Puzzle (II) UVA - 519

題目鏈接:

https://vjudge.net/problem/UVA-519

思路:

剪枝+回溯

這個題巧妙的是他按照表格的位置開始搜索,也就是說表格是定的,他不斷用已有的圖片從(0,0)開始拼到(n-1,m-1)

剪枝的地方:

1.由于含'F'的面只能拼到邊上,所以'F'的個數就是矩形的周長

2.含'O'的數目應該和含'I'的數目相等

3.可能會有很多重復的碎片,如果前面的碎片不能拼上去,那么后面重復的碎片也不能拼上去

坑點:

題目中明明說了只有15塊碎片,但是將數組大小開到20卻WA!!,說明碎片數目已經超過15個

#include <iostream>
#include<cstring> 
#include<algorithm>
using namespace std;
char maze[100][5];
int n,m;
int F=0,I=0,O=0;
int vis[100];
char loc[100][100][5];
int cmp(const void *a,const void *b){return strcmp((char*)a,(char*)b);//strcmp()不能直接判斷二維數組的大小 
}
int check(int cur,int i,int j){//top, right, bottom, and leftif(i==0&&maze[cur][0]!='F') return 0;if(i==n-1&&maze[cur][2]!='F') return 0;if(j==0&&maze[cur][3]!='F') return 0;if(j==m-1&&maze[cur][1]!='F') return 0;if(i>0&&(maze[cur][0]+loc[i-1][j][2]!='I'+'O')) return 0;if(j>0&&(maze[cur][3]+loc[i][j-1][1]!='I'+'O')) return 0;return 1;
}
int dfs(int x,int y,int cnt){if(cnt==n*m){//
        return 1;}char tmp[5]={0};for(int k=0;k<n*m;k++){if(!vis[k]&&(strcmp(tmp,maze[k])!=0)&&check(k,x,y)){strcpy(tmp,maze[k]);strcpy(loc[x][y],maze[k]);vis[k]=1;if(dfs((cnt+1)/m,(cnt+1)%m,cnt+1)) return 1;vis[k]=0;}}    return 0;
}
void init(){memset(maze,0,sizeof(maze));memset(vis,0,sizeof(vis));memset(loc,0,sizeof(loc));F=0,I=0,O=0;
} 
int main(int argc, char** argv) {while(scanf("%d %d",&n,&m)!=EOF){if(n==0&&m==0) break;init();for(int i=0;i<n*m;i++){scanf("%s",maze[i]);for(int j=0;j<4;j++){if(maze[i][j]=='F') F++;else if(maze[i][j]=='I') I++;else if(maze[i][j]=='O') O++;}}if(F!=(m+n)*2||I!=O){printf("NO\n");}else{qsort(maze[0],n*m,sizeof(maze[0]),cmp);//q int Find=dfs(0,0,0);if(Find) printf("YES\n");else printf("NO\n");}}return 0;
}

?

轉載于:https://www.cnblogs.com/zhuixunfighting/p/10048804.html

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/250126.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/250126.shtml
英文地址,請注明出處:http://en.pswp.cn/news/250126.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

[pytorch、學習] - 5.7 使用重復元素的網絡(VGG)

參考 5.7 使用重復元素的網絡&#xff08;VGG&#xff09; AlexNet在LeNet的基礎上增加了3個卷積層。但AlexNet作者對它們的卷積窗口、輸出通道數和構造順序均做了大量的調整。雖然AlexNet指明了深度卷積神經網絡可以取得出色的結果&#xff0c;但并沒有提供簡單的規則以指導…

springboot---mybits整合

配置 POM文件 <parent> <groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>1.5.6.RELEASE</version><relativePath /> </parent><properties><proj…

使用airdrop進行文件共享

使用airdrop進行文件共享 學習了&#xff1a; https://support.apple.com/zh-cn/HT203106 https://zh.wikihow.com/%E5%9C%A8Mac%E4%B8%8A%E7%94%A8%E8%BF%91%E6%9C%BA%E6%8D%B7%E4%BC%A0%EF%BC%88Airdrop%EF%BC%89%E5%85%B1%E4%BA%AB%E6%96%87%E4%BB%B6 轉載于:https://www.cn…

【鏈表】逆序打印鏈表

1 public class Main {2 3 // 逆序打印鏈表4 public void reversePrint(Node node) {5 if (node null){6 return;7 }8 reversePrint(node.next);9 System.out.println(node.data); 10 } 11 12 public Node crea…

[pytorch、學習] - 5.8 網絡中的網絡(NiN)

參考 5.8 網絡中的網絡&#xff08;NiN&#xff09; 前幾節介紹的LeNet、AlexNet和VGG在設計上的共同之處是&#xff1a;先以由卷積層構成的模塊充分抽取空間特征&#xff0c;再以由全連接層構成的模塊來輸出分類結果。其中&#xff0c;AlexNet和VGG對LeNet的改進主要在于如何…

springboot---集成mybits方法

SpringBoot集成mybatis配置 一個有趣的現象&#xff1a;傳統企業大都喜歡使用hibernate,互聯網行業通常使用mybatis&#xff1b;之所以出現這個問題感覺與對應的業務有關&#xff0c;比方說&#xff0c;互聯網的業務更加的復雜&#xff0c;更加需要進行靈活性的處理&#xff0c…

jQuery源碼解讀

參考 &#xff1a; https://www.cnblogs.com/yuqingfamily/p/5785593.html 轉載于:https://www.cnblogs.com/wfblog/p/9172622.html

info.plist文件里面添加描述 - 配置定位,相冊等

<key>NSAppleMusicUsageDescription</key> <string>App需要您的同意,才能訪問媒體資料庫</string> <key>NSBluetoothPeripheralUsageDescription</key> <string>App需要您的同意,才能訪問藍牙</string> <key>NSCalendar…

