HDU-4832-Chess(DP)

本文介绍了一个棋盘移动问题,目标是计算从特定起点出发,在给定步数内,按照特定移动规则所能达到的不同位置数量。文章提供了一种通过动态规划(DP)方法来解决这一问题的实现方案。

Chess

Time Limit: 6000/3000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 271    Accepted Submission(s): 87


Problem Description
  小度和小良最近又迷上了下棋。棋盘一共有N行M列,我们可以把左上角的格子定为(1,1),右下角的格子定为(N,M)。在他们的规则中,“王”在棋盘上的走法遵循十字路线。也就是说,如果“王”当前在(x,y)点,小度在下一步可以移动到(x+1, y), (x-1, y), (x, y+1), (x, y-1), (x+2, y), (x-2, y), (x, y+2), (x, y-2) 这八个点中的任意一个。


  
图1 黄色部分为棋子所控制的范围

  小度觉得每次都是小良赢,没意思。为了难倒小良,他想出了这样一个问题:如果一开始“王”在(x 0,y 0)点,小良对“王”连续移动恰好K步,一共可以有多少种不同的移动方案?两种方案相同,当且仅当它们的K次移动全部都是一样的。也就是说,先向左再向右移动,和先向右再向左移动被认为是不同的方案。
  小良被难倒了。你能写程序解决这个问题吗?
 

Input
输入包括多组数据。输入数据的第一行是一个整数T(T≤10),表示测试数据的组数。
每组测试数据只包括一行,为五个整数N,M,K,x 0,y 0。(1≤N,M,K≤1000,1≤x 0≤N,1≤y 0≤M)
 

Output
对于第k组数据,第一行输出Case #k:,第二行输出所求的方案数。由于答案可能非常大,你只需要输出结果对9999991取模之后的值即可。
 

Sample Input
  
2 2 2 1 1 1 2 2 2 1 1
 

Sample Output
  
Case #1: 2 Case #2: 4
 

Source
 

Recommend
liuyiding   |   We have carefully selected several similar problems for you:   4833  4831  4830  4829  4828 

思路: 可以知道上下走和左右走可以分开,无必然联系,所以可以分别对上下 和左右做DP

 见代码:

/*************************************************************************
	> File Name: HDU-4832-Chess.cpp
	> Author: nealgavin
	> Mail: nealgavin@126.com 
	> Created Time: Mon 26 May 2014 06:23:18 PM CST
 ************************************************************************/

#include <iostream>
#include <cstdio>
#include <cstring>

using namespace std;

const int mm = 1003;
const int mod = 9999991;

int dp[2][mm][mm]; //  step | point 
int C[mm][mm]; // the method from m take n
int sum[2][mm];
int n,m,x,y,K;

void init()
{
    C[1][1] = 1; C[1][0] = 1;
    for(int i=2;i<mm;++i)
    {
        C[i][0] = 1; C[i][i] = 1;
        for(int j=1;j<i;++j)
        C[i][j] = (C[i-1][j] + C[i-1][j-1])%mod;
    }
}

void DP()
{
    memset(dp,0,sizeof(dp));
    dp[0][0][x] = 1;
    for(int i=1;i<=K;++i)
        for(int j=1;j<=n;++j)
    {
        if(j-1>=1)
        dp[0][i][j] = (dp[0][i][j] + dp[0][i-1][j-1])%mod;
        if(j-2>=1)
        dp[0][i][j] = (dp[0][i][j] + dp[0][i-1][j-2])%mod;
        if(j+1<=n)
        dp[0][i][j] = (dp[0][i][j] + dp[0][i-1][j+1])%mod;
        if(j+2<=n)
        dp[0][i][j] = (dp[0][i][j] + dp[0][i-1][j+2])%mod;
    }
    dp[1][0][y] = 1;
    for(int i=1;i<=K;++i)
        for(int j=1;j<=m;++j)
    {
        
        if(j-1>=1)
        dp[1][i][j] = (dp[1][i][j] + dp[1][i-1][j-1])%mod;
        if(j-2>=1)
        dp[1][i][j] = (dp[1][i][j] + dp[1][i-1][j-2])%mod;
        if(j+1<=m)
        dp[1][i][j] = (dp[1][i][j] + dp[1][i-1][j+1])%mod;
        if(j+2<=m)
        dp[1][i][j] = (dp[1][i][j] + dp[1][i-1][j+2])%mod;
    }

    memset(sum,0,sizeof(sum));
    for(int i=0;i<2;++i)
    for(int j=0;j<=K;++j)
    for(int k=0;k<=(i==0?n:m);++k)
    {
        sum[i][j] = (sum[i][j] + dp[i][j][k])%mod;
    }
}

int getans()
{
    init();
    DP();
    int ans = 0;
    for(int i=0;i<=K;++i)
    ans = (ans + ((long long)C[K][i]*sum[0][i]%mod)*sum[1][K-i]%mod)%mod;
    return ans;
}

int main()
{
    int T;
    while(~scanf("%d",&T))
    {
        for(int ca=1;ca<=T;++ca)
        {
            scanf("%d%d%d%d%d",&n,&m,&K,&x,&y);
            printf("Case #%d:\n%d\n",ca,getans());
        }
    }
    return 0;
}





