HDU 1495 非常可乐(BFS)

本文介绍了一种使用广度优先搜索(BFS)算法解决特定水壶问题的方法。通过定义状态空间并采用BFS遍历所有可能的状态,来寻找从初始状态到达目标状态的最少步骤数。该实现涉及多种水的转移操作,并使用标记数组避免重复搜索。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

思路

最难在于想到这道题是BFS,想到之后只有六种情况就很好理解了。

代码

#include<stdio.h>
#include<string.h>
#include<math.h>
#include<queue>
using namespace std;
int a,b,s;
struct shui
{
    int count;
    int ha,hb,hs;
}t,t1;
int min(int x,int y)
{
    return x<y?x:y;
}
bool vis[1000][1000];
bool mark;
struct shui bfs(int ha,int hb,int hs,int count)
{
    queue<struct shui> q;
    t.hs=s;
    t.ha=0;
    t.hb=0;
    t.count=0;
    q.push(t);
    vis[t.ha][t.hb]=true;
    while(!q.empty())
    {
        t1=q.front();
        q.pop();
        if(t1.hs==t1.ha&&t1.ha==s/2&&t1.hb==0)
        {
            mark=true;
            return t1;
        }
        if(t1.hs&&t1.ha!=a)//瓶子s倒到杯子a
        {
            t.count=t1.count+1;
            t.ha=t1.ha+min(a-t1.ha,t1.hs);//a-t1.ha是瓶子中最多能倒的,t1.hs是最多能倒的
            t.hs=t1.hs-min(a-t1.ha,t1.hs);
            t.hb=t1.hb;
            if(t.hs==t.ha&&t.ha==s/2&&t.hb==0)
            {   //printf("z1 %d %d %d %d\n",t.ha,t.hb,t.hs,t.count);
                mark=true;
                return t;
            }
            if(!vis[t.ha][t.hb])
            {
                //printf("b1 %d %d %d %d\n",t.ha,t.hb,t.hs,t.count);
            vis[t.ha][t.hb]=true;
            q.push(t);
            }
        }
        if(t1.hs&&t1.hb!=b)
        {
            t.count=t1.count+1;
            t.hb=t1.hb+min(b-t1.hb,t1.hs);
            t.hs=t1.hs-min(b-t1.hb,t1.hs);
            t.ha=t1.ha;
            if(t.hs==t.ha&&t.ha==s/2&&t.hb==0)
            {   
                mark=true;
                return t;
            }
            if(!vis[t.ha][t.hb])
            {
            vis[t.ha][t.hb]=true;
            q.push(t);
            }
        }
        if(t1.ha&&t1.hs!=s)//a
        {
            t.count=t1.count+1;
            t.hs=t1.hs+min(s-t1.hs,t1.ha);
            t.ha=t1.ha-min(s-t1.hs,t1.ha);
            t.hb=t1.hb;
            if(t.hs==t.ha&&t.ha==s/2&&t.hb==0)
            {
                mark=true;
                return t;
            }
            if(!vis[t.ha][t.hb])
            {   
            vis[t.ha][t.hb]=true;
            q.push(t);
            }
        }
        if(t1.ha&&t1.hb!=b)
        {
            t.count=t1.count+1;
            t.hb=t1.hb+min(b-t1.hb,t1.ha);
            t.ha=t1.ha-min(b-t1.hb,t1.ha);
            t.hs=t1.hs;
            if(t.hs==t.ha&&t.ha==s/2&&t.hb==0)
            {   
                mark=true;
                return t;
            }

            if(!vis[t.ha][t.hb])
            {   
            vis[t.ha][t.hb]=true;
            q.push(t);
            }
        }
        if(t1.hb&&t1.ha!=a)
        {
            t.count=t1.count+1;
            t.ha=t1.ha+min(a-t1.ha,t1.hb);
            t.hb=t1.hb-min(a-t1.ha,t1.hb);
            t.hs=t1.hs;
            if(t.hs==t.ha&&t.ha==s/2&&t.hb==0)
            {   
                mark=true;
                return t;
            }
            if(!vis[t.ha][t.hb])
            {   
                vis[t.ha][t.hb]=true;
                q.push(t);
            }
        }
        if(t1.hb&&t1.hs!=s)
        {
            t.count=t1.count+1;
            t.hs=t1.hs+min(s-t1.hs,t1.hb);
            t.hb=t1.hb-min(s-t1.hs,t1.hb);
            t.ha=t1.ha;
            if(t.hs==t.ha&&t.ha==s/2&&t.hb==0)
            {
                mark=true;
                return t;
            }
            if(!vis[t.ha][t.hb])
            {   
                vis[t.ha][t.hb]=true;
                q.push(t);
            }
        }
    }
    return t;
}
int main()
{
    struct shui p;
    while(~scanf("%d%d%d",&s,&a,&b))
    {
        if(a<b)
        {
            int t;
            t=a;
            a=b;
            b=t;
        }
        memset(vis,false,sizeof(vis));
        mark=false;
        if(a==0&&b==0&&s==0)
            break;
        p=bfs(0,0,s,0);
        if(mark) printf("%d\n",p.count);
        else
            printf("NO\n");
    }
    return 0;
}
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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