[Acwing] 最小步数模型 1107. 魔板

1107. 魔板

题意:

顺时针写着八个数

在这里插入图片描述

tips

字典序不会为难你,只是出题人方便评测而已

区别(和最短路的区别)

这是状态到状态的最小步数,

而不是某点到某点的 最下步数

存状态

一般用hash来存状态
使用map 进行hash (map和under_map不差)
(这题也可以用康托展开)

字典序的处理

证明难度异常Emm,结论如此简单
我们处理的时候
只需要先A再B然后C的顺序
那么一定可以得到最小字典序

code(含注释):

#include <bits/stdc++.h>
using namespace std;
char g[2][4];///用来存储魔方
struct node
{
    char x;
    string y;
};
unordered_map<string,node> pre;
unordered_map<string,int> dist;
void set1(string state)
{
    for(int i=0;i<4;i++)
    g[0][i] = state[i];
    for(int i = 7,j=0;j<4;i--,j++)
    g[1][j] = state[i];
}
string get()
{
    string res;
    for(int i=0;i<4;i++)
    res+=g[0][i];
    for(int i=3;i>=0;i--)
    res+=g[1][i];
    return res;

    ///顺时针
}
string move0(string state)
{
    set1(state);
    for(int i=0;i<4;i++)
    swap(g[0][i],g[1][i]);
    return get();
}

string move1(string state)
{
    set1(state);
    int v0 =g[0][3];///记录最后一列
    int v1 =g[1][3];///

    for(int i=3;i>=0;i--)
    {
        g[0][i] = g[0][i-1];
        g[1][i] = g[1][i-1];
    }
    g[0][0] = v0,g[1][0] = v1;
    return get();
}
string move2(string state)
{
    set1(state);
    int v = g[0][1];
    g[0][1] = g[1][1];
    g[1][1] = g[1][2];
    g[1][2] = g[0][2];
    g[0][2] = v;
    return get();

}
int bfs(string st,string ed)
{
    if(st == ed)
        return  0;///如果是直接相等的
    queue<string> q;
    q.push(st);
    dist[st] = 0 ;
    while(!q.empty())
    {

        string t = q.front();
        q.pop();
        string m[3];
        m[0]  = move0(t);
        m[1]  = move1(t);
        m[2]  = move2(t);

        for(int i=0;i<3;i++)
        {
            ///如果没跑过这个状态
            if(!dist.count(m[i]))
            {
                ///通过上一个状态转移
                dist[m[i]] = dist[t]+1;
                pre[m[i]] ={'A'+i,t};///存的是操作数ABC 和 之前的状态
                q.push(m[i]);
                if(m[i] == ed)
                return dist[ed];
            }
         //  cout<<"error"<<endl;
        }
    }
    return -1;

}
int main()
{
    int x;
    string st,ed;
    for(int i=0; i<8; i++)
    {
        cin>>x;
        ed+=char(x+'0');
        ///666 原来可以这样子int 转换成 char
    }

    for(int i =1; i<=8; i++)
        st+=char('0'+i);

   int step = bfs(st,ed);///bfs跑最短
cout<<step<<endl;

    string res;

   while(ed!=st)
    {
        res+= pre[ed].x;
        ed= pre[ed].y;
    }

    reverse(res.begin(),res.end());
    ///因为是从 终点跑起点所以是要反转吗

   if(step>0)
        cout<<res<<endl;
    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