pku 2234(Matches Game)解题报告

题目链接地址http://acm.pku.edu.cn/JudgeOnline/problem?id=2234

此题为随机博弈题目。随机博弈指的是这样的一个博弈游戏,目前有任意堆石子,每堆石子个数也是任意的,双方轮流从中取出石子,规则如下:

1〉每一步应取走至少一枚石子;每一步只能从某一堆中取走部分或全部石子;

2〉如果谁取到最后一枚石子就胜

也就是尼姆博弈(Nimm Game)这种博弈的最终状态是:最后剩下一堆石子,当前取石子的人一次取完剩下的全部石子获胜。当石子剩下两堆,每堆1颗的时候,当前取的人显然必败;再来讨论一种情况,当石子剩下两堆,其中一堆只剩下1颗,另一堆剩下多于1颗石子时,当前取的人只需将多于1颗的那一堆取到剩余1颗,则局面变为刚才提到的必败局面。这个过程就是当前取石子的人如果有必胜策略,那么就迫使局面由必胜局面转化到必败局面,也就是说如果当前的局面是必败局面,那么经过2次取,局面又回到必败局面。无穷下降法不同于反证法之处也在此:在“下降”的过程中,状态一直保持不变(在证明费马猜想n=4的情形时,状态就是该三元组是方程的解);而在随机博弈过程中,状态即局面,下降的是石子数目,由于石子总数目一直在减少,因此最终会“下降”到终极必败状态:最后一颗石子已经被胜者拿走,当前没有石子剩余。现在的问题是:

1〉确定一个方法(或者称之为一个从某一局面映射集合{必胜局面,必败局面}的函数),能够快速判断出当前局面是否为必胜(必败)局面;

2〉是否存在一种满足规则的转化状态方法(或者称之为一个从必胜局面映射到必败局面的函数),满足只要当前不是必败局面,取一次后均可以转化到必败局面。

如果仅仅是两堆石子,那么上述两个问题很好解决:

1〉当两堆石子数目相等的时候,当前局面为必败局面,否则为必胜局面,显然,两堆均为0颗是满足这个方法的;

2〉如果当前局面是必胜局面,那么从石子较多的那一堆里面取,使得两堆石子数相等,这样便转化到了必败局面。

然而,对多于两堆石子,1〉可以照旧,但是这样一来2〉远远没有这么简单,因为不太可能取后使得所有堆数目都一样(除非除了石子最多的一堆之外其它所有堆石子数目都相等)。因此需要找一组更加有效的方法,有个叫张一飞的人作过这个研究,他想到的方法是这样的:

1〉把所有堆的石子数目用二进制数表示出来,当全部这些数按位异或结果为0时当前局面为必败局面,否则为必胜局面;

2〉(定理0)一组自然数中必然存在一个数,它大于等于其它所有数按位异或的结果。因此在必胜局面下,因为所有数按位异或的结果是大于零的,那么通过一次取,将这个(大于其它所有数按位异或的结果的)数下降到其它所有数按位异或的结果,这时局面就变为必败局面了。

有了上述理论只是,此题就很简单了。

代码:

#include<iostream>

using namespace std;

int main()

{

       int N;

       int i;

   long int a[23];

       int sum;

       while(cin>>N)

       {

              for(i=0; i<N; i++)

                     cin>>a[i];

           sum=a[0];

              for(i=1; i<N; i++)

                     sum=sum^a[i];

              if(sum==0)

                     cout<<"No"<<endl;

              else

                     cout<<"Yes"<<endl;

       }

       return 0;

}

值得一题的是有个取石子游戏与此题很相似,不过不同的是取石子游戏是二堆,并且可以同时在二堆上取相同数目的石子。那是用黄金分割判断

#include<iostream>

Using namespace std;

#include <math.h>

int main()

{

    int a,b,k,temp,data;

    while(cin>>a>>b)

          {

                if(a>b){

                    temp=b;

                    b=a;

                    a=temp;

                   }

                  k =b-a;

                  data=(floor)(k*(1.0+sqrt(5))/2.0);

                  if(a==data)

                     cout<<”0”<<endl;

                   else

                      cout<<”1”<<endl;

          }

          return 0;

}  

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: PKU VehicleID数据集是由北京大学智能交通与多媒体实验室提供的一个用于车辆识别的图像数据库。该数据集包含了车辆在不同环境、不同拍摄条件下的图像,旨在用于车辆相关研究的数据训练和测试。 PKU VehicleID数据集收集了超过8万辆车的图像,涵盖了2000多个车型和16000多个车例。这些图像是在不同的拍摄条件下捕捉到的,包括不同的光照、天气、角度和距离。这使得该数据集在车辆识别和相关研究领域具有较高的多样性和可用性。 PKU VehicleID数据集不仅提供了车辆图像,还包含了车辆的标注信息,如车辆类型、颜色、品牌等。这些标注信息为研究者提供了更多的可用数据,可以辅助他们进行车辆特征识别、车辆分类等相关研究。 PKU VehicleID数据集可以广泛应用于车辆识别、车辆检测、交通监控等领域的研究和实践中。通过利用该数据集,研究者可以进行车辆模型的建立与识别、车辆行为的分析与预测等工作,从而为智能交通和城市管理提供更好的技术支持和决方案。 综上所述,PKU VehicleID数据集是一个丰富的车辆图像数据库,它提供了大量的车辆图像和标注信息,为车辆识别和相关研究领域的研究者提供了重要的资源和工具。通过该数据集的应用,我们可以更好地理和研究车辆特征识别、车辆分类等问题,为智能交通和城市管理带来更多的创新和进步。 ### 回答2: PKU VehicleID数据集是由北京大学人工智能与自动化研究所于2016年发布的一个车辆检测和识别的数据集。这个数据集主要包含了来自北京市道路监控系统的车辆图像和相关的车辆属性信息。 PKU VehicleID数据集的特点主要有以下几点。首先,该数据集包含了非常大量的车辆图像,总计约50万张,涵盖了丰富的场景和车型样本。其次,这些图像都是以野外真实道路监控视频截取得到的,具有较高的真实性和复杂性。此外,数据集中的每一辆车都被分配了一个唯一的ID号码,用于标识和跟踪车辆。最后,PKU VehicleID数据集还提供了诸如车辆类型、颜色、品牌等属性信息,方便进行车辆属性识别和分类任务。 PKU VehicleID数据集在车辆检测、跟踪和识别领域有着广泛的应用价值。通过利用这个数据集,可以开展车辆检测算法的研究和性能评估。同时,也可以进行车辆属性识别、车型分类等应用任务的研究。这个数据集的发布对于提升车辆智能监控和交通管理系统的性能具有重要意义。此外,PKU VehicleID数据集还可以为自动驾驶、交通安全和交通流量分析等领域的研究提供有价值的实验数据基础。总之,PKU VehicleID数据集是一个丰富而有用的资源,为车辆相关研究提供了有力的支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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