八数码深搜

program bashum;
const
  maxl=100;
  dir:array[1..4,1..2]of integer=((1,0),(-1,0),(0,1),(0,-1));
type
  sta=record
      kx,ky:longint;
      m:array[1..3,1..3]of integer;
      end;

var
  p,ans:array[1..maxl]of sta;
  tar:sta;
  i,j,k,ansl:longint;

function check(k,d:integer):boolean;
var
 i,j:integer;
begin
    if (p[k].kx+dir[d,1]>=1)and(p[k].kx+dir[d,1]<=3)and
         (p[k].ky+dir[d,2]>=1)and(p[k].ky+dir[d,2]<=3) then exit(true) else exit(false);
end;
function can(o:sta):boolean;
var
 i,j:integer;
begin
       can:=true;
       for i:=1 to 3 do
        for j:=1 to 3 do
         if o.m[i,j]<>tar.m[i,j] then exit(false);
end;
function none(m:integer):boolean;
var
 i,j,k:integer;
 flag:boolean;
begin
     none:=true;
     for k:=1 to m-1 do
      begin
          flag:=true;
          for i:=1 to 3 do
           for j:=1 to 3 do
            if p[k].m[i,j]<>p[m].m[i,j] then flag:=false;
          if flag then exit(false);
      end;
end;

procedure play(k:integer);
var
  i,j,d:integer;
begin
       if k>20 then exit;
       if can(p[k])and (k<ansl) then
        begin
             ansl:=k;
             ans:=p;
        end;
       for d:=1 to 4 do
        if check(k,d) then
         begin
              p[k+1]:=p[k];
              p[k+1].m[p[k].kx,p[k].ky]:=p[k+1].m[p[k].kx+dir[d,1],p[k].ky+dir[d,2]];
              p[k+1].m[p[k].kx+dir[d,1],p[k].ky+dir[d,2]]:=0;
              p[k+1].kx:=p[k].kx+dir[d,1];
              p[k+1].ky:=p[k].ky+dir[d,2];
              if none(k+1) then play(k+1);
         end;
end;


begin
       assign(input,'win.in');
       assign(output,'win.out');
       reset(input);
       rewrite(output);
       ansl:=100;
       for i:=1 to 3 do
        begin
             for j:=1 to 3 do
              begin
                  read(p[1].m[i,j]);
                  if p[1].m[i,j]=0 then
                  begin
                      p[1].kx:=i;p[1].ky:=j;
                  end;
              end;
             readln;
        end;
       for i:=1 to 3 do
        begin
             for j:=1 to 3 do
              begin
                  read(tar.m[i,j]);
                  if tar.m[i,j]=0 then
                  begin
                      tar.kx:=i;tar.ky:=j;
                  end;
              end;
             readln;
        end;

       play(1);
       //output
      for k:=1 to ansl do
       begin
        for i:=1 to 3 do
         begin
            for j:=1 to 3 do write(ans[k].m[i,j]);
            writeln;
         end;
         writeln;
      end;
       close(input);
       close(output);
end.

  找时间在优化吧

转载于:https://www.cnblogs.com/llwoll/archive/2012/03/30/2425122.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