汉诺塔问题(递归写法)

简介: 给定一个由n个圆盘组成的塔,这些圆盘按照大小递减的方式套在第一根柱上。现要将整个塔移动到第三根柱上,每次只能移动一个圆盘,且较大的圆盘在移动过程中不能放置在较小的圆盘上面。

汉诺塔问题是一个很经典的题目

1.png

哈哈,其实就是我们都已经很熟悉游戏规则了,在此我就在啰嗦一遍题目。


2.gif

题目描述:

给定一个由n个圆盘组成的塔,这些圆盘按照大小递减的方式套在第一根柱上。现要将整个塔移动到第三根柱上,每次只能移动一个圆盘,且较大的圆盘在移动过程中不能放置在较小的圆盘上面。

输入:

输入只有一个正整数n

输出:

接下来每一行输出一步移动步骤。


在此,我们讨论比较一种简单而且很好理解的做法——递归做法,既然递归,我们只要想好递归函数,其它的就交给函数吧。

3.gif

好了,正经了,我们可以想象除了一个圆盘外最简单的一种情况——两个圆盘(哈哈),这种我们当然都知道了。

第一步:只要把上面的1号从A移动到B。

第二步:把2号从A移动到C。

第三步:再把1号从B移动到C就可以了。

(ps:手绘的图,大家就忍受下吧[委屈])

4.png

此时,我们想想,我们刚才的步骤是不是就是将两个圆盘从A借助B移动到了C。在我们将1号从A移动到B的时候我们也可以理解成把1号这个圆盘从A借助C移动到B(但是事实我们并没有借助)。这时我们就可以想象了,把那个1号圆盘当做成除了最下面那个圆盘外的(n-1)个圆盘,这时,是不是就豁然开朗了,对于n个圆盘我们一样可以分为三步走[嘻嘻]。


第一步:将(n-1)个圆盘从A借助C移动到B

第二步:将第n个圆盘从A移动到C

第三步:将(n-1)个圆盘从B借助A移动到C


代码实现下:


void hanoi(int n,char A,char B,char C)
{
    if(n==0)
        return ;
    hanoi(n-1,A,C,B);
    step(n,A,C);
    hanoi(n-1,B,A,C);
}

另外为了观察,我们还需要写一个打印移动步骤的函数。把id号圆盘从a位置移动到b位置。

上代码:


void step(int id,char a,char b) // 把id号圆盘从a位置移动到b位置
{
    cout<<"第"<<cnt++<<"步: 把  "<<id<<"号 从 "<<a<<" 移动到 "<<b<<endl;
}

输出结果:

至于输出的结果当然就是输出:将n个圆盘从A借助B移动到C的步数,也就是 hanoi(n,‘A’,‘B’,‘C’)。


完整代码:


#include<bits/stdc++.h>
using namespace std;
int cnt;
void step(int id,char a,char b)
{
    cout<<"第"<<cnt++<<"步: 把  "<<id<<"号 从 "<<a<<" 移动到 "<<b<<endl;
}
void hanoi(int n,char A,char B,char C)
{
    if(n==0)
        return ;
    hanoi(n-1,A,C,B);
    step(n,A,C);
    hanoi(n-1,B,A,C);
}
int main()
{
    int n;
    cnt=0;
    cin>>n;
    hanoi(n,'A','B','C');
    return 0;
}


相关文章
|
5天前
|
存储 弹性计算 人工智能
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
2025年9月24日,阿里云弹性计算团队多位产品、技术专家及服务器团队技术专家共同在【2025云栖大会】现场带来了《通用计算产品发布与行业实践》的专场论坛,本论坛聚焦弹性计算多款通用算力产品发布。同时,ECS云服务器安全能力、资源售卖模式、计算AI助手等用户体验关键环节也宣布升级,让用云更简单、更智能。海尔三翼鸟云服务负责人刘建锋先生作为特邀嘉宾,莅临现场分享了关于阿里云ECS g9i推动AIoT平台的场景落地实践。
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
|
3天前
|
云安全 人工智能 自然语言处理
阿里云x硅基流动:AI安全护栏助力构建可信模型生态
阿里云AI安全护栏:大模型的“智能过滤系统”。
|
4天前
|
人工智能 自然语言处理 自动驾驶
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
|
7天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
623 2
|
5天前
|
JavaScript API 开发工具
如何在原生App中调用Uniapp的原生功能?
如何在原生App中调用Uniapp的原生功能?
311 139
|
4天前
|
编解码 自然语言处理 文字识别
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大
凌晨,Qwen3-VL系列再添新成员——Dense架构的Qwen3-VL-8B、Qwen3-VL-4B 模型,本地部署友好,并完整保留了Qwen3-VL的全部表现,评测指标表现优秀。
400 7
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大