Hdu 6341 Problem.J Let Sudoku Rotate(dfs+剪枝)

本文介绍了一种解决特定数独问题的方法,该问题涉及已解数独的板块逆时针旋转,目标是最小化旋转次数以还原初始状态。采用深度优先搜索(DFS)策略实现,通过剪枝优化效率。

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

题意就是给你一个已经解完的数独,但是他的某几块被逆时针旋转过几次,问你最小的旋转次数。
当时比赛的时候,因为被题面吓到了,以为是难题,就没有仔细思考,现在看看,就是一道搜索题,用bfs和dfs都可以过。
一开始想着如果用bfs的话,可能还要存下每旋转一次的状态,会显得很繁琐,就没有选择bfs,用了dfs。
自己写了一个dfs,可能是因为当时有点困,写起来小错误很多,写完debug了很久。虽然出了答案,但样例都会超时,然后想着可能是剪枝没剪好,就加了各种各样的剪枝,交上去还是T了。没办法,去网上学习一下大佬的做法,然后自己重新敲了一遍,因为之前已经写过一遍了,这次就很顺,写完稍微debug一下就出样例了。交上去就过了。680ms
同时,我也发现我原先那个代码的问题了,我旋转矩阵的方法太繁琐了,估计只要换一种旋转方法就可以过了。
(PS:听说有大佬可以剪到15ms,但是没找到,真的是震惊了。)

#include<iostream>
#include<cmath>
#include<cstring>
using namespace std;
const int maxn=20;
int arr[maxn][maxn];
int fl[maxn]={0};
int T;
int Min;
bool pd(int num)
{
	for(int i=1;i<=num;i++)
	{
		memset(fl,0,sizeof fl);
		for(int j=1;j<=16;j++)
		{
			if(fl[arr[j][i]]==0)
				fl[arr[j][i]]=1;
			else return false;
		}
	}
	for(int i=1;i<=16;i++)
	{
		memset(fl,0,sizeof fl);
		for(int j=1;j<=num;j++)
		{
			if(fl[arr[i][j]]==0)
				fl[arr[i][j]]=1;
			else return false;
		}
	}
	return true;
}
void xz(int num,int num1)
{
	int arr1[5][5]={0};
	int a=num1;
	int b=num;
	for(int i=1,a=num1;i<=4;i++,a++)
	{
		for(int j=1,b=num;j<=4;j++,b++)
		{
			arr1[i][j]=arr[a][b];
		}
	}
	for(int i=1,a=num1;i<=4;i++)
	{
		for(int j=1,b=num;j<=4;j++)
		{
			arr[5-j+a-1][b+i-1]=arr1[i][j];
		}
	} 
}
void dfs(int num,int val)
{
	if(val>Min)return;
	if(num==17)
	{
		Min=min(Min,val);
		return;
	}
	for(int i=1;i<=4;i++,xz(num,1))
	{
		for(int j=1;j<=4;j++,xz(num,5))
		{
			for(int m=1;m<=4;m++,xz(num,9))
			{
				for(int n=1;n<=4;n++,xz(num,13))
				{
					if(pd(num+3))
					{
						dfs(num+4,val+i+j+m+n-4);
					}
				}
			}
		}
	}
}
int main()
{
	cin>>T;
	while(T--)
	{
		Min=1000;
		memset(arr,-1,sizeof arr);
		for(int i=1;i<=16;i++)
		{
			char ch[maxn];
			scanf("%s",ch+1);
			for(int j=1;j<=16;j++)
			{
				if(ch[j]>='0'&&ch[j]<='9')
				{
					arr[j][i]=ch[j]-'0';
				}
				else
				{
					arr[j][i]=ch[j]-'A'+10;
				}
			}
		}
		dfs(1,0);
		cout<<Min<<endl;
	}
}

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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