搜索+剪枝——POJ 1011 Sticks

非常经典的搜索题目,第一次做还是暑假集训的时候,前天又把它翻了出来,本来是想找点手感的,不想在原先思路的基础上,竟把它做出来了而且还是0ms过得。仔细想想,对搜索又有了一点点认识。
    题目要求将一系列的sticks重新组合,形成若干相等相等长度的木棒,且尽量使木棒长度最小,如果数据量比较小的话,就纯粹是搜索了,但题目要求的 sticks可能达到64根,如果纯粹的搜索则显然是会远远超过1000ms的,因而也就把剪枝放在了很重要的位置。从第一根stick开始,寻找下一根 stick使两者的长度小于等于木棒的长度,然后再寻找下一根stick,直到和为一根木棒的长度;然后又从一根没有被使用的stick开始进行下一根木棒的组合。概括一点说,就是一个深度优先搜索。
    做完这个题目之后,仔细想了想,觉得之前没有做出来最主要的原因就出在回溯上,因为对于dfs最初使用的的返回类型是void,当某种情况不行,需要回溯到上一层时,我就会很急地使用return语句,这个时候并没有回溯到上一层,而是退出了函数;另外,也要告诫自己要控制好变量,就这个题目而言,开始也有地方的那个used值并没有做好处理。致使最后有时候会出现一些莫名其妙的结果,与产生错误的提示信息。也走了那条从TLE到WA,再到AC的路,但还是学到了很多东西。
#include <iostream>
#include <algorithm>
using namespace std;

int sticks[64], n, len, num;
bool used[64];

bool compare(int a, int b)
{
	return a > b;	
}

bool dfs(int cur, int left, int level) 
{	//cur: 当前已经计算的木棒编号,left:该段还剩的长度,level:已经成功的木棒数
	if(left == 0)
	{//匹配一根木棒成功
		if(level == num-2)
			return true;
		for(cur = 0; used[cur]; cur++)
			;
		used[cur] = true;
		if(dfs(cur+1, len-sticks[cur], level+1))
			return true;
		used[cur] = false;
		return false;
	}
	else
	{
		if(cur >= n-1)
			return false;
		for(int i = cur; i < n; i++)
		{
			if(used[i])
				continue;
			if((sticks[i] == sticks[i-1]) && !used[i-1])
				continue;	
			if(sticks[i] > left)
				continue;
			used[i] = true;
			if(dfs(i, left-sticks[i], level))
				return true;
			used[i] = false;
		}	
		return false;
	}
}

int main()
{
	while(cin>>n)
	{
		if(n == 0)
			break;
		int sum = 0;
		for(int i = 0; i < n; i++)
		{
		 	scanf("%d", &sticks[i]);
		 	sum += sticks[i];
		}
		sort(sticks, sticks+n, compare); //由大到小排序	
		bool end = false;
		for(len = sticks[0]; len <= sum/2; len++)
		{
			if(sum%len == 0)
			{
				used[0] = true;
				num = sum/len;
				if(dfs(0, len-sticks[0], 0))
				{
					end = true;
					printf("%d\n", len);
					break;	
				}	
				used[0] = false;
			}	
		}
		if(!end)
			printf("%d\n", sum);
		memset(used, 0, sizeof(used));
	}
	//system("pause");
	return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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