dfs的姿势 尽量减少不必要的搜索

本文探讨了在解决NP问题时,如何通过优化搜索策略减少不必要的计算,对比两种不同的搜索方法,一种针对行状态进行优化,显著降低了复杂度;另一种则未进行优化,导致效率低下。

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

好长时间不做搜索了 ,虽然做了一个简单的果断tle 和别人代码一比就看出高低了 

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <string>
#include <iostream>
#include <sstream>
#include <ostream>
#include <algorithm>
#include <ctype.h>
#include <cmath>
#include <queue>
#include <set>
#include <map>
#include <vector>
#define inf 1e9+7
#define pi acos(-1)
#define natrule exp(1)
using namespace std;
#pragma comment(linker, "/STACK:1024000000,1024000000")
int mat[10][10];
int marklines[10];
int ans=0;
void dfs(int n,int k,int row){
    if(k==0) {ans++;return ;}
    if(n-row+1<k) return;
    dfs(n,k,row+1);//这一行不放 每一行的状态放与不放 这样搜索的少一点 不用强制循环搜索这么多
    for(int i=1;i<=n;i++){
        if(mat[row][i]&&marklines[i]==0) {
            marklines[i]=1;
            dfs(n,k-1,row+1);
            marklines[i]=0;
        }
    }
}
int main()
{
    int n,k;
    while(cin>>n>>k){
        if(n==-1&&k==-1) break;
        memset(marklines,0,sizeof(marklines));
        char s[20];
        ans=0;
        int cnt=0;
        for(int i=1;i<=n;i++){
            cin>>s;
            for(int j=1;j<=n;j++){
                if(s[j-1]=='#') {mat[i][j]=1;cnt++;}
                else mat[i][j]=0;
            }
        }
        if(cnt<k) {cout<<0<<endl;continue;}
        dfs(n,k,1);
        cout<<ans<<endl;
    }
    return 0;
}

这个对于行数进行分类 : 选择这行或者是不选择这一行

其实想想很有道理 本来就是np问题 这个样子之后就相当于做判断 这一行选不选

而我把所有位置都搜一变 复杂度已经变成了 (n^2)^k肯定超时 下面是教训代码

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <string>
#include <iostream>
#include <sstream>
#include <ostream>
#include <algorithm>
#include <ctype.h>
#include <cmath>
#include <queue>
#include <set>
#include <map>
#include <vector>
#define inf 1e9+7
#define pi acos(-1)
#define natrule exp(1)
using namespace std;
#pragma comment(linker, "/STACK:1024000000,1024000000")
int mat[10][10];
int markrows[10];
int marklines[10];
int ans=0;
void dfs(int n,int k,int row){
    if(k==0) {ans++;return ;}
    for(int i=row;i<=n;i++){
        if(n-row+1<k) break;
        for(int j=1;j<=n;j++){
            if(mat[i][j]&&!marklines[j]&&!markrows[i]){
                mat[i][j]=0;
                marklines[j]=1;
                markrows[i]=1;
                dfs(n,k-1,row+1);
                marklines[j]=0;
                markrows[i]=0;
                mat[i][j]=1;
            }
        }
    }
}
int main()
{
    int n,k;
    while(cin>>n>>k){
        if(n==-1&&k==-1) break;
        memset(marklines,0,sizeof(marklines));
        memset(markrows,0,sizeof(markrows));
        char s[20];
        ans=0;
        int cnt=0;
        for(int i=1;i<=n;i++){
            cin>>s;
            for(int j=1;j<=n;j++){
                if(s[j-1]=='#') {mat[i][j]=1;cnt++;}
                else mat[i][j]=0;
            }
        }
        if(cnt<k) {cout<<0<<endl;continue;}
        dfs(n,k,1);
        cout<<ans<<endl;
    }
    return 0;
}

内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问题。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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