每周一算法:迭代加深A*

题目链接

AcWing 180. 排书

题目描述

给定 n n n 本书,编号为 1 ∼ n 1\sim n 1n

在初始状态下,书是任意排列的。

在每一次操作中,可以抽取其中连续的一段,再把这段插入到其他某个位置。

我们的目标状态是把书按照 1 ∼ n 1\sim n 1n 的顺序依次排列。

求最少需要多少次操作。

输入格式

第一行包含整数 T T T,表示共有 T T T组测试数据。
每组数据包含两行,第一行为整数 n n n,表示书的数量。
第二行为 n n n个整数,表示 1 ∼ n 1\sim n 1n 的一种任意排列。

同行数之间用空格隔开。

输出格式

每组数据输出一个最少操作次数。

如果最少操作次数大于或等于 5 5 5次,则输出5 or more

每个结果占一行。

数据范围

1 ≤ n ≤ 15 1≤n≤15 1n15

输入样例

3
6
1 3 4 6 2 5
5
5 4 3 2 1
10
6 8 5 3 4 7 2 9 1 10

输出样例

2
3
5 or more

算法思想

根据题目描述,需要对 1 ∼ n 1\sim n 1n的一个排列,进行若干次操作,在每一次操作中,可以抽取序列中连续的一段,再把这段插入到其他某个位置。问最少经过几次操作,可以将序列变为按照 1 ∼ n 1\sim n 1n 的顺序依次排列。

先考虑每一次操作的决策数量:

  • 当从序列中抽取长度为 i i i的一段时,有 n − i + 1 n-i+1 ni+1种选择。例如:对于长度 n = 6 n=6 n=6的序列中,抽取长度为 i = 3 i=3 i=3的连续一段,有 4 4 4种选择,如下图所示
    在这里插入图片描述
  • 对于每种抽法,有 n − i n-i ni种放法,即将长度为 i i i的一段插入其它 n − i n-i ni个空中。例如:
    在这里插入图片描述

那么每一步状态数量为 ( n − i ) × ( n − i + 1 ) (n-i)\times(n-i+1) (ni)×(ni+1),但将某一段向前移动,等价于将跳过的那段向后移动,因此每种移动方式被计算了两次,还要除以 2 2 2。所以状态空间的大小为 ∑ i = 1 n ( n − i ) × ( n − i + 1 ) / 2 ≤ ( 15 × 14 + 14 × 13 + . . . + 2 × 1 ) / 2 = 560 \sum_{i=1}^n(n-i)\times(n-i+1)/2\le(15\times14+14\times13+...+2\times1)/2=560 i=1n(ni)×(ni+1)/2(15×14+14×13+...+2×1)/2=560

考虑在 4 4 4步内找到答案,最多有 56 0 4 560^4 5604个状态,暴力搜索会超时。可以使用双向广搜 或者迭代加深A*(IDA* )来优化。

迭代加深A*

在A*算法算法中,将估价函数与优先队列BFS结合,提高了搜索效率。那么把估价函数与迭代加深的DFS结合就是迭代加深 A* \text{A*} A* IDA* \text{IDA*} IDA*)。

迭代加深 A* \text{A*} A*要限定一个深度,在不超过该深度的前提下执行DFS,若找不到解,就扩大深度限制,重新进行搜索;除此之外,还要设计一个估价函数,估算从每个状态到目标状态需要的“步数”。与 A* \text{A*} A*算法一样,估价函数需要遵守“预计值不大于未来实际步数”的准则。

基本思想是以迭代加深DFS的搜索框架为基础,把原来简单的深度限制加强为:若当前深度+未来估计步数>深度限制,则立即从当前分支回溯

估价函数

IDA* \text{IDA*} IDA*的算法的关键在于设计估价函数,那么本题的估价函数如何设计?考虑对于目标状态,第 i i i本书后边应该是第 i + 1 i+1 i+1本书,那么认为 i + 1 i+1 i+1 i i i的正确后继。

对于任意状态,考虑整个排列中错误的后继总数,将其记为tot,可以发现每次操作至多更改 3 3 3本数的后继,例如,将 346 346 346移动到 2 2 2的后面, 1 、 2 、 6 1、2、6 126的后继被更改,如下图所示:将346移动到2的后面,126的后继被更改
也就是说,在最理想的情况下,每次操作都能把 3 3 3个错误后继全部该对,那么消除所有错误后继的操作次数也至少需要 ⌈ t o t 3 ⌉ \lceil\frac{tot}{3}\rceil 3tot次。

因此,可以把一个状态state的估价函数设计为 h ( s t a t e ) = ⌈ t o t 3 ⌉ h(state)=\lceil\frac{tot}{3}\rceil h(state)=3tot,其中tot表示在当前状态state下书的错误后继总数。

算法实现

基本思想是使用迭代加深的方法,从 1 ∼ 4 1\sim4 14依次限制搜索深度,然后从起始状态出发进行DFS。对于当前状态:

