poj 2918

#include<iostream>
#include<fstream>

using namespace std;

char map[10][10];
int empty[82][2];
int a[10][10];
int b[10][10];
int c[10][10];

int ok(int s,int t){
    return (s-1)/3*3+(t-1)/3+1;
}
int len;

int dfs(int s){
    int x,y,i;
    x=empty[s][0];
    y=empty[s][1];

    if(s==len+1)
    {
       
        return 1;
    }
    for(i=1;i<=9;i++)
        if(a[x][i]==0&&b[y][i]==0&&c[ok(x,y)][i]==0)
        {
            a[x][i]=1;
            b[y][i]=1;
            c[ok(x,y)][i]=1;
            map[x][y]=i+'0';
            if(dfs(s+1)) return 1;
            a[x][i]=0;
            b[y][i]=0;
            c[ok(x,y)][i]=0;

        }
    return 0;
}


void read(){
//    ifstream cin("in.txt");
    int i,j,k;
    int cas;
    cin>>cas;
    for(k=1;k<=cas;k++)

    {
        len=0;
        memset(a,0,sizeof(a));
        memset(b,0,sizeof(b));
        memset(c,0,sizeof(c));

        for(i=1;i<=9;i++)
            for(j=1;j<=9;j++)
            {
                cin>>map[i][j];
                if(map[i][j]=='0')
                {
                    empty[++len][0]=i;
                    empty[len][1]=j;
                }
                else
                {
                    a[i][map[i][j]-'0']=1;
                    b[j][map[i][j]-'0']=1;
                    c[ok(i,j)][map[i][j]-'0']=1;
                }
            }
        dfs(1);
        cout<<"Scenario #"<<k<<":"<<endl;
        for(i=1;i<=9;i++)
        {
            for(j=1;j<=9;j++)
                cout<<map[i][j];
            cout<<endl;
        }
        cout<<endl;
    }
}

int main(){
    read();
    return 0;
}

转载于:https://www.cnblogs.com/zhaozhe/archive/2011/07/07/2099908.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