我已经坐了将近一个星期了。这是PDF格式的问题。
到目前为止,我只能想到一个想法,但它失败了。这个想法是递归地创建在 O(num_of_connected_subgraphs) 中工作的所有连接子图,但这太慢了。
我真的很感激有人给我一个方向。我倾向于认为唯一的方法是动态编程,但我似乎无法弄清楚如何去做。
好的,这是我提出的算法的概念描述:
在两个维度上形成一个从 -7 到 7 的 (x,y) 棋盘图数组,并将对手的棋子放在上面。
从第一行开始(最低 Y 值,-N):
枚举该行中第二个玩家棋子的所有可能组合,仅排除与对手棋子冲突的组合。
对于这一行上的每个组合:--将连接的部分分组到单独的网络中,并将这些网络从 1 开始编号,升序
--将行编码为向量,使用:
= 0 for any unoccupied or opponent position
= (1-8) for the network group that that piece/position is in.
-- 给每个这样的分组一个 1 的计数,并使用编码的向量作为它的键将它添加到字典/哈希集中
现在,对于随后的每一行,按升序 {y=y+1}:
对于上一行字典中的每个条目:
--如果条目正好有 1 个组,则将其 COUNT 添加到 TOTAL
--枚举当前行中第二个玩家棋子的所有可能组合,仅消除与对手棋子冲突的组合。(更改:)您应该跳过此步骤的初始组合(所有条目都为零),因为上面的步骤实际上涵盖了它。对于当前行上的每个这样的组合:
+ produce a grouping vector as described above
+ compare the current row's group-vector to the previous row's
group-vector from the dictionary:
++ if there are any group-*numbers* from the previous row's
vector that are not adjacent to any gorups in the current
row's vector, *for at least one value of X*, then skip
to the next combination.
++ any groups for the current row that are adjacent to any
groups of the previous row, acquire the lowest such group
number
++ any groups for the current row that are not adjacent to
any groups of the previous row, are assigned an unused
group number
+ Re-Normalize the group-number assignments for the current-row's
combination (**) and encode the vector, giving it a COUNT equal
to the previous row-vector's COUNT
+ Add the current-row's vector to the dictionary for the current
Row, using its encoded vector as the key. If it already exists,
then add it's COUNT to the COUNT for the pre-exising entry
最后,对于字典中最后一行的每个条目:
**:Re-Normalizing 只是意味着重新分配组号,以消除分组模式中的任何排列。具体来说,这意味着新的组号应按从左到右、从一个开始的递增顺序分配。因此,例如,如果您的分组向量在将 ot 分组到上一行后看起来像这样:
2 0 5 5 0 3 0 5 0 7 ...
它应该重新映射到这种正常形式:
1 0 2 2 0 3 0 2 0 4 ...
请注意,与本示例一样,在第一行之后,分组可以是不连续的。必须保留这种关系,因此在重新归一化中将两组“5”重新映射到相同的数字(“2”)。
好的,有几点注意事项:
A. 我认为这种方法是正确的,但我真的不确定,所以它肯定需要一些审查等。
B. 虽然很长,但还是很粗略。每个单独的步骤本身都是不平凡的。
C. 虽然有很多单独的优化机会,但整体算法仍然相当复杂。它比蛮力好得多,但即便如此,我的餐巾背面估计仍然在 N=7 的 (2.5 到 10)*10^11 操作左右。
所以它可能很容易处理,但距离在 3 秒内完成 74 个案例还有很长的路要走。我还没有阅读 Peter de Revaz 答案的所有细节,但他旋转“钻石”的想法可能适用于我的算法。虽然它会增加内部循环的复杂性,但它可能会将字典的大小(因此,要比较的分组向量的数量)减少多达 100 倍,尽管如果不实际尝试它真的很难说.
好的,我枚举了所有可能的有效分组向量以获得对上述 (C) 的更好估计,这将 N=7 的值降低到 O(3.5*10^9)。这要好得多,但仍然比您可能需要在 3 秒内完成 74 次测试要高出一个数量级。不过,这确实取决于测试,如果它们中的大多数都小于 N=7,它可能会成功。
这是解决此问题的方法的粗略草图。
首先注意格点需要|x|+|y| < N,这导致菱形从坐标 0,6 到 6,0,即每边有 7 个点。
如果您想象将这颗钻石旋转 45 度,您最终会得到一个 7*7 的正方形格子,这可能更容易想象。(虽然注意也有中间 6 高柱。)
例如,对于 N=3,原始格点为:
..A..
.BCD.
EFGHI
.JKL.
..M..
哪个旋转到
A D I
C H
B G L
F K
E J M
在(可能旋转的)格子上,我会尝试通过动态编程来解决计算在前 x 列中放置军队的方式数量的问题,这样最后一列是某个字符串(加上一个布尔标志来说明是否有一些点已放置)。
该字符串包含每个格点的数字。
0 represents an empty location
1 represents an isolated point
2 represents the first of a new connected group
3 represents an intermediate in a connected group
4 represents the last in an connected group
在算法过程中,字符串可以表示包含多个连接组的形状,但我们拒绝任何留下孤立连接组的转换。
放置所有列后,您只需计算最多具有一个连接组的字符串。
例如,下面形状的前 5 列的字符串是:
....+ = 2
..+++ = 3
..+.. = 0
..+.+ = 1
..+.. = 0
..+++ = 3
..+++ = 4
中间的 + 当前未连接,但可能会被稍后的列连接,因此仍需要跟踪。(在这个图中,我还假设了一个上/下/左/右 4 连接。旋转的格子应该真正使用对角连接,但我发现这有点难以可视化,我不完全确定它仍然是一种有效的方法有了这种连接性。)
我很欣赏这个答案并不完整(并且可以使用更多图片/解释),但也许它会促使其他人提供更完整的解决方案。