标签:ams 实现 .com 结构 success stand str target 通过
/** * 需求描述: * 有一块N*M像素格的画板,初始状态空白,用‘X’表示 * 绘画规则为:每次选择一条斜线 * 如果斜线斜率为1,则选择一段格子,都涂为蓝色,用‘B’表示 * 如果斜线斜率为-1,则选择斜线中的一段格子,涂成黄色,用‘Y’表示 * 一个格子既涂成蓝色又涂成黄色,则变成绿色,用‘G’表示 * 已知一幅作品,求最少需要多少次操作完成这幅画 * ***************************************** * 输入:正整数N,M * 画作:N行长度为M的字符串 * * * */ # include <stdio.h> char str[60][60]; int m, n; void dfs_Y(int x, int y){ //斜率-1,涂黄色Y if (x >= 0 && x < n && y >=0 && y < m && (str[x][y] == ‘Y‘ || str[x][y] == ‘G‘)){ if(str[x][y] == ‘G‘){ str[x][y] = ‘B‘; } else { str[x][y] = ‘X‘; } dfs_Y(x - 1, y - 1); dfs_Y(x + 1, y + 1); } return; } void dfs_B(int x, int y){ //斜率1,涂蓝色B if(x >= 0 && x < n && 0 <= y && y <m && (str[x][y] == ‘B‘ || str[x][y] == ‘G‘)){ if (str[x][y] == ‘G‘){ str[x][y] = ‘Y‘; } else { str[x][y] = ‘X‘; } dfs_B(x + 1, y - 1); dfs_B(x - 1, y + 1); } return; } int main(void){ int cnt; scanf("%d%d", &n, &m); for (int i = 0; i < n; i++) { scanf("%s", str[i]); } cnt = 0; for (int i = 0; i < n; i++) { for (int j = 0; j < m; j++) { if (str[i][j] == ‘Y‘) { dfs_Y(i, j); cnt++; } else if (str[i][j] == ‘B‘) { dfs_B(i, j); cnt++; } else if (str[i][j] == ‘G‘) { dfs_Y(i, j); str[i][j] = ‘B‘; dfs_B(i, j); cnt += 2; } } } printf("%d\n", cnt); //无论初始str是什么图案,执行完计算过程之后str全变成‘X‘ //测试用: // for (int i = 0; i < 4; i++) // { // for (int j = 0; j < 4; j++) // { // printf("%c", str[i][j]); // } // printf("\n"); // } return 0; }
用爬山来比喻回溯,好比从山脚下找一条爬上山顶的路,起初有好几条道可走,当选择一条道走到某处时,又有几条岔道可供选择,只能选择其中一条道往前走,若能这样子顺利爬上山顶则罢了,否则走到一条绝路上时,只好返回到最近的一个路口,重新选择另一条没走过的道往前走。如果该路口的所有路都走不通,只得从该路口继续回返。照此规则走下去,要么找到一条到达山顶的路,要么最终试过所有可能的道,无法到达山顶。
回溯是一种穷举,但与brute force有一些区别,回溯带了两点脑子的,并不多,brute force一点也没带。
第一点脑子是回溯知道回头;相反如果是brute force,发现走不通立刻跳下山摔死,换第二条命从头换一条路走。
第二点脑子是回溯知道剪枝;如果有一条岔路上放了一坨屎,那这条路我们不走,就可以少走很多不必要走的路。
还有一些爱混淆的概念:递归,回溯,DFS。
回溯是一种找路方法,搜索的时候走不通就回头换路接着走,直到走通了或者发现此山根本不通。
DFS是一种开路策略,就是一条道先走到头,再往回走一步换一条路走到头,这也是回溯用到的策略。在树和图上回溯时人们叫它DFS。
递归是一种行为,回溯和递归如出一辙,都是一言不合就回到来时的路,所以一般回溯用递归实现;当然也可以不用,用栈。
以下以回溯统称,因为这个词听上去很文雅。
判断回溯很简单,拿到一个问题,你感觉如果不穷举一下就没法知道答案,那就可以开始回溯了。
一般回溯的问题有三种:
Find a path to success 有没有解
Find all paths to success 求所有解
求所有解的个数
求所有解的具体信息
Find the best path to success 求最优解
理解回溯:给一堆选择, 必须从里面选一个. 选完之后我又有了新的一组选择. This procedure is repeated over and over until you reach a final state. If you made a good sequence of choices, your final state is a goal state; if you didn‘t, it isn‘t.
回溯可以抽象为一棵树,我们的目标可以是找这个树有没有good leaf,也可以是问有多少个good leaf,也可以是找这些good leaf都在哪,也可以问哪个good leaf最好,分别对应上面所说回溯的问题分类。
good leaf都在leaf上。good leaf是我们的goal state,leaf node是final state,是解空间的边界。
对于第一类问题(问有没有解),基本都是长着个样子的,理解了它,其他类别迎刃而解:
boolean solve(Node n) {
if n is a leaf node {
if the leaf is a goal node, return true
else return false
} else {
for each child c of n {
if solve(c) succeeds, return true
}
return false
}
}
请读以下这段话以加深理解:
Notice that the algorithm is expressed as a boolean function. This is essential to understanding the algorithm. If solve(n) is true, that means node n is part of a solution--that is, node n is one of the nodes on a path from the root to some goal node. We say that n is solvable. If solve(n) is false, then there is no path that includes n to any goal node.