  • 如果若当前步数+未来估计步数>深度限制,则搜索结束返回无解。
  • 如果到达最终状态,搜索结束返回有解。
  • 枚举要抽连续的一段的左右位置 [ L , R ] [L, R] [L,R],以及插入位置 i i i,将 [ L , R ] [L, R] [L,R]这一段插入到 i i i位置后
    • 继续搜索下一阶段的状态

代码实现

#include <bits/stdc++.h>
using namespace std;
const int N = 20;
int n, q[N], b[5][N]; //备份数组
int h() //估价函数
{
    int tot = 0; //统计错误后继总数
    for(int i = 0; i + 1 < n; i ++)
        if(q[i] + 1 != q[i + 1]) tot ++;
    
    return (tot + 2) / 3; //总数÷3向上取整
}
bool check()
{
    for(int i = 0; i < n; i ++)
        if(q[i] != i + 1) return false;
    return true;
}
//当前步数k,限制深度depth
bool dfs(int k, int depth)
{
    if(k + h() > depth) return false; //当前步数+估计步数超过限制
    if(check()) return true;
    //枚举抽取的左右两端和插入位置
    for(int L = 0; L < n; L ++)
        for(int R = L; R < n; R ++)
            for(int i = R + 1; i < n; i ++) //注意只需要枚举后面的插入位置即可
            {
                memcpy(b[k], q, sizeof q); //备份,方便恢复现场
                int x, y;
                //将[R+1,i]位置上的数向前移动
                for(x = R + 1, y = L; x <= i; x ++, y ++) q[y] = b[k][x];
                //将[L,R]位置上的数,向后移动
                for(x = L; x <= R; x ++, y ++) q[y] = b[k][x];
                if(dfs(k + 1, depth)) return true;
                memcpy(q, b[k], sizeof q); //备份,方便恢复现场
            }
    return false;
}
int main()
{
    int T;
    cin >> T;
    while(T --)
    {
        cin >> n;
        for(int i = 0; i < n; i ++) cin >> q[i];
        int depth = 0;
        while(depth < 5 && !dfs(0, depth)) depth ++;
        if(depth >= 5) puts("5 or more");
        else cout << depth << '\n';
    }
    return 0;
}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/478780.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

提高企业员工生产力的办法

在现代商业环境中&#xff0c;提高企业员工生产力是企业持续发展的关键因素之一。员工生产力的提升不仅有助于企业提高运营效率&#xff0c;还能增强企业的市场竞争力。那么&#xff0c;如何有效地提高企业员工生产力呢&#xff1f;本文将就此问题进行探讨。 一、引入先进技术软…

[ C++ ] STL---stack与queue

目录 stack简介 stack的常用接口 queue简介 queue的常用接口 stack的模拟实现 queue的模拟实现 stack简介 1. stack是具有后进先出操作的一种容器适配器&#xff0c;其只能从容器的一端进行元素的插入与删除操作&#xff1b; 2. stack是作为容器适配器被实现的&#xff0…

jmeter接口自动化测试框架

接口测试可以分为两部分&#xff1a; 一是线上接口&#xff08;生产环境&#xff09;自动化测试&#xff0c;需要自动定时执行&#xff0c;每5分钟自动执行一次&#xff0c;相当于每5分钟就检查一遍线上的接口是否正常&#xff0c;有异常能够及时发现&#xff0c;不至于影响用…

基于preCICE的Fluent适配器开发分享

1 开发目的 后向台阶流是流动分离现象的经典代表&#xff0c;为了更有效地控制后向台阶流中的重要特征参数&#xff0c;如背部分离压强和湍流强度&#xff0c;进行了耦合分析。通过该耦合分析&#xff0c;能够深入研究后向台阶流的特性&#xff0c;并探索如何控制这些参数对流…

RK3568 安装Miniconda3

下载链接:https://download.csdn.net/download/smile_5me/89012477?spm=1001.2014.3001.5503 需要RK3568运行Ubuntu,之前的文章有关于如何安装Ubuntu以及遇到的问题 1、 拷贝 Miniconda3-latest-Linux-aarch64.sh 到开发板 2、运行安装 Miniconda3-latest-Linux-aarch64.…

央视6周年巨献《中国神话》AI微短剧首发,人工智能频道震撼上线

在庆祝成立六周年之际&#xff0c;中央广播电视总台&#xff08;简称央视&#xff09;为观众带来了一场科技与文化的交融盛宴。近日&#xff0c;央视隆重发布了我国首部AI全流程微短剧《中国神话》&#xff0c;并正式上线了人工智能专业频道。这一系列举措彰显了央视在人工智能…

网络: 应用层

网络资源 uri(uniform resource identifier) 统一资源标识符。url(uniform resource location) 统一资源定位符&#xff0c;统指绝对路径。urn(uniform resource name) 统一资源名。 http 报文结构 第一部分简略信息&#xff0c;包含请求方法、url 和协议版本&#xff1b;或…

【c++】string类---标准库(STL)中的string类

主页&#xff1a;醋溜马桶圈-CSDN博客 专栏&#xff1a;c_醋溜马桶圈的博客-CSDN博客 gitee&#xff1a;mnxcc (mnxcc) - Gitee.com 目录 1.STL(标准库) 1.1 什么是STL 1.2 STL的版本 1.3 STL的六大组件 1.4 STL的重要性 1.5 如何学习STL 6.STL的缺陷 2. 为什么要学习st…

