hdu 1043 Eight

欸我一直以为双向bfs是搜完一半再搜另一半呢,妹想到是两个一起搜
然后队列里放的结构体里不能直接存答案,所以做一个邻接表一样的东西,直接指向需要的字符即可
记录状态用康托展开来hash
以及居然是多组数据啊?!

#include<iostream>
#include<cstdio>
#include<cstring>
#include<queue>
using namespace std;
const int N=500005,has[9]={1,1,2,6,24,120,720,5040,40320},dx[4]={-3,3,-1,1};
int v1[N],v2[N];
char a[30],d1[10]={"udlr"},d2[10]={"durl"};
string b="123456780";
struct qw
{
    int a;
    char ch;
    qw(int A=0,char C=0)
    {
        a=A,ch=C;
    }
}pre[N];
struct qwe
{
    int a;
    string c;
    qwe(int A=0,string C="")
    {
        a=A,c=C;
    }
}e;
void print(int x)
{
    if(pre[x].a==-1)
        return;
    print(pre[x].a);
    printf("%c",pre[x].ch);
}
int ha(string e)
{
    int s=0,i,j,k;
    for(i=0;i<9;i++)
    {
        k=0;
        for(j=0;j<i;j++)
            if(e[j]>e[i])
                k++;
        s+=k*has[i];
    }
    return s;
}
int main()
{
    while(gets(a))
    {
        int k=0;
        e.c="";
        for(int i=0,j=0;i<strlen(a);i++)
            if(a[i]!=' ')
            {
                if(a[i]=='x')
                    e.a=j,e.c+='0';
                else 
                    e.c+=a[i];
                j++;
            }
        for(int i=0;i<9;i++)
            if(e.c[i]!='0')
                for(int j=0;j<i;j++)
                    if(e.c[j]!='0'&&e.c[j]>e.c[i])
                        k++;
        memset(v2,0,sizeof(v2));
        memset(v1,0,sizeof(v1));
        if(k&1)
            printf("unsolvable\n");
        else 
        {
            qwe f,g;
            int a=2;
            queue<qwe>q1,q2;
            v1[ha(e.c)]=1;
            pre[1].a=-1,pre[2].a=-1;
            f=qwe(8,b);
            v2[ha(f.c)]=2;
            q1.push(e),q2.push(f);
            while(!q1.empty()&&!q2.empty())
            {
                f=q1.front();
                q1.pop();
                int p=ha(f.c);
                if(v2[p])
                {
                    print(v1[p]);
                    for(int k=v2[p];pre[k].a!=-1;k=pre[k].a)
                        printf("%c",pre[k].ch);
                    printf("\n");
                    break;
                }
                for(int i=0;i<4;i++)
                    if((i!=0||f.a>=3)&&(i!=1||f.a<=5)&&(i!=2||f.a%3!=0)&&(i!=3||f.a%3!=2))
                    {
                        int x=f.a+dx[i];
                        g=f;
                        swap(g.c[f.a],g.c[x]);
                        int q=ha(g.c);
                        if(v1[q])
                            continue;
                        v1[q]=++a;
                        g.a=x;
                        pre[a]=qw(v1[p],d1[i]);
                        q1.push(g);
                    }
                f=q2.front();
                q2.pop();
                p=ha(f.c);
                if(v1[p])
                {
                    print(v1[p]);
                    for(int k=v2[p];pre[k].a!=-1;k=pre[k].a)
                        printf("%c",pre[k].ch);
                    printf("\n");
                    break;
                }
                for(int i=0;i<4;i++)
                    if((i!=0||f.a>=3)&&(i!=1||f.a<=5)&&(i!=2||f.a%3!=0)&&(i!=3||f.a%3!=2))
                    {
                        int x=f.a+dx[i];
                        g=f;
                        swap(g.c[f.a],g.c[x]);
                        int q=ha(g.c);
                        if(v2[q])
                            continue;
                        v2[q]=++a;
                        g.a=x;
                        pre[a]=qw(v2[p],d2[i]);
                        q2.push(g);
                    }
            }
            printf("unsolvable\n");
        }
    }
    return 0;
}

转载于:https://www.cnblogs.com/lokiii/p/9146764.html

  • 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
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