hdu 2514 Another Eight Puzzle

题目:http://acm.hdu.edu.cn/showproblem.php?pid=2514

 

就是DFS+回溯。。。我蠢蠢的把所有状态枚举了。。

但是在输出处理上没注意。。。WA了几次

 

下面是AC代码:

#include<iostream>
#include<cstring>
using namespace std;
int a[10],b[10];
int mark[10];
int flag;
int judge(int num,int n)
{
	if(n==1&&num==2)
		return 1;
	if(n==8&&num==7)
		return 1;

	if((n>1&&n<8)&&(num==(n-1)||num==(n+1)))
			return 1;
		
		return 0;
}
int cheak(int pos ,int n)
{
	int i;
	if(pos==1)
	{
		for(i=2;i<=4;i++)
			if(judge(a[i],n))	return 0;
			return 1;
	}
	if(pos==2)
	{
		if(judge(a[1],n))     return 0;
		if(judge(a[3],n))     return 0;
		if(judge(a[5],n))     return 0;
		if(judge(a[6],n))     return 0;
		return 1;
	}
	
	if(pos==3)
	{
		if(judge(a[1],n))     return 0;
		if(judge(a[2],n))     return 0;
		for(i=4;i<=7;i++)
			if(judge(a[i],n))	return 0;
			return 1;
	}
	
	if(pos==4)
	{
		if(judge(a[1],n))     return 0;
		if(judge(a[3],n))     return 0;
		for(i=6;i<=7;i++)
			if(judge(a[i],n))	return 0;
			return 1;
	}
	
	if(pos==5)
	{
		if(judge(a[2],n))     return 0;
		if(judge(a[3],n))     return 0;
		
		if(judge(a[6],n))     return 0;
		if(judge(a[8],n))     return 0;
		return 1;
	}
	if(pos==6)
	{
		for(i=2;i<=5;i++)
			if(judge(a[i],n))	return 0;
			return 1;
			for(i=7;i<=8;i++)
				if(judge(a[i],n))	return 0;
				return 1;
	}
	if(pos==7)
	{
		if(judge(a[3],n))     return 0;
		if(judge(a[4],n))     return 0;
		if(judge(a[6],n))     return 0;
		if(judge(a[8],n))	return 0;
		return 1;
	}
	
	if(pos==8)
	{
		for(i=5;i<=6;i++)
			if(judge(a[i],n))	return 0;
			return 1;
	}
	
}
void DFS(int pos)
{
	int i;
	if(pos>8)
	{
		flag++;		
		for(i=1;i<=8;i++)
			b[i]=a[i];
		return ;
	}
	if(a[pos]==0)
	{
		for( i=1;i<=8;i++)
		{
			if(!mark[i]&&cheak(pos,i))
			{
				mark[i]=1;
				a[pos]=i;
				DFS(pos+1);
				mark[i]=0;
				a[pos]=0;
			}
		}
	}
	else
		DFS(pos+1);
}
int main()
{
	int t,i,j;
	cin>>t;
	
	for(j=1;j<=t;j++)
	{
		memset(mark,0,sizeof(mark));
		for(i=1;i<=8;i++)
		{
			cin>>a[i];
			mark[a[i]]=1;
		}
		flag=0;
		
		DFS(1);
		
		if(!flag)
		{
			printf("Case %d: ",j);
			printf("No answer\n");
		}
		else if(flag>1)
		{
			printf("Case %d: ",j);
			printf("Not unique\n");
		}
		else
		{
			printf("Case %d: ",j);
			printf("%d",b[1]);
			for(i=2;i<=8;i++)
				printf(" %d",b[i]);
			printf("\n");
		}
	}
	return 0;
	
}


 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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