算法学习之路|聪明的打字员

简介: 阿兰是某机密部门的打字员,她现在接到一个任务:需要在一天之内输入几百个长度固定为6的密码。当然,她希望输入的过程中敲击键盘的总次数越少越好。

Description
阿兰是某机密部门的打字员,她现在接到一个任务:需要在一天之内输入几百个长度固定为6的密码。当然,她希望输入的过程中敲击键盘的总次数越少越好。
不幸的是,出于保密的需要,该部门用于输入密码的键盘是特殊设计的,键盘上没有数字键,而只有以下六个键:Swap0, Swap1, Up, Down, Left, Right,为了说明这6个键的作用,我们先定义录入区的6个位置的编号,从左至右依次为1,2,3,4,5,6。下面列出每个键的作用:
Swap0:按Swap0,光标位置不变,将光标所在位置的数字与录入区的1号位置的数字(左起第一个数字)交换。如果光标已经处在录入区的1号位置,则按Swap0键之后,录入区的数字不变;
Swap1:按Swap1,光标位置不变,将光标所在位置的数字与录入区的6号位置的数字(左起第六个数字)交换。如果光标已经处在录入区的6号位置,则按Swap1键之后,录入区的数字不变;
Up:按Up,光标位置不变,将光标所在位置的数字加1(除非该数字是9)。例如,如果光标所在位置的数字为2,按Up之后,该处的数字变为3;如果该处数字为9,则按Up之后,数字不变,光标位置也不变;
Down:按Down,光标位置不变,将光标所在位置的数字减1(除非该数字是0),如果该处数字为0,则按Down之后,数字不变,光标位置也不变;
Left:按Left,光标左移一个位置,如果光标已经在录入区的1号位置(左起第一个位置)上,则光标不动;
Right:按Right,光标右移一个位置,如果光标已经在录入区的6号位置(左起第六个位置)上,则光标不动。
当然,为了使这样的键盘发挥作用,每次录入密码之前,录入区总会随机出现一个长度为6的初始密码,而且光标固定出现在1号位置上。当巧妙地使用上述六个特殊键之后,可以得到目标密码,这时光标允许停在任何一个位置。
现在,阿兰需要你的帮助,编写一个程序,求出录入一个密码需要的最少的击键次数。
Input
仅一行,含有两个长度为6的数,前者为初始密码,后者为目标密码,两个密码之间用一个空格隔开。
Output
仅一行,含有一个正整数,为最少需要的击键次数。
Sample Input
123456 654321
Sample Output
11
Source
Noi 01

题目分析:在状态的最后一位补一个记录光标然后BFS,两个剪枝
1.Up,Down只有在当前位和目标位不同时才进行,这是显然的
2.Left,Right时只有中间四位和目标位相同时才进行,因为移动光标不会影响数字的状态,因此数字位不同时,只移动光标没有什么意义
字符串用map哈希,g++跑了两个1000ms,然而c++ 300+过

# -*- coding: utf-8 -*-
import copy
queue=[]#0是队列的front
found=[]#确保搜索一次,即变来变去不会变回原来的样子
class node:
    def __init__(self,string,count):
        self.s=string #s[0]为当前光标位置
        self.c=count
def bfs(endstr):

    while len(queue)!=0:
        cur=queue[0]#current
        del queue[0]
        if cur.s[1:]==endstr:
            return cur.c
        #Swap6
        c=copy.deepcopy(cur)#防止原node变化
        print c.s
        print c.s[0]
        if c.s[0]!=6 and c.s[c.s[0]]!=endstr[c.s[0]-1]:#剪枝
            c.s[c.s[0]],c.s[6]=c.s[6],c.s[c.s[0]]
            c.c+=1
            if c.s not in found:
                found.append(c.s)
                queue.append(c)

        #Swap1
        c = copy.deepcopy(cur)
        if c.s[0] != 1 and c.s[c.s[0]]!=endstr[c.s[0]-1]:
            c.s[c.s[0]],c.s[1]=c.s[1],c.s[c.s[0]]
            c.c+=1
            if c.s not in found:
                found.append(c.s)
                queue.append(c)

