P2133 天作之合

博客围绕数字变换搜索问题展开,指出若答案小于等于2需加2输出,st==ed要输出2。考虑字符串变换是交换相邻数字,因数字搜索无明显边界,可采用广度优先或迭代加深搜索,还介绍了相关函数及深度优先搜索的剪枝策略。

题目地址 https://www.luogu.org/problemnew/show/P2133

坑点:仔细读题可以发现,如果答案小于等于2,那么应该把答案加上2再输出;

1、考虑字符串变换规律,是交换相邻的两个数字

2、因为数字搜索没有明显的边界,所以可以考虑广度优先搜索,或者 迭代加深搜索

以下是逐步分析

#include <iostream>
#include <fstream>
#include <cstdio>
#include <algorithm>
#include <string.h>
using namespace std;
const int maxn = 666667;
const int INF = 20021020;
bool vis [maxn],fl=false;
int ANS=0,f[maxn];
int dv[7]= {1000000,100000,10000,1000,100,10,1};
int qread() {
    int x=0,f=1;
    char ch=getchar();
    while (ch>'9'||ch<'0') {
        if(ch=='-')f=-1;
        ch=getchar();
    }
    while (ch>='0'&&ch<='9') {
        x=x*10+ch-'0';
        ch=getchar();
    }
    return f*x;
}
int st,ed;

dv数组方便于把一个六位整数拆分开,它的具体操作可以参见下面的代码。

maxn,INF分别代表最大组合情况和绝大值。

数组vis用作判重,f数组可以执行剪枝。

全局变量 ANS用作枚举答案。

(ANS是迭代加深搜索的核心)

仍有部分数组空间浪费了,例如vis[659000]等

int qread()是快速读入函数,习惯性的加上

st代表起始位置,ed代表结束位置

以上是并不完美的开头

int take_out(int x,int w) {
    return (x/dv[w])%10;
}
int cha(int x,int w) {
    int t1=take_out(x,w);
    int t2=take_out(x,w+1);
    return t2*dv[w]+t1*dv[w+1]+ x/dv[w-1]*dv[w-1]+x%(dv[w+1]);
}

函数int take_out(int x,int w)提取六位整数中的特定位。

x/dv[w]可以砍掉x第w位以后的数,然后对10取余可以得到特定位。

函数int cha(int x,int w)交换两位数字。它基于take_out函数。

void dfs(int x,int sum) {
    //cout<<x<<' '<<sum<<endl;
    if(fl)return;
    if(sum>ANS)return;
    if(sum>f[x])return;
    else f[x]=sum;
    if(x==ed) {
        if (ANS <= 2)
            cout<<ANS+2<<endl;
        else cout<<ANS<<endl;
        fclose (stdin);
        fclose (stdout);
        fl=true;
    }
    for (int i=1; i<=5; i++) {
        int tx=cha(x,i);
        if(vis[tx])continue;
        vis[tx]=true;
        dfs(tx,sum+1);
        vis[tx]=false;
    }
}

深度优先搜索部分;

如果当前解大于已经找到的最优解,就切断这一分支路线。

如果当前x的解大于上次找到的x的解,也切断这一分支路线。

注意坑点,ans<=2要加2

逐个交换x相邻的两位,产生新的状态,并标记、继续搜索。

以下是主函数:

int main() {
    //freopen("2133.in","r",stdin);
    memset(vis,0,sizeof(vis));
    st=qread();
    ed=qread();
    if(st==ed) {
        cout<<2<<endl;
        return 0;
    }
    for (int i=1; i<maxn; i++)f[i]=INF;
    while (true) {
        if(fl)break;
        ANS++;
        dfs(st,0);
    }
    return 0;
}
注意st==ed的特判,要输出2的;

初始化vis和f数组,枚举ans值

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析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解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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