hdu 1078 fatmouse and cheese

本文介绍了记忆化搜索和状态搜索两种搜索算法的区别与应用场景。记忆化搜索结合了深度优先搜索(dfs)与动态规划(dp),通过记录已搜索过的状态来避免重复计算,提高搜索效率。状态搜索则用于避免在复杂的状态空间中重复搜索相同状态。

思想记忆化搜索

还有的搜索方式是状态搜索

状态搜索,是进行状态映射,以便得知某个状态是否已经搜索过了,是为了避免重复搜索, 状态搜索应用的场景是,简单地标记哪个点有没有走过,已经不再满足需求了。或者说,无法进行标记哪个点是否已经走过。

记忆化搜索是,在搜索的过程中,会产生很多重复搜索,但是只要记住第一次搜索的结果值,可以直接用上次的搜索结果,并避免再次搜索,减少了搜索范围,避免了重复搜索。
记忆化搜索的形式= dfs+dp .
采用dp的思想保证每一次搜索后得到最优值,记忆化避免重复搜索。

此題还有一个新意就是,以往搜索每次只能走一步,这次是可以最多走k步,也是一个比较新的地方。

for(int i=0;i<4;i++){

        for(int j=1;j<=k;j++){

            int xx=x+dir[i][0]*j;
            int yy=y+dir[i][1]*j;
            }
}

参考博客 http://blog.163.com/wuguojin03@126/blog/static/171541131201082301219151/

http://www.w2bc.com/article/157582

下面是代码:

#include <iostream>
#include<cstdio>

#include<cstring>
using namespace std;

#define MAX 105
int n,k;


int g[MAX][MAX];


int dp[MAX][MAX]; //dp[i][j] stands for in (i,j) the num of mouse get


int dir[4][2]={0,1,0,-1,1,0,-1,0};// r,l,d,u

int total=0;
int dfs(int x,int y){

    int mx=0;

    int temp=0;
    // dp[x][y] >0 means the x,y has been visited and the result has
    // store in dp[x][y]
    if(dp[x][y]>0)return dp[x][y];

    for(int i=0;i<4;i++){

        for(int j=1;j<=k;j++){

            int xx=x+dir[i][0]*j;
            int yy=y+dir[i][1]*j;


            if(xx<0||xx>=n||yy<0||yy>=n||g[xx][yy]<=g[x][y]) continue;

            temp=dfs(xx,yy);

            if(mx<temp){
                mx=temp;
            }
        }
    }

    dp[x][y]=mx+g[x][y];
    return dp[x][y];
}


int main()
{
    while(cin>>n>>k){


        if(n==-1&&k==-1) break;
        memset(g,0,sizeof(g));

        memset(dp,-1,sizeof(dp));

        for(int i=0;i<n;i++)
        for(int j=0;j<n;j++)
            cin>>g[i][j];

        total=dfs(0,0);

        cout<<total<<endl;
    }

    return 0;
}
【完美复现】面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】(Matlab代码实现)内容概要:本文介绍了基于IEEE33节点的配电网韧性提升方法,重点研究了移动储能系统的预布局与动态调度策略。通过Matlab代码实现,提出了一种结合预配置和动态调度的两阶段优化模型,旨在应对电网故障或极端事件时快速恢复供电能力。文中采用了多种智能优化算法(如PSO、MPSO、TACPSO、SOA、GA等)进行对比分析,验证所提策略的有效性和优越性。研究不仅关注移动储能单元的初始部署位置,还深入探讨其在故障发生后的动态路径规划与电力支援过程,从而全面提升配电网的韧性水平。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事智能电网、能源系统优化等相关领域的工程技术人员。; 使用场景及目标:①用于科研复现,特别是IEEE顶刊或SCI一区论文中关于配电网韧性、应急电源调度的研究;②支撑电力系统在灾害或故障条件下的恢复力优化设计,提升实际电网应对突发事件的能力;③为移动储能系统在智能配电网中的应用提供理论依据和技术支持。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析,重点关注目标函数建模、约束条件设置以及智能算法的实现细节。同时推荐参考文中提及的MPS预配置与动态调度上下两部分,系统掌握完整的技术路线,并可通过替换不同算法或测试系统进一步拓展研究。
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