hackerrank_Permutation game

本文介绍了一道Hackerrank上的排列游戏问题,并提供了一个使用位操作和递归思想的解决方案。对于输入的整数n及其对应的排列,程序通过判断每个状态的胜负来决定最终结果。适用于算法学习和游戏策略分析。

https://www.hackerrank.com/challenges/permutation-game

面包大大给的题目,想了两个多小时还是人家给我的想法T_T,太弱了,想到了LIS,图论之类的,但是都没能实现,最后还是用的暴力,求解:如果n>32之后,这个题怎么做?

如果牛牛们有想法,请评论给我,谢谢!

#include<iostream>
#include<cstring>
using namespace std;
bool flag[3000000];
int main()
{
    int n;
    int t;
    cin>>t;
    int a[15];
    while(t--)
    {
        memset(flag,0,sizeof(flag));
        cin>>n;
        for (int i=0; i<n; i++)
            cin>>a[i];
        for (int i=0; i<=n; i++)
            flag[1<<i]=true;
        for (int i=1; i<(1<<n); i++)
        {
            if (flag[i]) continue;
            int temp1=-1;
            bool flag_inc=true;
            for (int k=0; (1<<k)<=i; k++)
            {
                if (!(i&(1<<k))) continue;
                if (a[k]<=temp1)
                {
                    flag_inc=false;
                    break;
                }
                else
                    temp1=a[k];
            }
            if (flag_inc)
            {
                flag[i]=true;
                continue;
            }
            bool flag_worl=false;
            for (int j=0; (1<<j)<=i; j++)
            {
                int temp=i;
                if (temp&(1<<j)) temp-=(1<<j);
                if (flag[temp])
                {
                    flag_worl=true;
                    break;
                }
            }
            if (flag_worl) flag[i]=false;
            else
                flag[i]=true;
        }
        if (flag[(1<<n)-1])
            cout<<"Bob"<<endl;
        else
            cout<<"Alice"<<endl;
    }
    return 0;
}


基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
### 代码段含义解释 以下是对代码段 `else: # 非禁忌移动 ... return best_i, best_j, best_delta, is_best` 的详细解释: ```python else: # 非禁忌移动 new_permutation = permutation.copy() new_permutation[i], new_permutation[j] = new_permutation[j], new_permutation[i] new_fitness = np.sum(weights * distance[np.ix_(new_permutation, new_permutation)]) delta = new_fitness - current_fitness if delta < best_delta: best_delta = delta best_i, best_j = i, j is_best = new_fitness < best_fitness ``` 此代码块处理的是非禁忌移动的情况。具体步骤如下: 1. **生成新的排列**:创建当前排列 `permutation` 的副本 `new_permutation`,并交换索引 `i` 和 `j` 处的元素,以此模拟一次移动操作。 2. **计算新解的适应度**:通过 `np.sum(weights * distance[np.ix_(new_permutation, new_permutation)])` 计算新排列的适应度 `new_fitness`。这里 `weights` 是流量矩阵,`distance` 是距离矩阵,二者的元素相乘后求和得到新解的总成本。 3. **计算适应度变化**:计算新解与当前解的适应度差值 `delta`,即 `delta = new_fitness - current_fitness`。 4. **更新最优移动信息**:若 `delta` 小于当前记录的最优变化值 `best_delta`,则更新 `best_delta`、`best_i`、`best_j` 以及 `is_best`。其中 `is_best` 用于判断新解是否优于全局最优解。 ### 禁忌移动的处理 如果是禁忌移动,代码会先检查是否满足渴望准则: ```python if tabu_matrix[i][j] > itr: # 检查是否满足渴望准则 new_permutation = permutation.copy() new_permutation[i], new_permutation[j] = new_permutation[j], new_permutation[i] new_fitness = np.sum(weights * distance[np.ix_(new_permutation, new_permutation)]) delta = new_fitness - current_fitness if new_fitness < best_fitness: # 满足渴望准则 if delta < best_delta: best_delta = delta best_i, best_j = i, j is_best = True ``` 当 `tabu_matrix[i][j] > itr` 表明此移动处于禁忌状态时,代码会计算该移动产生的新解的适应度。若新解的适应度优于全局最优解 `best_fitness`,则满足渴望准则,此时即便此移动被禁忌,仍会考虑将其作为最优移动,并更新相关信息。
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