luoguP4279 [SHOI2008]小约翰的游戏 Anti-SG 博弈论

AntiSG游戏理论解析
本文深入探讨了AntiSG游戏理论,解析了先手玩家在不同游戏局面下的胜利条件。通过对比Nim游戏,阐述了当游戏的sg值为0且不存在sg>1的局面时,或当sg≠0且至少存在一个sg>1的局面时,先手玩家的必胜策略。

1326433-20181220192645699-611051357.png


这就是一个Anti SG问题

当整个游戏的\(sg = 0\)时,如果不存在单一游戏局面\(sg > 1\),那么先手必胜

当整个游戏的\(sg \neq 0\)时,如果至少存在一个单一游戏局面\(sg > 1\),那么先手必胜

简略的证一下QAQ

首先证\(N\)至少有一个后继是\(P\)

  • 整个游戏的\(sg = 0\),不存在单一游戏局面\(sg > 1\)

一定有偶数个\(1\),显然先手必胜

  • 整个游戏的\(sg \neq 0\),至少存在一个单一游戏局面\(sg > 1\)

类似\(Nim\)游戏,先手一定可以选出一堆石头使得\(sg = 0\)

然后是\(P\)的后继全部都是\(N\)

  • 整个游戏的\(sg \neq 0\),不存在单一游戏局面\(sg > 1\)

一定有奇数个\(1\),显然先手必败

  • 整个游戏的\(sg = 0\),至少存在一个单一游戏局面\(sg > 1\)

由于\(sg = 0\),因此一定存在两个以上的单一游戏局面\(sg > 1\)

此时,不论先手怎么取,后继状态的\(sg\)不可能等于\(0\),并且至少存在一个单一游戏局面\(sg > 1\)


#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;

#define ll long long
#define ri register int
#define rep(io, st, ed) for(ri io = st; io <= ed; io ++)
#define drep(io, ed, st) for(ri io = ed; io >= st; io --)

#define gc getchar
inline int read() {
    int p = 0, w = 1; char c = gc();
    while(c < '0' || c > '9') { if(c == '-') w = -1; c = gc(); }
    while(c >= '0' && c <= '9') p = p * 10 + c - '0', c = gc();
    return p * w;
}

int a[50050];

int main() {
    int T = read();
    while(T --) {
        int n = read();
        rep(i, 1, n) a[i] = read();
        int flag = 0, sg = 0, win;
        rep(i, 1, n) flag += (a[i] > 1), sg ^= a[i];
        if(!flag && sg == 0) win = 1;
        else if(flag && sg != 0) win = 1;
        else win = 0;
        if(win == 1) printf("John\n");
        else printf("Brother\n");
    }
    return 0;
}

转载于:https://www.cnblogs.com/reverymoon/p/10151778.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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