ACWING 179. 八数码(A*算法)

2024-04-15 22:58
文章标签 算法 acwing 数码 179

本文主要是介绍ACWING 179. 八数码(A*算法),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在一个3×3的网格中,1~8这8个数字和一个“X”恰好不重不漏地分布在这3×3的网格中。

例如:

1 2 3
X 4 6
7 5 8
在游戏过程中,可以把“X”与其上、下、左、右四个方向之一的数字交换(如果存在)。

我们的目的是通过交换,使得网格变为如下排列(称为正确排列):

1 2 3
4 5 6
7 8 X
例如,示例中图形就可以通过让“X”先后与右、下、右三个方向的数字交换成功得到正确排列。

交换过程如下:

1 2 3 1 2 3 1 2 3 1 2 3
X 4 6 4 X 6 4 5 6 4 5 6
7 5 8 7 5 8 7 X 8 7 8 X
把“X”与上下左右方向数字交换的行动记录为“u”、“d”、“l”、“r”。

现在,给你一个初始网格,请你通过最少的移动次数,得到正确排列。

输入格式
输入占一行,将3×3的初始网格描绘出来。

例如,如果初始网格如下所示:
1 2 3

x 4 6

7 5 8

则输入为:1 2 3 x 4 6 7 5 8

输出格式
输出占一行,包含一个字符串,表示得到正确排列的完整行动记录。如果答案不唯一,输出任意一种合法方案即可。

如果不存在解决方案,则输出”unsolvable”。

输入样例:
2 3 4 1 5 x 7 6 8
输出样例
ullddrurdllurdruldr

思路:
设初始状态为 s t a r t start start,终点状态为 e n d end end
f ( s t a t e ) f(state) f(state)代表转移到 s t a t e state state这个状态所需的最小花费, h ( s t a t e ) h(state) h(state)代表从 s t a t e state state状态出发到达终点状态的预估最小花费(估价函数)。

A ∗ A* A算法就是用一个堆,每次取出对应 f ( s t a t e ) + h ( s t a t e ) f(state)+h(state) f(state)+h(state)最小的状态,用这个状态去松弛其他状态。如果 f ( s t a t e ) f(state) f(state)始终为0,那么就退化为 d i j k s t r a dijkstra dijkstra。个人感觉就是带估价函数优化过的优先队列 b f s bfs bfs

不过如果本身就无解的话,那么无论怎么优化,都会遍历所有状态,那么复杂度会变得很高。查询资料可得,当起点和终点的八数码状态展开成一维向量后的逆序数奇偶性不同,就无解。

简要证明的话:每次移动,如果是左右移动,那么逆序数不变。如果是上下移动,就等于把一个数前移(或后移)两步,逆序数±2或者不变。所以不管怎么移动,奇偶性都不变。

具体证明可以参考:链接

#include <algorithm>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <string>
#include <unordered_map>
#include <queue>
using namespace std;typedef pair<int,string>PIS;
unordered_map<string,int>dist;
unordered_map<string,pair<string,char>>pre;
priority_queue<PIS,vector<PIS>,greater<PIS>>heap;
string ed = "12345678x";
char dir[] = "rlud";
int dirx[] = {0, 0,-1,1};
int diry[] = {1,-1, 0,0};int f(string state) {int cnt = 0;for(int i = 0;i < 9;i++) {if(state[i] != 'x') {int t = state[i] - '1';cnt += abs(t / 3 - i / 3) + abs(t % 3 - i % 3);}}return cnt;
}
string bfs(string start) {dist[start] = 0;heap.push({f(start),start});while(!heap.empty()) {string state = heap.top().second;heap.pop();if(state == ed) break;int step = dist[state];int t = state.find('x');int x = t / 3,y = t % 3;string source = state;for(int i = 0;i < 4;i++) {int dx = x + dirx[i],dy = y + diry[i];if(dx < 0 || dy < 0 || dx >= 3 || dy >= 3) continue;swap(state[x * 3 + y],state[dx * 3 + dy]);if(!dist.count(state) || dist[state] > step + 1) {dist[state] = step + 1;heap.push({dist[state] + f(state),state});pre[state] = {source,dir[i]};}swap(state[x * 3 + y],state[dx * 3 + dy]);}}string ans;while(ed != start) {ans += pre[ed].second;ed = pre[ed].first;}reverse(ans.begin(),ans.end());return ans;
}
int main() {string start,seq;for(int i = 0;i < 9;i++) {char c;cin >> c;start += c;if(c != 'x') seq += c;}int cnt = 0;for(int i = 0;i < 8;i++) {for(int j = i + 1;j < 8;j++) {if(seq[i] > seq[j]) cnt++;}}if(cnt & 1) cout << "unsolvable" << endl;else cout << bfs(start) << endl;return 0;
}

这篇关于ACWING 179. 八数码(A*算法)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/907164

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个