codeforces 129C - Statues 图论 DFS

本文探讨了在棋盘上实现走棋策略,其中M角色可以在棋盘上移动,目标是避免与S角色相遇。通过使用DFS深度优先搜索算法,并结合两个剪枝条件来优化解决方案,确保在有限时间内找到最优路径。

题意:就是走棋。棋盘中有S,M,A,M可以静止或者向四面八方走,但不可以与S相遇,S每一次往下走一步,直接暴力模拟即可。记得这里有两个剪枝,一个是走了超过8秒,还有一个是i<=t

int dx[]={0,0,0,1,1,1,-1,-1,-1},dy[]={-1,0,1,-1,0,1,-1,0,1};
const int LMT=8;
int tag;
char gra[LMT][LMT];
void dfs(int i,int j,int t)
{
    if(tag||t>=LMT||i<=t)
    {
        tag=1;
        return;
    }
    int ii,jj;
    for(int x=0;x<9;x++)
    {
        ii=i+dx[x];jj=j+dy[x];
        if(ii>=0&&ii<LMT&&jj>=0&&jj<LMT)
        {
            if(gra[ii-t][jj]!='S'&&(ii<=t||gra[ii-1-t][jj]!='S'))
            dfs(ii,jj,t+1);
            if(tag)return;
        }
    }
}
int main()
{
   for(int i=0;i<LMT;i++)scanf("%s",gra[i]);
    dfs(LMT-1,0,0);
    if(tag)puts("WIN");
    else puts("LOSE");
    return 0;
}


数据集介绍:垃圾分类检测数据集 一、基础信息 数据集名称:垃圾分类检测数据集 图片数量: 训练集:2,817张图片 验证集:621张图片 测试集:317张图片 总计:3,755张图片 分类类别: - 金属:常见的金属垃圾材料。 - 纸板:纸板类垃圾,如包装盒等。 - 塑料:塑料类垃圾,如瓶子、容器等。 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:图片来源于实际场景,格式为常见图像格式(如JPEG/PNG)。 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建能够自动识别和分类垃圾材料的AI模型,用于自动化废物分类和回收系统。 环境监测与废物管理: 集成至监控系统或机器人中,实时检测垃圾并分类,提升废物处理效率和环保水平。 学术研究与教育: 支持计算机视觉与环保领域的交叉研究,用于教学、实验和论文发表。 三、数据集优势 类别覆盖全面: 包含三种常见垃圾材料类别,覆盖日常生活中主要的可回收物类型,具有实际应用价值。 标注精准可靠: 采用YOLO标注格式,边界框定位精确,类别标签准确,便于模型直接训练和使用。 数据量适中合理: 训练集、验证集和测试集分布均衡,提供足够样本用于模型学习和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,支持垃圾检测相关应用。
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
 
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