HDU 1495 非常可乐(隐式图搜索)

本文探讨了在特定条件下如何通过最小次数的倒可乐操作实现三人平均分配一瓶可乐的问题,涉及数学逻辑和算法应用。

非常可乐

Problem Description
大家一定觉的运动以后喝可乐是一件很惬意的事情,但是seeyou却不这么认为。因为每次当seeyou买了可乐以后,阿牛就要求和seeyou一起分享这一瓶可乐,而且一定要喝的和seeyou一样多。但seeyou的手中只有两个杯子,它们的容量分别是N 毫升和M 毫升 可乐的体积为S (S<101)毫升 (正好装满一瓶) ,它们三个之间可以相互倒可乐 (都是没有刻度的,且 S==N+M,101>S>0,N>0,M>0) 。聪明的ACMER你们说他们能平分吗?如果能请输出倒可乐的最少的次数,如果不能输出"NO"。
 

Input
三个整数 : S 可乐的体积 , N 和 M是两个杯子的容量,以"0 0 0"结束。
 

Output
如果能平分的话请输出最少要倒的次数,否则输出"NO"。
 

Sample Input
7 4 3 4 1 3 0 0 0
 

Sample Output
NO 3
 

Author
seeyou
 

解析:bfs进行模拟比较简单,但是我做这题的时候把题目给看错了,看成是初始装在第三个杯子中,可题目说是在第一杯水中,因为这个失误WA了好多次。都是怪我没有认真审题。

#include <stdio.h>
#include <string.h>
#include <queue>
#include <algorithm>
using namespace std;
struct Node {
	int v[3],dist;
};
const int MAXN = 100 + 5;
int vis[MAXN][MAXN],jug[3];
bool judge(int a,int b,int c) {
	if(a == b && a == jug[0]/2) {
		return true;
	}
	if(a == c && a == jug[0]/2) {
		return true;
	}
	if(b == c && b == jug[0]/2) {
		return true;
	}
	return false;
}
int bfs() {
	memset(vis,0,sizeof(vis));
	queue<Node> q;
	Node start;

	start.dist = 0;
	start.v[0] = jug[0];
	start.v[1] = 0;
	start.v[2] = 0;

	q.push(start);
	vis[jug[0]][0] = true;
	while(!q.empty()) {
		Node front = q.front();
		q.pop();
		if(judge(front.v[0],front.v[1],front.v[2])) {
			return front.dist;
		}
		for(int i = 0; i < 3; i++) {
			for(int j = 0; j < 3; j++) {
				if(i == j) {
					continue;
				}
				if(!front.v[i] || front.v[j] == jug[j]) {
					continue;
				}
				int amount = min(front.v[i],jug[j] - front.v[j]);
				Node tmp;
				memcpy(&tmp,&front,sizeof(front));
				tmp.dist = front.dist + 1;
				tmp.v[i] -= amount;
				tmp.v[j] += amount;
				if(!vis[tmp.v[0]][tmp.v[1]]) {
					vis[tmp.v[0]][tmp.v[1]] = true;
					q.push(tmp);
				}
			}
		}
	}
	return 0;
}
int main() {
	while(scanf("%d%d%d",&jug[0],&jug[1],&jug[2]) != EOF && (jug[0] || jug[1] || jug[2])) {
		if(jug[0] % 2) {
			printf("NO\n");
			continue;
		}
		int ans = bfs();	
		if(ans) {
			printf("%d\n",ans);
		}else {
			printf("NO\n");
		}
	}
	return 0;
}

内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值