[pytorch、學習] - 5.9 含并行連結的網絡(GoogLeNet)

參考 5.9 含并行連結的網絡&#xff08;GoogLeNet&#xff09; 在2014年的ImageNet圖像識別挑戰賽中&#xff0c;一個名叫GoogLeNet的網絡結構大放異彩。它雖然在名字上向LeNet致敬&#xff0c;但在網絡結構上已經很難看到LeNet的影子。GoogLeNet吸收了NiN中網絡串聯網絡的思…

mybits注解詳解

一、mybatis 簡單注解 關鍵注解詞 &#xff1a; Insert &#xff1a; 插入sql , 和xml insert sql語法完全一樣 Select &#xff1a; 查詢sql, 和xml select sql語法完全一樣 Update &#xff1a; 更新sql, 和xml update sql語法完全一樣 Delete &#xff1a; 刪除sql, 和xml d…

使用python裝飾器計算函數運行時間的實例

使用python裝飾器計算函數運行時間的實例 裝飾器在python里面有很重要的作用&#xff0c; 如果能夠熟練使用&#xff0c;將會大大的提高工作效率 今天就來見識一下 python 裝飾器&#xff0c;到底是怎么工作的。 本文主要是利用python裝飾器計算函數運行時間 一些需要精確的計算…

SQLServer用存儲過程實現插入更新數據

實現 1&#xff09;有同樣的數據&#xff0c;直接返回&#xff08;返回值&#xff1a;0&#xff09;。 2&#xff09;有主鍵同樣。可是數據不同的數據。進行更新處理&#xff08;返回值&#xff1a;2&#xff09;&#xff1b; 3&#xff09;沒有數據&#xff0c;進行插入數據處…

[pytorch、學習] - 9.1 圖像增廣

參考 9.1 圖像增廣 在5.6節(深度卷積神經網絡)里我們提過,大規模數據集是成功應用神經網絡的前提。圖像增廣(image augmentation)技術通過對訓練圖像做一系列隨機改變,來產生相似但又不相同的訓練樣本,從而擴大訓練數據集的規模。圖像增廣的另一種解釋是,隨機改變訓練樣本可以…

mysql綠色版安裝

導讀&#xff1a;MySQL是一款關系型數據庫產品&#xff0c;官網給出了兩種安裝包格式&#xff1a;MSI和ZIP。MSI格式是圖形界面安裝方式&#xff0c;基本只需下一步即可&#xff0c;這篇文章主要介紹ZIP格式的安裝過程。ZIP Archive版是免安裝的。只要解壓就行了。 一、首先下…

在微信瀏覽器字體被調大導致頁面錯亂的解決辦法

iOS的解決方案是覆蓋掉微信的樣式&#xff1a; body { /* IOS禁止微信調整字體大小 */-webkit-text-size-adjust: 100% !important; } 安卓的解決方案是通過 WeixinJSBridge 對象將網頁的字體大小設置為默認大小&#xff0c;并且重寫設置字體大小的方法&#xff0c;讓用戶不能在…

[pytorch、學習] - 9.2 微調

參考 9.2 微調 在前面得一些章節中,我們介紹了如何在只有6萬張圖像的Fashion-MNIST訓練數據集上訓練模型。我們還描述了學術界當下使用最廣泛規模圖像數據集ImageNet,它有超過1000萬的圖像和1000類的物體。然而,我們平常接觸到數據集的規模通常在這兩者之間。 假設我們想從圖…

Springboot默認加載application.yml原理

Springboot默認加載application.yml原理以及擴展 SpringApplication.run(…)默認會加載classpath下的application.yml或application.properties配置文件。公司要求搭建的框架默認加載一套默認的配置文件demo.properties&#xff0c;讓開發人員實現“零”配置開發&#xff0c;但…

java 集合(Set接口)

Set接口&#xff1a;無序集合&#xff0c;不允許有重復值&#xff0c;允許有null值 存入與取出的順序有可能不一致 HashSet:具有set集合的基本特性&#xff0c;不允許重復值&#xff0c;允許null值 底層實現是哈希表結構 初始容量為16 保存自定義對象時&#xff0c;保證數據的唯…

關于mac機抓包的幾點基礎知識

1. 我使用的抓包工具為WireShark&#xff0c;以下操作按我當前的版本(Version 2.6.1)做的&#xff0c;以前的版本或者以后的版本可能有稍微的區別。 2. 將mac設置為熱點&#xff1a;打開系統偏好設置&#xff0c;點擊共享&#xff1a; 然后點擊WIFI選項&#xff0c;設置WIFI名…

SpringBoot啟動如何加載application.yml配置文件

一、前言 在spring時代配置文件的加載都是通過web.xml配置加載的(Servlet3.0之前)&#xff0c;可能配置方式有所不同&#xff0c;但是大多數都是通過指定路徑的文件名的形式去告訴spring該加載哪個文件&#xff1b; <context-param><param-name>contextConfigLocat…