STM32定时器详解(1)

文章目录 前言一、STM32中定时器的分类二、基础定时器2.1基础定时器框图讲解2.2基础定时器计数功能讲解 三、通用定时器3.1通用定时器基本描述3.2通用定时器硬件框图 四、高级定时器4.1高级定时器基本描述4.2高级定时器硬件框图 总结 前言 本篇文章将带大家来学习STM32中的定时…

SunFMEA冠翔(台山)工业FMEA培训会圆满结束

近日&#xff0c;SunFMEA软件成功在冠翔&#xff08;台山&#xff09;工业有限公司举办了为期三天的FMEA软件系统培训&#xff0c;通过重要知识讲解、现场答疑、演练互动、软件实操等环节&#xff0c;把培训氛围推向高潮。 ​ 此次培训分为DFMEA与PFMEA两部分&#xff0c;按照七…

浏览器工作原理与实践--TCP协议:如何保证页面文件能被完整送达浏览器

在衡量Web页面性能的时候有一个重要的指标叫“FP&#xff08;First Paint&#xff09;”&#xff0c;是指从页面加载到首次开始绘制的时长。这个指标直接影响了用户的跳出率&#xff0c;更快的页面响应意味着更多的PV、更高的参与度&#xff0c;以及更高的转化率。那什么影响FP…

不定方程求解【详解+代码】

不定方程求解 文章目录 不定方程求解题目描述 分析题目简单穷举法思路1&#xff1a;Java代码C代码 思路2Java代码C代码 测试结果 题目描述 给定正整数a&#xff0c;b&#xff0c;c。求不定方程 axbyc 关于未知数x和y的所有非负整数解组数。 Input 一行&#xff0c;包含三个正…

Linux离线部署gitLab及使用教程

一、下载gitLab的linux系统rpm包 地址&#xff1a;Index of /gitlab-ce/yum/el7/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 找到这个最新版 点击下载 二、上传到linux系统 笔者是在windows系统下的vmware虚拟机中部署安装的&#xff0c;虚拟机中安装了cent…

c/c++整数和浮点数在内存中存储

了解变量的储存原理是我们灵活运用和防止数据截断改变带来的危害的有效途径。 那么我们从int char和float double两类来阐述内存的储存。 首先我们讲内存单位&#xff1a; 内存单位从小到大分别是bit byte KB MB GB TB PB。 bit是最小的内存单位&#xff0c;它可以存储一…

docker容器下部署hbase并在springboot中通过jdbc连接

我在windows的docker中部署了一个hbase服务&#xff0c;然后用springboot连接到此服务并访问数据。 详情可参考项目中的README.md。项目中提供了用于构建镜像的dockerfile&#xff0c;以及测试代码。 项目连接&#xff1a;https://gitee.com/forgot940629/hbase_phoenix_spring…

Java学习路线大纲

一、学习路线 二、学习大纲 0. 地基部分 数据结构&#xff1a;线性表、队列、栈、树、图、哈希等等常见算法&#xff1a;10大排序、字符串匹配、二分法、双指针等等操作系统&#xff1a;进行线程管理、内存管理、I/O等等计算机网络&#xff1a;四层协议、TCP/UDP、HTTP/HTTPS等…

安装elasticsearch和kibana

1.部署单点es 1.1.创建网络 因为我们还需要部署kibana容器&#xff0c;因此需要让es和kibana容器互联。这里先创建一个网络&#xff1a; docker network create es-net 1.2.加载镜像 这里我们采用elasticsearch的7.12.1版本的镜像&#xff0c;这个镜像体积非常大&#xff0…

互联网思维:息共享、开放性、创新和快速反应、网络化、平台化、数据驱动和用户体验 人工智能思维:模拟人、解放劳动力、人工智能解决方案和服务

互联网思维&#xff1a;信息共享、开放性、创新和快速反应、网络化、平台化、数据驱动和用户体验 互联网思维是指一种以互联网为基础的思考方式&#xff0c;强调信息共享、开放性、创新和快速反应的特点。这种思维方式注重网络化、平台化、数据驱动和用户体验&#xff0c;以适…

数通-路由策略

路由策略 访问控制&#xff1a;1.acl控制——通过控制流量&#xff0c;起到控制作用。2.路由控制 注意&#xff1a;ACL在做报文过滤时&#xff0c;默认允许所有&#xff1b;在做路由抓取时&#xff0c;默认拒绝所有&#xff0c;且只能使用基本ACL。 路由控制 1、路由策略&a…

基于springboot的反诈宣传平台

技术&#xff1a;springbootmysqlvue 一、系统背景 反欺诈平台可以对公交信息进行集中管理&#xff0c;可以真正避免传统管理的缺陷。反欺诈平台是一款运用软件开发技术设计实现的应用系统&#xff0c;在信息处理上可以达到快速的目的&#xff0c;不管是针对数据添加&#xff…