Twenty Questions UVALive - 4643

本文介绍了一种基于按位搜索和动态规划(DP)的算法实现,通过具体实例讲解了如何利用这两种方法来解决一类特定的问题。文章详细解释了DP状态转移方程及其背后的逻辑,并提供了完整的代码实现。

emmm, 第一次做按位的搜索,想了一会还是借鉴了大佬的题解~

https://blog.youkuaiyun.com/nealgavin/article/details/10648605


记录一下:这里的DP(s, ans) 中 s 为1的位指的是已经判断过的位,不用再判断,ans指的是当前已经判断过得到的不完全的数字,是从s变过来的。

其中结束的标志

    for(i = 0; i < m; i++)
    {
        if((s & b[i]) == ans)
            num++;
    }
    if(num <= 1)
    {
        dp[s][ans] = 0;
        return 0;

    }

指的是这个当前的ans已经可以准确定位了,不用在往下做了。

如果num > 1

那么至少还有两个不能区分,还要继续,所以返回的肯定不是0,不需要担心某个数不是输入中的一个的情况



#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cmath>
#include<cstring>
#include<cstdlib>

using namespace std;

#define INF 0x3f3f3f3f
#define LL long long

int mx = 2050;

int dp[2050][2050];

int b[130];

int n, m;

char a[15];

int DP(int s, int ans)
{
    if(dp[s][ans] != -1)
        return dp[s][ans];
    int num = 0;
    int i, j, k;
    for(i = 0; i < m; i++)
    {
        if((s & b[i]) == ans)
            num++;
    }
    if(num <= 1)
    {
        dp[s][ans] = 0;
        return 0;
    }

    int to, ret = mx;
    for(i = 0; i < n; i++)
    {
        if(s & (1 << i))
            continue;
        to = s | (1 << i);
        int toans = ans | (1 << i);
        dp[to][ans] = DP(to, ans);
        dp[to][toans] = DP(to, toans);

        ret = min(ret, max(dp[to][toans], dp[to][ans]) + 1);
    }
    dp[s][ans] = ret;
    return ret;
}


int main()
{
    int i, j, k;

    while(scanf("%d%d", &n, &m))
    {
        if(!m && !n)
            break;

        for(i = 0; i < m; i++)
        {
            k = 0;
            scanf("%s", a);
            for(j = 0; j < n; j++)
            {
                k = k * 2 + a[j] - '0';
            }
            b[i] = k;
        }

        if(m == 1)
        {
            cout << 0 << endl;
            continue;
        }

        memset(dp, -1, sizeof(dp));

        cout << DP(0, 0) << endl;

    }

    return 0;
}


根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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