POJ 1753 枚举二进制+BFS

8 篇文章 0 订阅
6 篇文章 0 订阅

搜了一下枚举的题 网上说这题特别经典 这是参考别人的代码,做个模板,运用二进制来保存棋盘,但一旦棋盘规模增大这种算法还是不行,再研究一下DFS的算法。

#include <iostream>
 #include <queue>

  using namespace std;

  int step[65535];  //记录步骤
 bool flag[65535];  //防止重复搜索

 unsigned short qState[65535]; //搜索的状态,正好可以用一个16位的无符号短整形表示
 int rear = 0; //队列尾指针
 int top = 0; //队列头指针

 ///初始化:读入棋盘初始状态并把它转化为整数存入队列头,黑的位为1白的为0
 void Init()
 {
     unsigned short temp = 0;
     char c;

     for(int i=0; i < 4; i++)
         for(int j = 0; j < 4; j++)
         {
             cin>>c;
             if('b' == c)
                 temp |= (1<<(i*4+j));
         }

     qState[rear++] = temp;
     flag[temp]  = true;
 }

 ///翻转一个棋子并按规则对齐周围棋子附加影响
 unsigned short move(unsigned short state, int i)
 {
     unsigned short temp=0;
     temp |= (1<<i);
     if((i+1)%4 != 0) //右,且不在最右边
         temp |= (1<<(i+1));
     if(i%4 != 0) //左,且不在最左边
         temp |= (1<<(i-1));
     if(i+4 < 16) //下
         temp |= (1<<(i+4));
     if(i-4 >= 0) //上
         temp |= (1<<(i-4));

     return (state ^ temp);
 }

 //广度优先搜索,从队列中循环取出状态,并把翻转16次(即所有情况),一旦发现满足要求的立即停止,否则加入队列
 bool BFS()
 {
     while(rear > top)
     {
         unsigned short state = qState[top++];
         //qState.pop();
         for(int i=0; i < 16; i++)
         {
             unsigned short temp;
             temp = move(state,i);
             if(0 == state || 65535 == state)
             {
                 cout<<step[state];
                 return true;
             }
             else if(!flag[temp]) //防止重复搜索
             {
                 //qState.push(temp);
                 qState[rear++] = temp;
                 flag[temp] = true;
                 step[temp] = step[state]+1;
             }
         }
     }

     return false;
 }

 int main(void)
 {

     Init();
     if(!BFS()) cout<<"Impossible";

     char c;
     cin>>c;
 }

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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