棋盘覆盖问题的算法实现

简介:
本文为原创,如需转载,请注明作者和出处,谢谢!

    在一个2^k * 2^k个方格组成的棋盘中,有一个方格与其它的不同,若使用以下四种L型骨牌覆盖除这个特殊方格的其它方格,如何覆盖。

    四各L型骨牌如下图1




                    图1  


棋盘中的特殊方格如图2



        图2

    实现的基本原理是将2^k * 2^k的棋盘分成四块2^(k - 1) * 2^(k - 1)的子棋盘,特殊方格一定在其中的一个子棋盘中,如果特殊方格在某一个子棋盘中,继续递归处理这个子棋盘,直到这个子棋盘中只有一个方格为止如果特殊方 格不在某一个子棋盘中,将这个子棋盘中的相应的位置设为骨牌号,将这个无特殊方格的了棋盘转换为有特殊方格的子棋盘,然后再递归处理这个子棋盘。以上原理 如图3所示。



       图3

    将棋盘保存在一个二维数组中。骨牌号从1开始,特殊方格为0,如果是一个4 * 4的棋盘,特殊方格为(2,2),那么程序的输出为

2   2   3   3   
2   1   1   3   
4   1   0   5   
4   4   5   5

     
相同数字的为同一骨牌。
下面是棋盘覆盖问题的c语言实现。


#include <stdio.h>

#define BOARD_SIZE 4
int board[BOARD_SIZE][BOARD_SIZE];

//  c1, r1: 棋盘左上角的行号和列号
//  c2, r2: 特殊方格的行号和列号
//  size = 2 ^ k
void chessboard( int r1,  int c1,  int r2,  int c2,  int size)
{
     if( 1 == size)  return;
     int half_size;
     static  int domino_num =  1;
     int d = domino_num++;
    half_size = size /  2;   
   
     if(r2 < r1 + half_size && c2 < c1 + half_size)  // 特殊方格在左上角子棋盘
    {
       chessboard(r1, c1, r2, c2, half_size); 
    }
     else    //  不在此棋盘,将此棋盘右下角设为相应的骨牌号
    {
       board[r1 + half_size -  1][c1 + half_size -  1] = d;
       chessboard(r1, c1, r1 + half_size -  1, c1 + half_size -  1, half_size);
    }
   
     if(r2 < r1 + half_size && c2 >= c1 + half_size)  // 特殊方格在右上角子棋盘
    {
       chessboard(r1, c1 + half_size, r2, c2, half_size);
    }
     else   //  不在此棋盘,将此棋盘左下角设为相应的骨牌号
    {
       board[r1 + half_size -  1][c1 + half_size] = d;
       chessboard(r1, c1 + half_size, r1 + half_size -  1, c1 + half_size, half_size);
    }
   
     if(r2 >= r1 + half_size && c2 < c1 + half_size)  // 特殊方格在左下角子棋盘
    {
       chessboard(r1 + half_size, c1, r2, c2, half_size);
    }
     else   //  不在此棋盘,将此棋盘右上角设为相应的骨牌号
    {
       board[r1 + half_size][c1 + half_size -  1] = d;
       chessboard(r1 + half_size, c1, r1 + half_size, c1 + half_size -  1, half_size);
    }
   
     if(r2 >= r1 + half_size && c2 >= c1 + half_size)  // 特殊方格在左上角子棋盘
    {
       chessboard(r1 + half_size, c1 + half_size, r2, c2, half_size);
    }
     else    //  不在此棋盘,将此棋盘左上角设为相应的骨牌号
    {
       board[r1 + half_size][c1 + half_size] = d;
       chessboard(r1 + half_size, c1 + half_size, r1 + half_size, c1 + half_size, half_size);
    }   
}

int main()
{
     int i, j;
    board[ 2][ 2] =  0;
    chessboard( 0022, BOARD_SIZE);
     for(i =  0; i < BOARD_SIZE; i++)
    {
         for(j =  0; j < BOARD_SIZE; j++)
        {
           printf( " %-4d ", board[i][j]);
        }
        printf( " \n ");
    }
}
本文转自银河使者博客园博客,原文链接http://www.cnblogs.com/nokiaguy/archive/2008/05/11/1192579.html如需转载请自行联系原作者

银河使者
相关文章
|
算法
算法设计与分析/数据结构与算法实验1:棋盘覆盖问题
算法设计与分析/数据结构与算法实验1:棋盘覆盖问题
258 0
算法设计与分析/数据结构与算法实验1:棋盘覆盖问题
|
算法
分治算法——棋盘覆盖
分治算法——棋盘覆盖
179 0
|
算法
【算法竞赛进阶指南】棋盘覆盖(二分图最大匹配)
【算法竞赛进阶指南】棋盘覆盖(二分图最大匹配)
149 0
|
算法 Java C语言
棋盘覆盖问题的算法实现
本文为原创,如需转载,请注明作者和出处,谢谢!    在一个2^k * 2^k个方格组成的棋盘中,有一个方格与其它的不同,若使用以下四种L型骨牌覆盖除这个特殊方格的其它方格,如何覆盖。
748 0
|
11天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
145 80
|
5天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
7天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
4天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。

热门文章

最新文章