[kuangbin带你飞]专题一 简单搜索 [Cloned][NEUQ]

M - 非常可乐

大家一定觉的运动以后喝可乐是一件很惬意的事情,但是seeyou却不这么认为。因为每次当seeyou买了可乐以后,阿牛就要求和seeyou一起分享这一瓶可乐,而且一定要喝的和seeyou一样多。但seeyou的手中只有两个杯子,它们的容量分别是N 毫升和M 毫升 可乐的体积为S (S<101)毫升 (正好装满一瓶) ,它们三个之间可以相互倒可乐 (都是没有刻度的,且 S==N+M,101>S>0,N>0,M>0) 。聪明的ACMER你们说他们能平分吗?如果能请输出倒可乐的最少的次数,如果不能输出”NO”。

Input

三个整数 : S 可乐的体积 , N 和 M是两个杯子的容量,以”0 0 0”结束。

Output

如果能平分的话请输出最少要倒的次数,否则输出”NO”。

Sample Input

7 4 3
4 1 3
0 0 0

Sample Output

NO
3

思路:

设置三元组(a,b,c)为一个状态量,三个值分别为三个杯子内的可乐的量。那么一开始就是状态(S,0,0)。然后对于三个杯子,只要有杯子是不空的,就可以向另外两个杯子倒可乐。当然也要用一个三维数组记录状态,如果访问过就不再继续。

#include<bits/stdc++.h>
using namespace std;
int val[3];
bool mark[102][102][102];
struct state
{
    int cola[3];
    int t;
    state(int a,int b,int c,int times)
    {
        cola[0]=a;
        cola[1]=b;
        cola[2]=c;
        t=times;
    }
    void print()
    {
        cout<<cola[0]<<cola[1]<<cola[2]<<endl;
    }
};

int yes( state &ans)
{
    int rec[3];
    for(int i=0;i<3;i++)
    {
        rec[i]=ans.cola[i];
    }
    sort(rec,rec+3);
    if(rec[2]==rec[1]&&!rec[0]) return 1;

    if(mark[ans.cola[0]][ ans.cola[1] ][ ans.cola[2] ]==1) return 2;
    return 0;

}
int main()
{
    int a,b,c;

    while(cin>>a>>b>>c&&a&&b&&c)
    {
        memset(mark,0,sizeof(mark));
        int sum=-1;
        bool chc=0;
        val[0]=a;
        val[1]=b;
        val[2]=c;
        state now(a,0,0,0);
        queue <state> q;
        q.push(now);
        //now.print();
        mark[a][ 0 ][ 0]=1;
        while(!q.empty()&&!chc)
        {
            state tem=q.front();
            if(yes(tem)==1)
            {
                chc=1;
                sum=tem.t;
                continue;
            }
            for(int i=0;i<3;i++)
            {
                if(tem.cola[i])
                {
                    for(int j=0;j<3;j++)
                    {
                        if(j!=i)
                        {
                            state neo(0,0,0,tem.t+1);
                            neo.cola[j]=min(val[j]-tem.cola[j],tem.cola[i])+tem.cola[j];
                            neo.cola[i]=tem.cola[i]-min(val[j]-tem.cola[j],tem.cola[i]);
                            neo.cola[3-i-j]=tem.cola[3-i-j];
                           // neo.print();
                             if(yes(neo)==2)
                            {
                                //chc=1;
                                //neo.print();
                                continue;
                            }
                            //neo.print();
                            q.push(neo);
                            mark[neo.cola[0]][ neo.cola[1] ][ neo.cola[2] ]=1;
                        }
                    }
                }
            }
            q.pop();
        }

        if(sum>=0) cout<<sum<<endl;
        else cout<<"NO\n";
    }
}
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