sicily 1002. Anti-prime Sequences

本文介绍了一种使用素数筛选法结合深度优先搜索(DFS)算法来寻找特定长度下的一组整数序列,使得任意连续子序列的和都不是质数的方法。该问题类似于经典的八皇后问题,采用回溯法解决。
/******************************************
*sicily 1002. Anti-prime Sequences
*解题思路:先用素数筛选法选出素数。在用DFS 进行回溯查找,从第一个开始放,符合则继续放下一个,否则返回;
*直到所有数放完为止,放完返回true,否则返回false;
* 此题和八皇后问题的原理是一样的。
*******************************************/
#include <iostream>
using namespace std;


int prime[20000]; //筛选法求得的素数
int visit[2000]; //如果访问了这个数则置为1,否则置0
int array[2000]; //存放最后输出的顺序
int first, second, len;


//筛选法求素数
bool is_prime(int s)
{
prime[2] = 1;

for (int i = 3; i <= s; i++)
{
int j;
for (j = 2; j * j <= i; j++)
{
if (i%j == 0) {
prime[i] = 0;
break;
}
}
if (j*j > i)
prime[i] = 1;
}
return true;

}


// 判断当前已经放好的数字是否符合要求,count 代表已经放好了几个数
//value 表示当前还没有放的数字,通过is_suit来判断它能否放;
bool is_suit(int count, int value)
{
if (count < 1)
return true;
int index = 0;


//当count - len + 1 >= 0时,只要判断从count-1到count - len + 1的和是否为素数就好了
if (count - len + 1 >= 0)
index = count - len + 1;
int sum = value;


for (int i = count - 1; i >= index; i--)
{
sum += array[i];
if (prime[sum])
return false;
}
return true;
}


//深搜查找
bool DFS(int count)
{
//所有数字已经放完,返回true
if (count == second - first + 1)
return true;


//从第一个开始放,直到最后一个数
for (int i = first; i <= second; i++)
{
if (!visit[i] && is_suit(count, i))
{
visit[i] = 1;
array[count] = i;
if (DFS(count + 1))
return true;
visit[i] = 0;
}
}
return false;
}


int main()
{
is_prime(10000);

while (cin >> first >> second >> len)
{
if (first == 0 && second == 0 && len == 0)
break;
else
{
for (int i = first; i <= second; i++)
visit[i] = 0;
if (DFS(0)) {
for (int i = 0; i < second - first; i++)
cout << array[i] << ",";
cout << array[second - first] << endl;
} else {
cout << "No anti-prime sequence exists." << endl;
}
}

}

system("pause");
return 0;
}
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-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