zoukankan      html  css  js  c++  java
  • 洛谷P2730 魔板 Magic Squares

    题目背景

    在成功地发明了魔方之后,鲁比克先生发明了它的二维版本,称作魔板。这是一张有8个大小相同的格子的魔板:

    1 2 3 4

    8 7 6 5

    题目描述

    我们知道魔板的每一个方格都有一种颜色。这8种颜色用前8个正整数来表示。可以用颜色的序列来表示一种魔板状态,规定从魔板的左上角开始,沿顺时针方向依次取出整数,构成一个颜色序列。对于上图的魔板状态,我们用序列(1,2,3,4,5,6,7,8)来表示。这是基本状态。

    这里提供三种基本操作,分别用大写字母“A”,“B”,“C”来表示(可以通过这些操作改变魔板的状态):

    “A”:交换上下两行;

    “B”:将最右边的一列插入最左边;

    “C”:魔板中央四格作顺时针旋转。

    下面是对基本状态进行操作的示范:

    A: 8 7 6 5

    1 2 3 4

    B: 4 1 2 3

    5 8 7 6

    C: 1 7 2 4

    8 6 3 5

    对于每种可能的状态,这三种基本操作都可以使用。

    你要编程计算用最少的基本操作完成基本状态到目标状态的转换,输出基本操作序列。

    输入输出格式

    输入格式:

    只有一行,包括8个整数,用空格分开(这些整数在范围 1——8 之间)不换行,表示目标状态。

    输出格式:

    Line 1: 包括一个整数,表示最短操作序列的长度。

    Line 2: 在字典序中最早出现的操作序列,用字符串表示,除最后一行外,每行输出60个字符。

    输入输出样例

    输入样例#1:
    2 6 8 4 5 7 3 1 
    输出样例#1:
    7 
    BCABCCB

    说明

    题目翻译来自NOCOW。

    USACO Training Section 3.2

    分析:很显然,这是一道bfs的题目,难点就在于要怎么记录状态.因为题目给的是一个排列,所以很显然,可以用康托展开.具体的展开方式是这样的,考虑第i个数,在i后面有j个比i小的数,那么i的贡献值xi = j * (8 - i)!,∑xi (1 <= i <= n)就是当前排列的状态了.康托展开可以把排列变成一个数来保存,非常方便.

    #include <cstdio>
    #include <cstring>
    #include <iostream>
    #include <algorithm>
    #include <cmath>
    #include <string>
    #include <queue>
    
    using namespace std;
    
    int vis[50010];
    
    struct node
    {
        int a[9],zhuangtai,d;
        string print;    
    }s,t;
    
    int jiecheng(int x)
    {
        int t = 1;
        for (int i = 2; i <= x; i++)
        t *= i;
        return t;
    }
    
    int kangtuo(node x)
    {
        int num = 0;
        for (int i = 1; i <= 8; i++)
        {
            int cnt = 0;
            for (int j = i + 1; j <= 8; j++)
            if (x.a[i] > x.a[j])
            cnt++;
            num += cnt * jiecheng(8 - i);
        }
        return num;
    }
    
    node A(node x)
    {
        for (int i = 1; i <= 4; i++)
        swap(x.a[i],x.a[9 - i]);
        x.d++;
        return x;
    }
    
    node B(node x)
    {
        for (int i = 4; i >= 2; i--)
        {
            swap(x.a[i-1],x.a[i]);
            swap(x.a[9-i],x.a[10 - i]);
        }
        x.d++;
        return x;
    }
    
    node C(node x)
    {
        swap(x.a[3],x.a[2]);
        swap(x.a[7],x.a[6]);
        swap(x.a[2],x.a[6]);
        x.d++;
        return x;
    }
    
    void bfs()
    {
        queue <node> q;
        q.push(s);
        vis[s.zhuangtai] = 1;
        while (!q.empty())
        {
            node u = q.front();
            q.pop();
            if (u.zhuangtai == t.zhuangtai)
            {
                printf("%d
    ",u.d);
                cout << u.print << endl;
                return;
            }
            for (int i = 1; i <= 3; i++)
            {
                node temp;
                if (i == 1)
                temp = A(u);
                if (i == 2)
                temp = B(u);
                if (i == 3)
                temp = C(u);
                temp.zhuangtai = kangtuo(temp);
                if (!vis[temp.zhuangtai])
                {
                    vis[temp.zhuangtai] = 1;
                    if (i == 1)
                    temp.print = u.print + 'A';
                    if (i == 2)
                    temp.print = u.print + 'B';
                    if (i == 3)
                    temp.print = u.print + 'C';
                    q.push(temp);
                }
            }
        }
    }
    
    int main()
    {
        for (int i = 1; i <= 8; i++)
        s.a[i] = i;
        s.zhuangtai = kangtuo(s);
        s.print = "";
        s.d = 0;
        for (int i = 1; i <= 8; i++)
        scanf("%d",&t.a[i]);
        t.zhuangtai = kangtuo(t);
        t.print = "";
        bfs();
        
        return 0;
    }
  • 相关阅读:
    Mybatis oracle多表联合查询分页数据重复的问题
    The Decade of Deep Learning
    D3S – A Discriminative Single Shot Segmentation Tracker
    Recent Advancements in NLP
    A list of datasets directly related to Music Information Retrieval Datasets
    Best Resources for Imbalanced Classification
    Attention-based Dropout Layer for Weakly Supervised Object Localization
    Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition
    Batch DropBlock Network for Person Re-identification and Beyond
    Cross-channel Communication Networks
  • 原文地址:https://www.cnblogs.com/zbtrs/p/7489181.html
Copyright © 2011-2022 走看看