[SCOI2005]骑士精神

Description

  在一个5×5的棋盘上有12个白色的骑士和12个黑色的骑士, 且有一个空位。在任何时候一个骑士都能按照骑
士的走法(它可以走到和它横坐标相差为1,纵坐标相差为2或者横坐标相差为2,纵坐标相差为1的格子)移动到空
位上。 给定一个初始的棋盘,怎样才能经过移动变成如下目标棋盘: 为了体现出骑士精神,他们必须以最少的步
数完成任务。

Input

  第一行有一个正整数T(T<=10),表示一共有N组数据。接下来有T个5×5的矩阵,0表示白色骑士,1表示黑色骑
士,*表示空位。两组数据之间没有空行。

Output

  对于每组数据都输出一行。如果能在15步以内(包括15步)到达目标状态,则输出步数,否则输出-1。

Sample Input

2
10110
01*11
10111
01001
00000
01011
110*1
01110
01010
00100

Sample Output

7
-1

提交地址:bzoj1085
乍一看就是搜索(两个点Orz),用A*算法吧!!!
看过神牛的代码,和zgx粗略的辅助性解释后,总算有了浅显的认识。。。。
如何体现快速?:预判当前递归到结束得到的值,从而判断是否进入递归,部分判断
贴代码

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
int a[6][6];
const int dx[8]={1,1,-1,-1,2,2,-2,-2};
const int dy[8]={2,-2,2,-2,1,-1,1,-1};
int w;
bool bk;
int ans[6][6]=
{
    {0,0,0,0,0,0},
    {0,1,1,1,1,1},
    {0,0,1,1,1,1},
    {0,0,0,2,1,1},
    {0,0,0,0,0,1},
    {0,0,0,0,0,0}
};
bool pd()
{
    for(int i=1;i<=5;i++)
        for(int j=1;j<=5;j++)
            if(a[i][j]!=ans[i][j])
                return false;
    return true;
}
void dfs(int x,int y,int k)
{
    if(k==w)
    {
        if(pd()) bk=true;
        return;
    }
    else
    {
        int tx,ty;
        for(int i=0;i<8;i++)
        {
            tx=x+dx[i];
            ty=y+dy[i];
            if(tx<1 || tx>5 || ty<1 || ty>5) continue;
            swap(a[x][y],a[tx][ty]);
            dfs(tx,ty,k+1);
            swap(a[x][y],a[tx][ty]);
        }
    }
}
int main()
{
    freopen("Knight.in","r",stdin);
    freopen("Knight.out","w",stdout);
    int T;scanf("%d",&T);
    while(T--)
    {
        char cc;
        int kx,ky;
        for(int i=1;i<=5;i++)
        {
            getchar();
            for(int j=1;j<=5;j++)
            {
                scanf("%c",&cc);
                if(cc=='*')
                {
                    a[i][j]=2;
                    kx=i,ky=j;
                }
                else a[i][j]=cc-'0';
            }
        }
        bk=false;
        for(w=1;w<=15;w++)
        {
            dfs(kx,ky,0);
            if(bk)
            {
                printf("%d\n",w);
                break;
            }
        }
        if(!bk) printf("-1\n");
    }
    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
参考了大神们的这题代码后,我对A*算法有了一个浅显的认识,在这一题中,A*算法起到的作用就是剪枝,若:当前走的步数+与目标矩阵相差的步数>目标步数,就不走这一步。这省了一大堆时间,如果不加的话就要不停的深搜

A*正解:

#include<cstdio>
#include<iostream>
#include<cstring>
#include<algorithm>
using namespace std;
int a[6][6];
const int dx[8]={1,1,-1,-1,2,2,-2,-2};
const int dy[8]={2,-2,2,-2,1,-1,1,-1};
int w;
bool bk;
int ans[6][6]=
{
    {0,0,0,0,0,0},
    {0,1,1,1,1,1},
    {0,0,1,1,1,1},
    {0,0,0,2,1,1},
    {0,0,0,0,0,1},
    {0,0,0,0,0,0}
};
bool pd()
{
    for(int i=1;i<=5;i++)
        for(int j=1;j<=5;j++)
            if(a[i][j]!=ans[i][j])
                return false;
    return true;
}
bool pdA(int k,int w)//A*部分判断
{
    int s=0;
    for(int i=1;i<=5;i++)
        for(int j=1;j<=5;j++)
        {
            if(a[i][j]!=ans[i][j])
            {
                s++;
                if(s+k>w) return false;
            }
        }
    return true;
}
void dfs(int x,int y,int k)
{
    if(k==w)
    {
        if(pd()) bk=true;
        return;
    }
    else
    {
        int tx,ty;
        for(int i=0;i<8;i++)
        {
            tx=x+dx[i];
            ty=y+dy[i];
            if(tx<1 || tx>5 || ty<1 || ty>5) continue;
            swap(a[x][y],a[tx][ty]);
            if(pdA(k,w)) dfs(tx,ty,k+1);//A*运用
            swap(a[x][y],a[tx][ty]);
        }
    }
}
int main()
{
    int T;scanf("%d",&T);
    while(T--)
    {
        char cc;
        int kx,ky;
        for(int i=1;i<=5;i++)
        {
            getchar();
            for(int j=1;j<=5;j++)
            {
                scanf("%c",&cc);
                if(cc=='*')
                {
                    a[i][j]=2;
                    kx=i,ky=j;
                }
                else a[i][j]=cc-'0';
            }
        }
        bk=false;
        for(w=1;w<=15;w++)
        {
            dfs(kx,ky,0);
            if(bk)
            {
                printf("%d\n",w);
                break;
            }
        }
        if(!bk) printf("-1\n");
    }
    return 0;
} 
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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