HDU.1495 非常可乐 (BFS)

题意分析

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”。

BFS时有6种操作,分别是S->M,S->N,N->S,N->M,M->S,M->N。每次讲这6中情况放入队列,遇到结果输出即可。

若被分的可乐为奇数,那么无法平分,因为给出的可乐都是整数。

代码总览

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <queue>
#define nmax 105
#define inf 1000000
using namespace std;
bool visit[nmax][nmax][nmax];
typedef struct{
    int n;
    int m;
    int s;
    int times;
//    int type;
}mes;
int N,M,S,ans,Target;
void bfs()
{
    queue<mes> q;
    while(!q.empty()) q.pop();
    mes temp = {0,0,S,0},head;
    temp.n = temp.m = temp.times = 0;
    temp.s = S;
    memset(visit,0,sizeof(visit));
    visit[temp.n][temp.m][temp.s] = true;
    q.push(temp);
    while(!q.empty()){
        head = q.front();q.pop();
        if((head.m == Target && head.n == Target) || (head.m == Target && head.s == Target) || (head.n == Target && head.s == Target)){
            ans = head.times;
            return;
        }

        for(int i = 0;i<6;++i){
            temp = head;
            if(i == 0){// S->N
                if(head.s + head.n < N){
                    temp.n = head.s + head.n;
                    temp.s = 0;
                }else{
                    temp.n = N;
                    temp.s = head.s + head.n - N;
                }
            }else if(i == 1){// S->M
                if(head.s + head.m < M){
                    temp.m = head.s + head.m;
                    temp.s = 0;
                }else{
                    temp.m = M;
                    temp.s = head.s + head.m - M;
                }
            }else if(i == 2){// N->S
                if(head.s + head.n < S){
                    temp.n = 0;
                    temp.s = head.s + head.n;
                }else{
                    temp.n = head.s + head.n - S;
                    temp.s = S;
                }
            }else if( i == 3){// M->S
                if(head.s + head.m < S){
                    temp.m = 0;
                    temp.s = head.s + head.m;
                }else{
                    temp.m = head.s + head.m - S;
                    temp.s = S;
                }
            }else if(i == 4){// N->M
                if(head.m + head.n < M){
                    temp.n = 0;
                    temp.m = head.m + head.n;
                }else{
                    temp.m = M;
                    temp.n = head.m + head.n - M;
                }
            }else if(i == 5){// M->N
                if(head.m + head.n < N){
                    temp.n = head.m + head.n;
                    temp.m = 0;
                }else{
                    temp.n = N;
                    temp.m = head.m + head.n - N;
                }
            }
            if(!visit[temp.n][temp.m][temp.s]){
                visit[temp.n][temp.m][temp.s] = true;
//                temp.type = i;
                temp.times = head.times +1;
                //printf("%d %d %d %d %d\n",temp.n,temp.m,temp.s,temp.times,temp.type);
                q.push(temp);
            }
        }
    }
}
int main()
{
//    freopen("out.txt","w",stdout);
    while(scanf("%d %d %d",&S,&N,&M) != EOF){
        if(N == 0 && M == 0 && S == 0) break;
        if(S%2 !=0){
            printf("NO\n");
            continue;
        }
//        printf("N M S TIME\n");
//        printf("%d %d %d\n",N,M,S);
        ans = inf;
        Target = S/2;
        bfs();
        if(ans == inf) printf("NO\n");
        else printf("%d\n",ans);
    }
    return 0;
}
  • 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
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