IDA* :[UVa11212]骑士精神

该博客讨论了如何利用迭代加深搜索(IDA*)解决UVa11212问题,涉及棋盘上的骑士移动。文章指出,由于时间复杂度问题,简单的迭代加深搜索无法直接求解,因此引入乐观估计函数进行优化。乐观估计函数通过比较当前状态与目标状态不同格子的数量与剩余步数的关系,避免无效搜索。博主分享了代码实现,并特别提到在某些特例中需要额外增加一步的考虑。
摘要由CSDN通过智能技术生成

在这里插入图片描述

题目

此题根据题目可知是迭代加深搜索。
首先应该枚举空格的位置,让空格像一个马一样移动。
但迭代加深搜索之后时间复杂度还是非常的高,根本过不了题。
感觉也想不出什么减枝,于是便要用到了乐观估计函数Optimistic Estimation Function
以3种颜色的格子来表示原棋盘:
在这里插入图片描述
如果我们要从一个状态抵达到原棋盘,那么需要的步数绝对是小于当前状态与原棋盘不同的格子的数量、
那么我们的乐观估计函数就出来了。如果当前状态与原棋盘的不同格子数量小于我们的剩余的步数,那么肯定是抵达不了的,return回去就行。

代码

#include <iostream>
#include <cstring>
using namespace std;
 
#define N 510
 
int dir[8][2]={
  {2,1},{2,-1},{-2,1},{-2,-1},{1,2},{1,-2},{-1,-2},{-1,2}};
int fuck[10][10]={
  {0,0,0,0,0,0},{0,1,1,1,1,1},{0,0,1,1,1,1},{0,0,0,2,1,1},{0,0,0,0,0,1}};
int a[10][10]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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