uva 307 Sticks

DFS剪枝技巧解析
本文深入探讨了一道经典的深度优先搜索(DFS)题目,并详细解释了如何通过有效的剪枝策略来优化算法性能,避免超时问题。通过对代码的逐行分析,揭示了剪枝的关键点及其背后的原理。

这道题目的剪枝比较困难,我超时了无数次,重要的剪枝的地方都写在注释里面了,看来dfs的剪枝还是很考技术的。

#include <stdio.h>
#include <algorithm>
using namespace std;
#define		MAX		1000

int stick[MAX];
bool visited[MAX];

int cmp(const void *a, const void *b)
{
	return *((int*)b) - *((int*)a);
}

bool dfs(int cur, int start, int last_sum, int max_pos, int target_length)
{
	int i, j, cur_length;

	//printf("dfs(%d,%d,%d,%d,%d)\n", cur, start, last_sum, max_pos, target_length);

	if(cur == max_pos+1)
	{
		return true;
	}

	for(i=start; i<=max_pos; i++)
	{
		if(visited[i])
			continue;

		cur_length = last_sum + stick[i];
		if(cur_length < target_length)
		{
			visited[i] = true;
			if(dfs(cur+1, i+1, cur_length, max_pos, target_length))
				return true;

			//在cur位置继续换下一个可能的数值
			visited[i] = false;
			for(j=i+1; j<=max_pos; j++)
			if(stick[j] != stick[i])
				break;
			i = j-1;
		
		}
		else if(cur_length == target_length)
		{
			visited[i] = true;
			if(dfs(cur+1, 1, 0, max_pos, target_length))
				return true;

			visited[i] = false;
			//就算接下来在cur位置换上一样的数值使得cur_length==target_length成立,还是没有办法递归到最后,所以直接返回false
			return false;
		}
		//cur_length>target_length时,继续换下一个可能的数值
		//如果这一组的第一根小木棒不能够和后面的小木棒组成一根长木棒,那么这根小木棒将永远不能够被用到,最后就会差一根小木棒
		// 这是最重要的一个剪枝,因为它在解答树的递归深度还比较浅的时候就已经进行剪枝了,所以剪枝的效果最好
		if(last_sum == 0)
			return false;	
	}

	return false;
}

bool is_possible(int target_length, int stick_num)
{
	//printf("is_possible(%d,%d)\n", target_length, stick_num);

	for(int i=1; i<=stick_num; i++)
		visited[i] = false;
	if(dfs(1, 1, 0, stick_num, target_length))
		return true;
	else
		return false;
}

void func(int n, int sum_length, int max_length)
{
	int i;

	qsort((void*)(stick+1), n, sizeof(int), cmp);

	for(i=max_length; i<=sum_length; i++)
	{
		if(sum_length%i==0)
		{
			if(is_possible(i, n))
			break;
		}
	}

	printf("%d\n", i);
}

int main(void)
{
	int n, i;
	int sum_length, max_stick;

	//freopen("input.dat", "r", stdin);

	while(scanf("%d", &n), n)
	{
		sum_length = 0;
		max_stick = 0;
		for(i=1; i<=n; i++)
		{
			scanf("%d", stick+i);
			if(max_stick < stick[i])
				max_stick = stick[i];
			sum_length += stick[i];
		}
		func(n, sum_length, max_stick);
	}

	return 0;
}


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