威佐夫博弈(2堆)--取石子游戏(将胜态转变成必败态)

http://acm.hdu.edu.cn/showproblem.php?pid=2177

 

 

分析思路见注释:

 

#include <iostream>
#include <cmath>
using namespace std;

int main()
{
    long long a,b,i;
    double t=(sqrt(5)+1)*1.0/2.0;
    while(cin>>a>>b)
    {
        if(a==0&&b==0) break;
        if(a>b)
        {
            a=a+b;
            b=a-b;
            a=a-b;
        }
        long long k=b-a;
        if(a==(int)(t*k)) 
            cout<<"0"<<endl;
        else
        {
            cout<<"1"<<endl;
            long long a_,b_;
            for(i=1;i<=a;i++)   //在两堆中拿走相同个数的石子,判断是否满足必败态
            {
                a_=a-i;
                b_=b-i;
                if(a_==(int)(t*k))
                {
                    cout<<a_<<" "<<b_<<endl;
                    break;
                }

            }

            for(i=1;i<=a;i++)   //只在a堆中拿石子
            {
                a_=a-i;
                b_=b;
                if(a_==(int)(t*(k+i)))
                {
                    cout<<a_<<" "<<b_<<endl;
                    break;
                }
            }
            if(a!=b)                              //a==b时与前面的a递减得到的结果会重复,如5,5前面已得到3,5,后面不需重复考虑
            {
                for(i=1;i<=b;i++)
                {
                    a_=a;
                    b_=b-i;
                    if(a_==(int)(t*(k-i)))         //a_仍然<b_时
                    {
                        cout<<a_<<" "<<b_<<endl;
                        break;
                    }
                    else if(b_==(int)(t*(i-k)))   //b_递减当b_<a_时
                    {
                        cout<<b_<<" "<<a_<<endl;
                        break;
                    }
                }
            }
        }
    }
    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,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