明

 

 

看了一下ida*,发现真的比a*简单多了。。ida*无非就是设定一个预期步数,然后运用a*的思想,即——

如果当期实际步数+估计剩余步数>预期步数,则return。显然,估计剩余步数一定不超过实际剩余步数,否则会漏掉最优解。

对于这题来说,估计剩余步数可以采取错位数-1。

错位数即每一个位置上与目标不一致的数量,减一是因为可能在最后用1步能减掉2个错位数,毕竟估价函数越小,可能效率越低,但是至少错误率下降了,对与这题,错误率就为0了。

那什么题目适合ida*呢?当预期步数不大,但是每一层状态数很多时,就适合ida*,毕竟这时bfs已经不适用了。

code:

 1 %:pragma GCC optimize(4)
 2 #include<bits/stdc++.h>
 3 #define swap(x,y) ((x)^=(y)^=(x)^=(y))
 4 using namespace std;
 5 const int aim[5][5]={{2,2,2,2,2},{1,2,2,2,2},{1,1,0,2,2},{1,1,1,1,2},{1,1,1,1,1}};
 6 const int fl[8][2]={{1,2},{2,1},{-1,2},{-2,1},{1,-2},{2,-1},{-1,-2},{-2,-1}};
 7 int n,s,rea,a[10][10],ori[10][10],dis[10][10];
 8 inline int get() {
 9     int ret=0;
10     for (int i=1; i<=n; i++)
11         for (int j=1; j<=n; j++)
12             ret+=(a[i][j]!=aim[i-1][j-1]);
13     return ret;
14 }
15 inline void idastar(int d,int x,int y) {
16     if (rea<=15) return; int c=get();
17     if (c==0) {rea=d; return;}
18     if (d+c-1>s) return;
19     for (int i=0; i<8; i++) {
20         int xx=x+fl[i][0],yy=y+fl[i][1];
21         if (xx<1||xx>n||yy<1||yy>n) continue;
22         swap(a[x][y],a[xx][yy]);
23         idastar(d+1,xx,yy);
24         if (rea<=15) return;
25         swap(a[x][y],a[xx][yy]);
26     }
27 }
28 int main() {
29     int T,sx,sy; char c[10];
30     scanf("%d",&T),n=5;
31     for (; T; T--) {
32         rea=16;
33         for (int i=1; i<=n; i++) {
34             scanf("%s",c+1);
35             for (int j=1; j<=n; j++)
36                 ori[i][j]=(c[j]=='*')?0:c[j]-'0'+1;
37         }
38         for (int i=1; i<=n; i++)
39             for (int j=1; j<=5; j++)
40                 if (ori[i][j]==0) {sx=i,sy=j; break;}
41         for (s=1; s<=15; s++) {
42             memcpy(a,ori,sizeof a);
43             idastar(0,sx,sy);
44             if (rea<=15) break;
45         }
46         if (rea>15) puts("-1"); else printf("%d\n",rea);
47     }
48     return 0;
49 }
View Code

 

转载于:https://www.cnblogs.com/whc200305/p/7593180.html

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
【硕士论文复现】可再生能源发电与电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电与电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型与算法,探讨可再生能源(如风电、光伏)与大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码与仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网与智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现和验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发与仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论与实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑与优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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