【事件触发一致性】研究多智能体网络如何通过分布式事件驱动控制实现有限时间内的共识(Matlab代码实现)内容概要:本文围绕多智能体网络中的事件触发一致性问题,研究如何通过分布式事件驱动控制实现有限时间内的共识,并提供了相应的Matlab代码实现方案。文中探讨了事件触发机制在降低通信负担、提升系统效率方面的优势,重点分析了多智能体系统在有限时间收敛的一致性控制策略,涉及系统模型构建、触发条件设计、稳定性与收敛性分析等核心技术环节。此外,文档还展示了该技术在航空航天、电力系统、机器人协同、无人机编队等多个前沿领域的潜在应用,体现了其跨学科的研究价值和工程实用性。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及从事自动化、智能系统、多智能体协同控制等相关领域的工程技术人员。; 使用场景及目标:①用于理解和实现多智能体系统在有限时间内达成一致的分布式控制方法;②为事件触发控制、分布式优化、协同控制等课题提供算法设计与仿真验证的技术参考;③支撑科研项目开发、学术论文复现及工程原型系统搭建; 阅读建议:建议结合文中提供的Matlab代码进行实践操作,重点关注事件触发条件的设计逻辑与系统收敛性证明之间的关系,同时可延伸至其他应用场景进行二次开发与性能优化。
HDU-3480 是一个典型的动态规划问题,其题目标题通常为 *Division*,主要涉及二维费用背包问题或优化后的动态规划策略。题目大意是:给定一个整数数组,将其划分为若干个连续的子集,每个子集最多包含 $ m $ 个元素,并且每个子集的最大值与最小值之差不能超过给定的阈值 $ t $,目标是使所有子集的划分代价总和最小。每个子集的代价是该子集最大值与最小值的差值。 ### 动态规划思路 设 $ dp[i] $ 表示前 $ i $ 个元素的最小代价。状态转移方程如下: $$ dp[i] = \min_{j=0}^{i-1} \left( dp[j] + cost(j+1, i) \right) $$ 其中 $ cost(j+1, i) $ 表示从第 $ j+1 $ 到第 $ i $ 个元素构成一个子集的代价,即 $ \max(a[j+1..i]) - \min(a[j+1..i]) $。 为了高效计算 $ cost(j+1, i) $,可以使用滑动窗口或单调队列等数据结构来维护区间最大值与最小值,从而将时间复杂度优化到可接受的范围。 ### 示例代码 以下是一个简化版本的动态规划实现,使用暴力方式计算区间代价,适用于理解问题结构: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 0x3f3f3f3f; const int MAXN = 10010; int a[MAXN]; int dp[MAXN]; int main() { int T, n, m; cin >> T; for (int Case = 1; Case <= T; ++Case) { cin >> n >> m; for (int i = 1; i <= n; ++i) cin >> a[i]; dp[0] = 0; for (int i = 1; i <= n; ++i) { dp[i] = INF; int mn = a[i], mx = a[i]; for (int j = i; j >= max(1, i - m + 1); --j) { mn = min(mn, a[j]); mx = max(mx, a[j]); if (mx - mn <= T) { dp[i] = min(dp[i], dp[j - 1] + mx - mn); } } } cout << "Case " << Case << ": " << dp[n] << endl; } return 0; } ``` ### 优化策略 - **单调队列**:可以使用两个单调队列分别维护当前窗口的最大值与最小值,从而将区间代价计算的时间复杂度从 $ O(n^2) $ 降低到 $ O(n) $。 - **斜率优化**:若问题满足特定的决策单调性,可以考虑使用斜率优化技巧进一步加速状态转移过程。 ### 时间复杂度分析 原始暴力解法的时间复杂度为 $ O(n^2) $,在 $ n \leq 10^4 $ 的情况下可能勉强通过。通过单调队列优化后,可以稳定运行于 $ O(n) $ 或 $ O(n \log n) $。 ### 应用场景 HDU-3480 的问题模型可以应用于资源调度、任务划分等场景,尤其适用于需要控制子集内部差异的问题,如图像分块压缩、数据分段处理等[^1]。 ---
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