互不侵犯的king

探讨在N×N的棋盘中放置K个国王,使其互不攻击的摆放方案数量。通过优化代码实现高效求解,适用于1≤N≤9,0≤K≤N*N的情况。

第二次做这道题,感觉思路清晰了很多~

题目描述

在N×N的棋盘里面放K个国王,使他们互不攻击,共有多少种摆放方案。国王能攻击到它上下左右,以及左上左下右上右下八个方向上附近的各一个格子,共8个格子。

输入格式:

只有一行,包含两个数N,K ( 1 <=N <=9, 0 <= K <= N * N)

输出格式:

所得的方案数

样例

输入 3 2

输出 16

附上蒟蒻的代码

#include<bits/stdc++.h>
#define re return
#define st static
#define mem(A,B) memset((A),(B),sizeof(A))
#define Min(A,B) (A)<(B)?(A):(B)
#define Max(A,B) (A)<(B)?(A):(B)
#define inc(i,l,r) for(int i=l;i<=r;++i)
#define dec(i,l,r) for(int i=l;i>=r;--i)
 
using namespace std;
template<typename T>inline void read(T&x)
{
	char c;bool f=0;
	while((c=getchar())<'0'||c>'9')if(c=='-')f=1;
	x=c^48;
	while((c=getchar())>='0'&&c<='9')x=(x<<3)+(x<<1)+(c^48);
	if(f) x=-x;
}

template<typename T>void put(T x)
{
	if(x>9)put(x/10);
	putchar(x%10+48);
}

template<typename T>inline void write(const T x)
{
	if(x<0)putchar('-'),put(-x);
	else put(x);
} 

long long  king,ans=0,n,size,si[520],gs[520],f[10][520][30];
//long long 是个好东西,为此交了9次的我~~~

void js(int x)
{
	si[++size]=x;
	while(x)
	{
		if(x&1)gs[size]++;
		x>>=1;//注意!!!x>>1无效
	}
}

int main()
{
	read(n),read(king);
	if(king<=25)//9*9的棋盘上最多有25个国王
	{
		inc(i,0,(1<<n)-1)//这里可以进一步优化,但有一种懒叫做懒得不想呼吸
		if(!(i&(i<<1)))js(i);//判断是否有相邻的king存在,并塞选出每一行的可能方案

		inc(i,1,size)
		f[1][si[i]][gs[i]]=1;//可以选在f[0][1][0]=1,将i=1扔在下面
	
		inc(i,2,n)
		inc(j,1,size)
		inc(k,1,size)
		{
	 	 	if((si[j]&si[k])||(si[j]&(si[k]<<1))||(si[j]&(si[k]>>1)))continue;
		  	dec(ss,king,gs[j])
			   f[i][si[j]][ss]+=f[i-1][si[k]][ss-gs[j]];
		}
	    /*常规方案统计一波*/

		inc(i,1,size)
		ans+=f[n][si[i]][king];
	}
	printf("%lld",ans);
	re 0;
}

听隔壁大佬说这道题可以开二维,在下先溜了

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 1
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