        #up
        c = copy.deepcopy(cur)
        if c.s[c.s[0]]!=endstr[c.s[0]-1] and c.s[c.s[0]]!=9:#当前位和目标位不同时才进行
            #解释:
            #destion:1 2 4---4 2 4 p=2,即使[0],[2]互换,也多了一步,毫不起作用
            #destion:1 2 4---3 2 4 p=2,[0][2]互换,多了5步
            c.s[c.s[0]]+=1
            c.c+=1
            if c.s not in found:
                found.append(c.s)
                queue.append(c)

        # down
        c = copy.deepcopy(cur)
        if c.s[c.s[0]] != endstr[c.s[0]-1] and c.s[c.s[0]]!=0:#剪枝
            c = copy.deepcopy(cur)
            c.s[c.s[0]]-=1
            c.c+=1
            if c.s not in found:
                found.append(c.s)
                queue.append(c)

        #left
        c = copy.deepcopy(cur)
        if c.s[c.s[0]] == endstr[c.s[0]-1] and c.s[0]!=1:#剪枝
            #只有当前位和目标位相同时才进行,因为移动光标不会影响数字的状态,
            # 因此数字位不同时,只移动光标没有什么意义
            c.s[0]-=1
            c.c+=1
            if c.s not in found:
                found.append(c.s)
                queue.append(c)
        #right
        c = copy.deepcopy(cur)
        if c.s[c.s[0]] == endstr[c.s[0]-1] and c.s[0]!=6:#剪枝
            c.s[0]+=1
            c.c+=1
            if c.s not in found:
                found.append(c.s)
                queue.append(c)

queue.append(node([1,1,2,3,4,5,6],0))
print bfs([6,5,4,3,2,1])
目录
相关文章
|
2月前
|
机器学习/深度学习 数据采集 搜索推荐
Paper Digest | 突破个性化推荐数据稀疏性:长尾增强的图对比学习算法研究
本文提出了一种新的长尾增强的图对比学习方法(LAGCL),该方法促使模型同时兼顾头部节点与尾部节点之间的知识,并通过长尾增强技术来使模型产出更均匀更准确的节点表征,从而改进基于 GNN 的推荐任务。
|
2月前
|
算法 网络协议 Linux
【Cisco Packet Tracer】交换机的自学习算法
【Cisco Packet Tracer】交换机的自学习算法
53 0
|
3月前
|
算法 安全 数据安全/隐私保护
C/C++学习 -- RSA算法
C/C++学习 -- RSA算法
33 0
|
3月前
|
机器学习/深度学习 算法
机器学习 - [集成学习]Bagging算法的编程实现
机器学习 - [集成学习]Bagging算法的编程实现
32 1
|
6天前
|
机器学习/深度学习 算法 前端开发
Scikit-learn进阶:探索集成学习算法
【4月更文挑战第17天】本文介绍了Scikit-learn中的集成学习算法,包括Bagging(如RandomForest)、Boosting(AdaBoost、GradientBoosting)和Stacking。通过结合多个学习器,集成学习能提高模型性能,减少偏差和方差。文中展示了如何使用Scikit-learn实现这些算法,并提供示例代码,帮助读者理解和应用集成学习提升模型预测准确性。
|
7天前
|
机器学习/深度学习 算法 Python
使用Python实现集成学习算法:Bagging与Boosting
使用Python实现集成学习算法:Bagging与Boosting
17 0
|
13天前
|
算法
【算法学习--字符串】(不含KMP算法)
【算法学习--字符串】(不含KMP算法)
|
1月前
|
Rust Dart 算法
55.3k star!开源算法教程,附带动画图解,学习算法不再苦恼!
55.3k star!开源算法教程,附带动画图解,学习算法不再苦恼!
|
1月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
|
1月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Canny边缘检测算法
Opencv(C++)学习系列---Canny边缘检测算法

热门文章

最新文章