[省选] [BFS] [HLOI2016] 黑白棋

2 篇文章 0 订阅

问题描述 Description

有这样一种有趣的棋类游戏,假设有一个 N × N N\times N N×N方格的棋盘,棋盘中存在障碍格,即该格子不能放置棋子。棋盘上有若干个白色棋子和黑色棋子随机摆放,每个格子只能放一个棋子。现在你知道棋盘的初始状态和最终状态,请问最少需要移动几次棋子才能从初始状态达到最终状态。棋子的移动规则如下:

  1. 每次选择1枚棋子进行移动。
  2. 必须先移动白棋,按照先白棋后黑棋的顺序交替进行。
  3. 每次选择的棋子可以在水平、垂直以及对角线共计8个方向中的任意方向上移动,棋子每次移动只有当遇到棋盘边界,棋盘中的障碍或者其他的棋子时才会停止。
  4. 棋盘中的障碍格不能移动。

输入 Input

第一行给出 N N N
接下来输入包括 2 × N 2\times N 2×N行,每行 N N N个字符。前 N N N行表示棋盘的初始状态,后 N N N行表示棋盘的最终状态。
字符w表示白色棋子,字符b表示黑色棋子,字符#表示棋盘中的障碍,字符*表示棋盘中的空格。保证黑白棋子数相等。

输出 Output

输出最少需要移动的次数,如果不能从初始的状态移动到最终的状态输出 − 1 -1 1

样例输入 Sample Input

3
wb
#w
b
*
b
w
#w*
**b

样例输出 Sample Output

5

限制 Limits

对于 20 % 20\% 20%的数据,保证 N = 2 N=2 N=2
对于 50 % 50\% 50%的数据,保证 2 ≤ N ≤ 3 2\le N\le 3 2N3
对于 100 % 100\% 100%的数据,保证 2 ≤ N ≤ 4 2\le N\le 4 2N4
Time Limit : 5 s 5s 5s & Memory Limit : 256 M B 256MB 256MB

在做题之前,请注意这句话:
棋子每次移动只有当遇到棋盘边界,棋盘中的障碍或者其他的棋子时才会停止。
我也不知道为什么要注意这句话
听说考试的时候有人被坑了?
5 s 5s 5s不虚,直接BFS,再搞搞状态描述。棋盘上状态可以用 n 2 n^2 n2位的三进制数描述(分别是w,b,*。#可以忽略并特殊标记),最大的状态是 ∑ i = 1 16 3 i + 1 \sum_{i=1}^{16}3^{i+1} i=1163i+1,用哈希大法搞定判重即可。
题解中给出了用Tire树完成这种哈希的方法,挺神的。不过我觉得还是直接点好
关于先移动白棋,再移动黑棋,可以发现,奇数步移动白棋,偶数步移动黑棋,这样就可以根据步数的奇偶性判断应该移动的棋子。
时间玄学。
Code

•Alpha-Beta剪枝(Alpha-Beta pruning) 对于一般的最大最小搜索,即使每一步只有很少的下法,搜索的位置也会增长非常快;在大多数的中局棋形中,每步平均有十个位置可以下棋,于是假设搜索九步(程序术语称为搜索深度为九),就要搜索十亿个位置(十的九次方),极大地限制了电脑的棋力。于是采用了一个方法,叫“alpha-beta剪枝”,它大为减少了检测的数目,提高电脑搜索的速度。各种各样的这种算法用于所有的强力Othello程序。(同样用于其他棋类游戏,如国际象棋和跳棋)。为了搜索九步,一个好的程序只用搜索十万到一百万个位置,而不是没用前的十亿次。 •估值 这是一个程序中最重要的部分,如果这个模块太弱,则就算算法再好也没有用。我将要叙述三种不同的估值函数范例。我相信,大多数的Othello程序都可以归结于此。 棋格表:这种算法的意思是,不同的棋格有不同的值,角的值大而角旁边的格子值要小。忽视对称的话,棋盘上有10个不同的位置,每个格子根据三种可能性赋值:黑棋、白棋和空。更有经验的逼近是在游戏的不同阶段对格子赋予不同的值。例如,角在开局阶段和中局开始阶段比终局阶段更重要。采用这种算法的程序总是很弱(我这样认为),但另一方面,它很容易实现,于是许多程序开始采用这种逼近。 基于行动力的估值:这种更久远的接近有很强的全局观,而不像棋格表那样局部化。观察表明,许多人类玩者努力获得最大的行动力(可下棋的数目)和潜在行动力(临近对手棋子的空格,见技巧篇)。如果代码有效率的话,可以很快发现,它们提高棋力很多。 基于模版的估值 :正如上面提及的,许多中等力量的程序经常合并一些边角判断的知识,最大行动力和潜在行动力是全局特性,但是他们可以被切割成局部配置,再加在一起。棋子最少化也是如此。这导致了以下的概括:在估值函数中仅用局部配置(模版),这通常用单独计算每一行、一列、斜边和角落判断,再加在一起来实现。 估值合并:一般程序的估值基于许多的参数,如行动力、潜在行动力、余裕手、边角判断、稳定子。但是怎么样将他们合并起来得到一个估值呢?一般采用线性合并。设a1,a2,a3,a4为参数,则估值s:=n1*a1+n2*a2+n3*a3+n4*a4。其中n1,n2,n3,n4为常数,术语叫“权重”(weight),它决定了参数的重要性,它们取决于统计值。
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