UVA-1252 Twenty Questions (状压DP)

题目大意:有n件物品,每件物品有m个特征,可以对特征进行询问,询问的结果是得知某个物体是否含有该特征,要把所有的物品区分出来(n个物品的特征都互不相同)最小需要多少次询问?

题目分析:定义dp(s,a)表示询问了的特征集合为s,物体含有特征集合a中的所有特征,但不含特征集合 s^a 中的所有特征时还需的最少询问次数。状态转移方程为dp(s,a)=min(max(dp(s|(1<<k),a|(1<<k)),dp(s|(1<<k),a))+1)。 用记忆化搜索的形式实现即可。

当这样的物体只有一个或一个没有时,便可区分出所有的物品,此时dp(s,a)=0。

 

代码如下:

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

const int INF=0x3f3f3f3f;

char p[13];
int dp[1<<11][1<<11],sta[130],m,n;

int getVal()
{
    int res=0;
    for(int i=0;i<m;++i)
        if(p[i]=='1')
            res|=(1<<i);
    return res;
}

int DP(int s,int a)
{
    if(dp[s][a]!=INF)
        return dp[s][a];

    int num=0;
    for(int i=0;i<n;++i)///在这里,也可以预处理出来以提高效率;
        if((sta[i]&s)==a)///"=="的优先级比"&"的高!!!
            ++num;
    if(num<=1)
        return dp[s][a]=0;

    int &ans=dp[s][a];
    for(int i=0;i<m;++i){
        if(s&(1<<i))
            continue;
        ans=min(ans,max(DP(s|(1<<i),a),DP(s|(1<<i),a|(1<<i)))+1);
    }
    return ans;
}

int main()
{
    while(scanf("%d%d",&m,&n)&&n+m)
    {
        for(int i=0;i<n;++i){
            scanf("%s",p);
            sta[i]=getVal();
        }
        memset(dp,INF,sizeof(dp));
        printf("%d\n",DP(0,0));
    }
    return 0;
}

  

转载于:https://www.cnblogs.com/20143605--pcx/p/4809868.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