UVA 10118 dfs

本文介绍了一个基于深度优先搜索的糖果匹配算法。该算法通过递归地尝试将不同堆中的糖果进行匹配,目标是在有限的步数内获取最多的糖果对。文章详细展示了如何利用记忆化搜索优化递归过程,避免重复计算,提高算法效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

/*有四堆糖果 每堆糖果都是n个  并且糖果用一个<=20的数来表示,问一个人拿着一个篮子 篮子的容量是5 一旦拿的这个和篮子里的相等,就把篮子里的这个拿出来 要不然就把拿的这个放进篮子里 问最大你能拿到多少对*/
#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<algorithm>
#include<cmath>
#include<queue>
#include<stack>
#include<map>
#include<set>
#include<vector>
using namespace std;
typedef long long ll;
typedef pair<int,int> pp;
#define inf 0x3f3f3f3f
#define eps 1e-10
#define maxl 100010
#define mem(i,j) memset(i,j,sizeof(i))
const int mod=1e9+7;
const double pi=acos(-1);
int d[44][44][44][44];//表示的就是每个篮子里面还有多少个时候的最大对数  所以初始状态为d[0][0][0][0]
int a[44][44];
int vis[24];
int n;
int dfs(int step,int num[]){
    int &ans=d[num[0]][num[1]][num[2]][num[3]];//前面记忆化剪枝
    if(ans>=0) return ans;
    if(step>=5) return 0;
    ans=0;
    for(int i=0;i<4;i++){
        int l[4];
        for(int j=0;j<4;j++) l[j]=num[j];//用来改变状态
        l[i]++;
        if(l[i]>n) continue;
        if(vis[a[l[i]][i]]){ //判断成对的话只要标记就好了 注意标记的改变
            vis[a[l[i]][i]]=0;
            ans=max(ans,dfs(step-1,l)+1);
            vis[a[l[i]][i]]=1;//这里改回来只是为了下一次用的时候不用再初始化
        }
        else{
            vis[a[l[i]][i]]=1;
            ans=max(ans,dfs(step+1,l));
            vis[a[l[i]][i]]=0;
        }
    }
    return ans;
}

int main()
{
    freopen("in.txt", "r", stdin);
    while(cin>>n&&n){
        memset(d,-1,sizeof(d));
     //   memset(vis,0,sizeof(vis));
        for(int j=1;j<=n;j++)//注意这里的输入
            for(int i=0;i<4;i++)
               cin>>a[j][i];
        int c[4]={0};
        printf("%d\n",dfs(0,c));
    }
}

内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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