51nod 1337 翻转游戏

本文介绍了一种针对特定解谜游戏的算法优化方法,通过在满足必要条件的同时,尽可能利用可选机会提前改变状态,从而减少了操作次数。该方法适用于需要逐级解锁的游戏,能够有效提升效率。

这个题的关键在于那些?的要求,因为是?所以不用一下子满足,这就是这个题的玄机了。

于是我们可以“顺便”把这些 “对于当前关是?,但是对于以后的关不是?” 的灯给进行操作。

这样就可以减少次数了。

#include<iostream>
#include<string.h>
#include<string>
#include<algorithm>
#include<stdio.h>
#define LL long long int
using namespace std;


char mp[60][60];
char now[60];
int n,m;

int work()
{
    int cnt = 0;
    for(int i = 0;i<m;i++) now[i] = '-';
    for(int rd = 0;rd < n;rd++)
    {
        //看看有没有必须变成+的
        bool hsp = false;//have to become plus;
        for(int j = 0;j<m;j++)
        {
            if(mp[rd][j] == '+' && now[j] == '-')
            {
            
                hsp = true;
                now[j] = '+';
            }
        }

        if(hsp == true)//看看可不可以顺便变掉
        {
            cnt ++;
            for(int j = 0;j<m;j++)
            {
                for(int k = rd;k<n;k++)
                {
                    if(mp[k][j] == '-') break;
                    if(mp[k][j] == '+')
                    {
                        now[j] = '+';
                        break;
                    }
                }
            }
        }

        bool hsm = false;
        for(int j = 0;j<m;j++)
        {
            if(mp[rd][j] == '-' && now[j] == '+')
            {
                hsm = true;
                now[j] = '-';
            }
        }

        if(hsm == true)//看看可不可以顺便变掉
        {
            cnt ++;
            for(int j = 0;j<m;j++)
            {
                for(int k = rd;k<n;k++)
                {
                    if(mp[k][j] == '+') break;
                    if(mp[k][j] == '-')
                    {
                        now[j] = '-';
                        break;
                    }
                }
            }
        }
        cnt ++;
    }
    return cnt;
}






int main()
{
    int TT;
    cin>>TT;
    while(TT--)
    {
        //init();
        cin>>n>>m;
        for(int i = 0;i<n;i++) scanf("%s",mp[i]);
        int ans = work();
        cout<<ans<<endl;
    }



    return 0;
}


【电动车】基于多目标优化遗传算法NSGAII的峰谷分时电价引导下的电动汽车充电负荷优化研究(Matlab代码实现)内容概要:本文围绕“基于多目标优化遗传算法NSGA-II的峰谷分时电价引导下的电动汽车充电负荷优化研究”展开,利用Matlab代码实现优化模型,旨在通过峰谷分时电价机制引导电动汽车有序充电,降低电网负荷波动,提升能源利用效率。研究融合了多目标优化思想与遗传算法NSGA-II,兼顾电网负荷均衡性、用户充电成本和充电满意度等多个目标,构建了科学合理的数学模型,并通过仿真验证了方法的有效性与实用性。文中还提供了完整的Matlab代码实现路径,便于复现与进一步研究。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事智能电网、电动汽车调度相关工作的工程技术人员。; 使用场景及目标:①应用于智能电网中电动汽车充电负荷的优化调度;②服务于峰谷电价政策下的需求侧管理研究;③为多目标优化算法在能源系统中的实际应用提供案例参考; 阅读建议:建议读者结合Matlab代码逐步理解模型构建与算法实现过程,重点关注NSGA-II算法在多目标优化中的适应度函数设计、约束处理及Pareto前沿生成机制,同时可尝试调整参数或引入其他智能算法进行对比分析,以深化对优化策略的理解。
一、基础信息 数据集名称:可回收材料目标检测数据集 图片数量: - 训练集:7,701张图片 - 验证集:733张图片 - 测试集:367张图片 - 总计:8,801张图片 分类类别: - carton(纸板):常见可回收包装材料 - metal(金属):如铝罐和铁制品等可回收金属 - papel(纸):纸张类可回收材料 - plastico(塑料):塑料瓶和容器等可回收塑料 - vidrio(玻璃):玻璃瓶和罐等可回收玻璃 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:JPEG图片,来源于实际场景 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,帮助构建自动识别和分类可回收材料的AI模型,用于智能垃圾桶或回收站,提升垃圾处理效率。 环保与可持续发展应用: 集成至环保设备或移动应用,提供实时材料识别功能,促进垃圾分类和资源回收,支持绿色倡议。 学术与工业研究: 支持计算机视觉在环境科学和废物管理领域的研究,推动AI技术在环保中的创新应用。 教育与培训: 可用于学校或社区项目,作为垃圾分类教育的视觉辅助工具,提高公众环保意识。 三、数据集优势 精准标注与多样性: 标注采用YOLO格式,确保边界框定位准确,类别覆盖五种常见可回收材料,具有高度实用性。 数据规模合理: 拥有超过8,000张图片,训练集、验证集和测试集分布均衡,支持有效的模型训练和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO系列),可直接用于目标检测模型开发,加速应用部署。 环保价值突出: 专注于可回收材料识别,有助于减少垃圾污染、促进循环经济,具有显著的社会和环境效益。
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