【BFS】天棋哥哥大战AlphaGo 校OJ2395

本文介绍了一个用于计算围棋比赛中提子数量的算法。该算法通过广度优先搜索来确定玩家下一步落子后所能提掉对手棋子的最大数量。具体实现包括了棋子气的定义、提子规则及如何遍历棋盘来计算结果。

题目描述

3月15日,人机围棋大战巅峰对决在韩国首尔落下帷幕。五番棋的最后一局中,韩国著名棋手李世乭尽管与人工智能“AlphaGo”缠斗至官子阶段,但在双双进入读秒后最终还是投子认输,以总比分1∶4结束了这场举世瞩目的人机大战。
100年后的某一天,天棋哥哥为了给李世乭报仇,挽回人类尊严,代表人类向AlphaGo发起了挑战。
100年后的AlphaGo比现在强了几百倍,谷歌公司允许天棋哥哥携带一个程序与AlphaGo对战。

为了能战胜AlphaGo,现在请你帮助天棋哥哥写一个程序来判断他这一步落子后,最多能提几子。

提子规则如下:


中国围棋棋盘可以看做一个19*19的网格,每一个网格都可以下棋子。
【棋子的气】
一个棋子在棋盘上,与它直线紧邻的空点是这个棋子的“气”。
直线紧邻的点上如果有同色棋子存在,这些棋子就相互连接成一个不可分割的整体。
直线紧邻的点上如果有异色棋子存在,此处的气便不存在。棋子如失去所有的气,就不能在棋盘上存在。
【提子】
把无气之子清理出棋盘的手段叫“提子”。提子有二种:
1、下子后,对方棋子无气,应立即提取对方无气之子。
2、下子后,双方棋子都呈无气状态,应立即提取对方无气之子。

现在,给出一个局面,轮到天棋哥哥下,请计算他落子后最多能提多少子。

输入

每组测试数据19行,每行为长度19的字符串
'.'代表空格,'X'代表天棋哥哥,'O’代表AlphaGo

输出

输出一个数字,代表最多能提几子。

样例输入

...................
....XX.............
...XOOX............
.....X.............
....X..............
.....O.............
......O............
...................
...................
...................
...................
...................
...................
...................
...................
...................
...................
...................
...................

...................
....XX.............
...XO.X............
.....X.............
....X..............
.....O.............
......O............
...................
...................
...................
..................X
.................XO
..................O
..................X
...................
...................
...................
...................
...................

样例输出

2
2

#include <bits/stdc++.h>
using namespace std;

int MAX;
char ch[19][19];
int dir[4][2] = {{0, 1}, {1, 0}, {0, -1}, { -1, 0}};
queue<pair<int, int> >q;
int s[19][19];

void bfs()  //一个连通块
{
	int I, J;
	bool vis[19][19];
	int m = 0;  //O附近可放置位置
	int sum = 1; //连通块大小
	for (int i = 0; i < 19; i++)
		for (int j = 0; j < 19; j++)
			vis[i][j] = 0;

	while (!q.empty())
	{
		pair<int, int> p = q.front();
		q.pop();
		int x = p.first;
		int y = p.second;

		for (int i = 0; i < 4; i++)
		{
			int ti = x + dir[i][0];
			int tj = y + dir[i][1];

			if (ti < 0 || ti > 18 || tj < 0 || tj > 18)
				continue;

			if (ch[ti][tj] == 'O')
			{
				q.push(make_pair(ti, tj));
				ch[ti][tj] = '#';  //push时标记
				sum++;
			}
			else if (ch[ti][tj] == '.' && vis[ti][tj] == 0)
			{
				vis[ti][tj] = 1;
				I = ti, J = tj;  //唯一连通到的 . 
				m++;
				if (m > 1)   //连通到了多个 .
					return;
			}
		}
	}
	s[I][J] += sum;
	//.点可联通的各O块大小之和
	
	return;
}

int main()
{
	//freopen("D:\\4.in", "r", stdin);
	//freopen("D:\\4.out", "w", stdout);
	
	while (~scanf("%s", ch[0]))  //%sssssssss
	{
		MAX = 0;
		while (!q.empty())
			q.pop();
			
		for (int i = 0; i < 19; i++)
			for (int j = 0; j < 19; j++)
				s[i][j] = 0;

		for (int i = 1; i < 19; i++)
			scanf("%s", ch[i]);

		for (int i = 0; i < 19; i++)
		{
			for (int j = 0; j < 19; j++)
			{
				if (ch[i][j] == 'O')
				{
					while (!q.empty())  //清空队列
						q.pop();
					
					q.push(make_pair(i, j));
					ch[i][j] = '#';
					bfs();
				}
			}
		}
		
		for (int i = 0; i < 19; i++)
			for (int j = 0; j < 19; j++)
				MAX = max(MAX, s[i][j]);

		printf("%d\n", MAX);
	}

	return 0;
}

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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