bzoj 1022 SJ定理

本文介绍了Anti-SG游戏的概念及其解决方法,通过SJ定理来判断先手玩家的胜负情况,并提供了一个具体的Pascal程序实现。

  与传统的SG游戏不同的是,完成最后一个状态的人是输的,我们把这一类问题称作Anti-SG,这类问题的解决我们需要引入一个定理—SJ定理:

  对于任意一个Anti-SG游戏,如果我们规定当局面中所有的单一游戏的SG值为0时,游戏结束,则先手必胜当且仅当:(1)游戏的SG函数不为0且游戏中某个单一游戏的SG函数大于1;(2)游戏的SG函数为0且游戏中没有单一游戏的SG函数大于1。         (引自2009年国家集训队论文贾志豪论文《组合游戏概述——浅谈SG游戏的若干拓展及变形》)

  这样对于这个问题我们就可以很好的解决了:

  1、所有堆的石子数都为1且游戏的SG值为0;

  2、有些堆的石子数大于1且游戏的SG值不为0。

  只有这两种请情况下是先手必胜状态,否则为先手必败状态。

/**************************************************************
    Problem: 1022
    User: BLADEVIL
    Language: Pascal
    Result: Accepted
    Time:40 ms
    Memory:228 kb
****************************************************************/
 
//By BLADEVIL
var
    task                    :longint;
    i                       :longint;
    n                       :longint;
    a                       :array[0..100] of longint;
     
     
procedure main;
var
    i                       :longint;
    ans                     :longint;
    f                       :boolean;
begin
    read(n);
    ans:=0;
    for i:=1 to n do read(a[i]);
    for i:=1 to n do ans:=ans xor a[i];
    f:=false;
    if ans=0 then
    begin
        for i:=1 to n do if a[i]<>1 then f:=true; 
    end else
        for i:=1 to n do if a[i]>1 then f:=true;
    if (ans=0) and (not f) or (ans<>0) and (f) then writeln('John') else writeln('Brother');
end;
 
begin
    read(task);
    for i:=1 to task do main;
end.

 

转载于:https://www.cnblogs.com/BLADEVIL/p/3527310.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