USACO section 1.3 Wormholes

本文探讨了通过深度优先搜索和模拟行走过程的方法解决虫洞迷宫问题。具体介绍了使用C++实现的算法思路,包括如何进行配对、路径搜索及判断是否卡住等关键步骤。

这个题目我首先考虑的是如何配对的问题。
我的想法是,先给所有点按输入次序编号。然后开一个数组来记录配对问题。利用深搜枚举出所有情况。
之后就是,对每一组配对结果的测试。我的想法就是,粗暴的模拟一下他的行走过程,设定一个阈值。当你经过各个虫洞点的数量已经超过阈值时,就算你卡住了。阈值的设定就是根据感觉来的。。。。

/*
ID: 13913351
LANG: C++
TASK:wormhole
*/
#include<iostream>
#include<fstream>
#include<cstring>
#define cin fin
#define cout fout
using namespace std;
ifstream  fin("wormhole.in");
ofstream  fout("wormhole.out");

const int N=15;
int n;
int a[N+1][2];
int pa[N+1];//pa[i]  表示与i与pa[i]是一对
bool flag[N+1];
int sum=0;
int route[N*4];
bool tag=false;

void search(int cur,int k)
{
    //cout<<pa[cur];
    k++;
    long long int min=9999999999;
    int next=0;
    int i;
    for(i=1;i<=n;i++)
    {
        if(i!=pa[cur]&&a[i][1]==a[pa[cur]][1]&&a[i][0]>a[pa[cur]][0])
        {
            if(min>a[i][0]-a[pa[cur]][0])
            {
                min=a[i][0]-a[pa[cur]][0];
                next=i;
            }
        }
    }
    if(next!=0)
    {
        k++;
        if(k>50)
        {
            tag=true;
            return ;
        }
        search(next,k);
    } 

}
bool test()
{
    int i;
    for(i=1;i<=n;i++)
    {
        tag=false;
        search(i,1);
        if(tag) return true;
    }
    return false;
}
void dfs(int step)
{
    if(step==n+1)
    {
        if(test())
        {
            sum++;
        //  cout<<endl;
        }
        return ;
    }

    if(flag[step])
    {
        dfs(step+1);
        return ;
    }

    for(int i=1;i<=n;i++)
    {
        if(!flag[i]&&i!=step)
        {
            pa[step]=i;
            pa[i]=step;

            flag[i]=true;
            flag[step]=true;

            dfs(step+1);

            flag[step]=false;
            flag[i]=false;
        }
    }
}
int main()
{
    cin>>n;
    int i;
    for(i=1;i<=n;i++)
    {
        cin>>a[i][0]>>a[i][1]; 
    }
    memset(flag,false,sizeof(flag));
    dfs(1);
    cout<<sum<<endl;
} 

代码写的不怎么规范,我会慢慢成长的。

源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
USACO1.3中最长回文Calf Flac问题要求在给定的文本中找出最长的回文子串,如果有多个回文长度都等于最大值,输出最前面出现的那一个。以下为该问题的解决方案: ### 解题思路 1. **预处理文本**:去除文本中非字母字符,同时记录每个字母在原文本中的位置,方便后续输出原始回文子串。 2. **遍历文本**:以每个字母为中心,向两边扩展来寻找回文子串。回文子串分为奇数长度和偶数长度两种情况,需要分别处理。 3. **记录最长回文子串**:在遍历过程中,记录最长回文子串的长度和起始位置,同时记录该回文子串在原文本中的起始和结束位置。 4. **输出结果**:输出最长回文子串的长度以及原文本中的最长回文子串。 ### 代码实现 ```python # 读取输入 input_text = input() # 预处理文本,记录字母及其在原文本中的位置 letters = [] positions = [] for i, char in enumerate(input_text): if char.isalpha(): letters.append(char.upper()) positions.append(i) n = len(letters) max_length = 0 start = 0 end = 0 # 遍历每个字母,以其为中心扩展寻找回文子串 for i in range(n): # 奇数长度回文串 left, right = i, i while left >= 0 and right < n and letters[left] == letters[right]: length = right - left + 1 if length > max_length: max_length = length start = positions[left] end = positions[right] left -= 1 right += 1 # 偶数长度回文串 left, right = i, i + 1 while left >= 0 and right < n and letters[left] == letters[right]: length = right - left + 1 if length > max_length: max_length = length start = positions[left] end = positions[right] left -= 1 right += 1 # 输出结果 print(max_length) print(input_text[start:end + 1]) ``` ### 复杂度分析 - **时间复杂度**:$O(n^2)$,其中 $n$ 是文本中字母的数量。因为对于每个字母,都需要向两边扩展来寻找回文子串。 - **空间复杂度**:$O(n)$,主要用于存储字母和其在原文本中的位置。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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