八皇后问题

1——带棋盘

#include<iostream>
using namespace std;

//八皇后问题 带棋盘 

void Clear (char a[][20], int n); 
void Show (char a[][20], int n);
void Queen (char a[][20], int n, int p);
int check (char a[][20], int n, int p, int k);

int main()
{
	char a[20][20];
	int n;//皇后的个数;
	int p = 0;
	cin >> n;
	Clear(a,n);
	Queen(a, n, p);
	return 0;
}

void Clear (char a[][20], int n)
{
	int i, j;
	for (i = 0; i < n; ++i)
	{
		for (j = 0; j < n; ++j)
		{
			a[i][j] = '.';
		}
	}
}

void Show (char a[][20], int n)
{
	int i, j;
	static int count = 0;
	if(count)
	{
		putchar('\n');
	}
	cout<<"No."<<++count<<endl; 
	for (i = 0; i < n; ++i)
	{
		for (j = 0; j < n; ++j)
		{
			if(j)
			{
				cout<<' ';
			}
			cout << a[i][j];
		}
		putchar('\n');
	 } 
}

void Queen (char a[][20], int n, int p)
{
	int k;
	if(p >= n)
	{
		Show(a, n);
	}
	else
	{
		for(k = 0; k < n; ++k)
		{
			if(check(a, n, p, k))//判断可以放皇后了
			{
				a[p][k] = 'Q';//p行k列为Q
				Queen(a, n, p + 1);//下一行继续放皇后,直到放完n行 
				a[p][k] = '.'; 
			} 
		}
		
	}
}

int check (char a[][20], int n, int p, int k)
{
	int i, j;
	int ok = 1;
	for (i = p - 1; ok && i >= 0; -- i)//看这一列有没有Q
	{
		
		ok = a[i][k] != 'Q';  //这句是下面注释内容的简化 
//		if(a[i][k] == '.')
//		{
//			ok = 1;
//		}
//		else
//		{
//			ok = 0;//ok为0停止,不符合条件 
//		}
	} 
	
	for (int i = p - 1, j = k - 1; ok && i >= 0 && j >= 0; -- i, -- j)//看主对角线上部分 
	{
		ok = a[i][j] != 'Q';
	}
	
	for (i = p - 1, j = k + 1; ok && i >= 0 && j < n; -- i, ++j )
	{
		ok = a[i][j] != 'Q';
	}
	return ok; 
}

在这里插入图片描述

首先创立的棋盘是 20 X 20的大小,n皇后只需要 nXn就够了。之后先对棋盘进行清空,也就是能放棋子的位置都放置为“.”。

开始放置皇后,放置皇后的要求是该皇后的左上对角线,该列与右上对角线都没有皇后,check函数就是为了检验这个。

Queen函数应用了递归,出口就是第n行也放了皇后。


不带棋盘版

#include <iostream>
using namespace std;
//八皇后问题 不创建棋盘- - 

int a[20];//下标为行数,值为列数;
int f1[20];// 对应列是否有皇后;
int f2[39];//主对角线
int f3[39];//副对角线
int n;//皇后丶个数 
int p;//行数
int count = 0;

void Queen(int p); 
void show();

int main()
{
	cin >> n;
	Queen(0);//第0 行; 
	return 0;
} 

void Queen(int p)
{
	int i, j;
	int d1, d2, d3;
	if(p >= n)
	{
		show(); 
	}
	else
	{
		for (a[p] = 0; a[p] < n; ++a[p])
		{
			d1 = a[p];
			d2 = n - p + a[p] - 1;//副对角线行列有什么规律
			d3 = p + a[p];//主对角线规律
			if(!f1[d1] && !f2[d2] && !f3[d3])//对应线上的位置是空的,可以放置皇后
			{
				f1[d1] = f2[d2] = f3[d3] = 1;//表示这个位置被占了
				Queen(p + 1);
				f1[d1] = f2[d2] = f3[d3] = 0;
			} 
		}
	}	
} 

void show()
{

	int i, j;
	if(count)
	{
		putchar('\n');
	}
	++count;
	cout << "No." <<count <<endl;
	for (i = 0; i < n; ++ i)
	{
		for (j = 0; j < n; ++ j)
		{
			if(j)
			{
				putchar(' ');
			}
			putchar(j == a[i] ? 'Q' : '.');//如果列号和a[i]相同,i行a[i]列可放置 
		}
		putchar('\n');
	}
}

在这里插入图片描述

关键就是找 列 主对角线 副对角线 行与列之间的关系了;

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
在机器人技术领域,机器人操作系统(ROS)的演进为各类应用提供了关键支撑。计算机视觉与增强现实的结合,进一步拓展了机器人的感知与交互能力。OpenCV作为广泛使用的视觉处理库,集成了多种图像分析与模式识别算法。其中,Aruco标记系统作为一种基于二维码的视觉标识,因其识别稳定、计算高效的特点,被广泛应用于空间定位、姿态估计及增强现实场景的虚实融合。 Aruco标记通过预定义的编码图案,可在复杂环境中实现快速检测与高精度位姿解算。这一特性使其在自主导航、三维重建、目标跟踪等任务中具有重要价值。例如,在移动机器人定位中,可通过布设标记点辅助实现厘米级的位置修正;在增强现实应用中,则能依据标记的空间姿态准确叠加虚拟信息。 针对ROS2框架,现已开发出集成OpenCV的Aruco标记检测与位姿估计工具包。该工具能够实时处理图像流,识别标记的独特编码,并解算其相对于相机坐标系的三维位置与旋转姿态。结果可通过ROS2的话题或服务接口发布,为其他功能模块提供实时视觉反馈。工具包兼容多种标准标记字典,用户可根据实际场景的复杂度与识别范围需求,灵活选择不同尺寸与编码数量的标记集合。 将Aruco检测模块嵌入ROS2系统,可充分利用其分布式通信机制与模块化架构。开发者能够便捷地将视觉定位数据与运动规划、控制决策等模块相融合,进而构建更为综合的机器人应用系统。例如,结合点云处理技术可实现动态环境的三维建模,或与机械臂控制器联动完成基于视觉引导的精准抓取操作。 该开源工具的推出,降低了在ROS2中部署视觉定位功能的技术门槛。通过提供稳定、可配置的标记识别与姿态解算方案,它不仅促进了机器人视觉应用的快速原型开发,也为后续在工业自动化、服务机器人、混合现实等领域的深入应用奠定了技术基础。随着感知算法与硬件性能的持续提升,此类融合视觉、增强现实与机器人中间件的工具包,将在智能化系统的构建中发挥日益重要的作用。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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