还不懂的话请通读全文吧:Backtracking - David Matuszek
关于回溯的三种问题,模板略有不同,
第一种,返回值是true/false。
第二种,求个数,设全局counter,返回值是void;求所有解信息,设result,返回值void。
第三种,设个全局变量best,返回值是void。
第一种:
boolean solve(Node n) {
if n is a leaf node {
if the leaf is a goal node, return true
else return false
} else {
for each child c of n {
if solve(c) succeeds, return true
}
return false
}
}
第二种:
void solve(Node n) {
if n is a leaf node {
if the leaf is a goal node, count++, return;
else return
} else {
for each child c of n {
solve(c)
}
}
}
第三种:
void solve(Node n) {
if n is a leaf node {
if the leaf is a goal node, update best result, return;
else return
} else {
for each child c of n {
solve(c)
}
}
}
1.给个n,问有没有解;
2.给个n,有几种解;(Leetcode N-Queens II)
3.给个n,给出所有解;(Leetcode N-Queens I)
怎么做:一行一行的放queen,每行尝试n个可能,有一个可达,返回true;都不可达,返回false.
边界条件leaf:放完第n行 或者 该放第n+1行(出界,返回)
目标条件goal:n行放满且isValid,即目标一定在leaf上
helper函数:
boolean solve(int i, int[][] matrix)
在进来的一瞬间,满足property:第i行还没有被放置,前i-1行放置完毕且valid
solve要在给定的matrix上试图给第i行每个位置放queen。
public static boolean solve1(int i, List<Integer> matrix, int n) {
if (i == n) {
if (isValid(matrix))
return true;
return false;
} else {
for (int j = 0; j < n; j++) {
matrix.add(j);
if (isValid(matrix)) { //剪枝
if (solve1(i + 1, matrix, n))
return true;
}
matrix.remove(matrix.size() - 1);
}
return false;
}
}
怎么做:一行一行的放queen,每行尝试n个可能。这回因为要找所有,返回值就没有了意义,用void即可。在搜索时,如果有一个可达,仍要继续尝试;每个子选项都试完了,返回.
边界条件leaf:放完第n行 或者 该放第n+1行(出界,返回)
目标条件goal:n行放满且isValid,即目标一定在leaf上
helper函数:
void solve(int i, int[][] matrix)
在进来的一瞬间,满足property:第i行还没有被放置,前i-1行放置完毕且valid
solve要在给定的matrix上试图给第i行每个位置放queen。
这里为了记录解的个数,设置一个全局变量(static)int是比较efficient的做法。
public static void solve2(int i, List<Integer> matrix, int n) {
if (i == n) {
if (isValid(matrix))
count++;
return;
} else {
for (int j = 0; j < n; j++) {
matrix.add(j);
if (isValid(matrix)) { //剪枝
solve2(i + 1, matrix, n);
}
matrix.remove(matrix.size() - 1);
}
}
}
怎么做:一行一行的放queen,每行尝试n个可能。返回值同样用void即可。在搜索时,如果有一个可达,仍要继续尝试;每个子选项都试完了,返回.
边界条件leaf:放完第n行 或者 该放第n+1行(出界,返回)
目标条件goal:n行放满且isValid,即目标一定在leaf上
helper函数:
void solve(int i, int[][] matrix)
在进来的一瞬间,满足property:第i行还没有被放置,前i-1行放置完毕且valid
solve要在给定的matrix上试图给第i行每个位置放queen。
这里为了记录解的具体情况,设置一个全局变量(static)集合是比较efficient的做法。
当然也可以把结果集合作为参数传来传去。
public static void solve3(int i, List<Integer> matrix, int n) {
if (i == n) {
if (isValid(matrix))
result.add(new ArrayList<Integer>(matrix));
return;
} else {
for (int j = 0; j < n; j++) {
matrix.add(j);
if (isValid(matrix)) { //剪枝
solve3(i + 1, matrix, n);
}
matrix.remove(matrix.size() - 1);
}
}
}
上面的例子用了省空间的方法。
由于每行只能放一个,一共n行的话,用一个大小为n的数组,数组的第i个元素表示第i行放在了第几列上。
Utility(给一个list判断他的最后一行是否和前面冲突):
public static boolean isValid(List<Integer> list){
int row = list.size() - 1;
int col = list.get(row);
for (int i = 0; i <= row - 1; i++) {
int row1 = i;
int col1 = list.get(i);
if (col == col1)
return false;
if (row1 - row == col1 - col)
return false;
if (row1 - row == col - col1)
return false;
}
return true;
}
递归:就是出现这种情况的代码: (或者说是用到了栈)
解答树角度:在dfs遍历一棵解答树
优点:结构简洁
缺点:效率低,可能栈溢出
递归的一般结构:
回溯:递归的一种,或者说是通过递归这种代码结构来实现回溯这个目的。回溯法可以被认为是一个有过剪枝的DFS过程。
解答树角度:带回溯的dfs遍历一棵解答树
回溯的一般结构:
BFS和DFS是相似。
BFS(显式用队列)
DFS(隐式用栈)(即递归)
当然,对于DFS,用递归可能会造成栈溢出,所以也可以更改为显示栈。
BFS:典型例题:P101 对于二叉树的层次遍历,P108对于图的走迷宫最短路径
DFS:典型例题:P107黑白图像
格式:将所有节点遍历一遍,在遍历每个节点是,DFS的遍历该节点相关的所有节点
Ref:
http://www.cnblogs.com/HectorInsanE/archive/2010/11/09/1872656.html
标签:ams 实现 .com 结构 success stand str target 通过
原文地址:https://www.cnblogs.com/sddai/p/9581820.html