魔方黑盒猜测

Smile_Tiger 2005-05-19 05:00:04
已知: 一个打乱的三阶的魔方(3x3x3)放在桌面上,现在你能够看到它的前面、顶面和左面。
求 :余下的三面(后面、底面、右面)的具体颜色分布,如认为不能求解,请证其不能。
...全文
343 20 打赏 收藏 转发到动态 举报
写回复
用AI写文章
20 条回复
切换为时间正序
请发表友善的回复…
发表回复
NowCan 2005-05-31
  • 打赏
  • 举报
回复
他画的是魔方的一个角。
zzwu 2005-05-31
  • 打赏
  • 举报
回复
我猜:

‘ /‘ --- 代表绕z转
’-‘ --- 代表绕x转
‘ |‘ --- 代表绕y转

’x‘ --- 代表什么呢?




zzwu 2005-05-31
  • 打赏
  • 举报
回复
to fxw(漂来):

很有意思,但我不懂,

是否能把你所列的步骤中的每一个符号代表的操作解释一下?
fxw 2005-05-30
  • 打赏
  • 举报
回复

无法确定!

很简单,
一个拼好的魔方,可以使用一中转换只改变一个角上的三条棱,即下图的x处:
/
x
/
-x-
|
x
|
jerryy 2005-05-28
  • 打赏
  • 举报
回复
可能无法确定,我曾经拼过一个角部(2层)不同的状态,但可见的3个面并不改变。
zzwu 2005-05-27
  • 打赏
  • 举报
回复
看了 Smile_Tiger(笑面虎) 提供的2个网站介绍,结论应该是否定的。

但没有魔方在手,一时不能确证。
mathe 2005-05-27
  • 打赏
  • 举报
回复
应该不行.应该可以将魔方上面两个相邻的顶点转90度(位置不变),然后其他格子全部不变.
还有比如可以选择两条边中间的格子,将它们旋转方向(位置不变),等等
zzwu 2005-05-27
  • 打赏
  • 举报
回复
我新编了一个简单的魔方游戏,希望大家来试用,并提出改进要求,检测有否漏洞。

需要的网友请留下Email.
「已注销」 2005-05-27
  • 打赏
  • 举报
回复
记得对于
“对一个魔方,如果我们看到前、顶、左都已经拼好了,是不是可以确定这个魔方一定已经完全拼好了.”
好像不成立哦。啊啊啊。。好久没有玩了
「已注销」 2005-05-27
  • 打赏
  • 举报
回复
呵呵,魔方,喜欢玩,但不会这种题,哈哈。
NowCan 2005-05-21
  • 打赏
  • 举报
回复
是不是应该给出魔方在打乱前的颜色分布?这样就容易很多了。否则太难了,极端的例子,拼好的魔方,看到3面,另3面的颜色分布也还是不可能知道的啊。
Smile_Tiger 2005-05-21
  • 打赏
  • 举报
回复
关于魔方的一些知识,请大家看看这个论坛以及主页

http://mf8.xunxin.com/dispbbs.asp?boardID=15&ID=947&page=1

http://mf8.com.cn
zhang_jiang 2005-05-20
  • 打赏
  • 举报
回复
mark
zzwu 2005-05-20
  • 打赏
  • 举报
回复
以上我的分析有漏洞.

有些块虽然看到了,但因为看到的面不够完全,如顶面后边或右边的中间块或角块,仍然无法确定.
zzwu 2005-05-20
  • 打赏
  • 举报
回复
极有意思的问题!

魔方表面一共26块,在3个可见面上看到的有19块,未见到的是7块.

由于角块一共只用8块,其中7个角都看到,所以另一未见角块也就可以确定了.

需要进一步确定的是3个中间块和3个边块.

NowCan 2005-05-20
  • 打赏
  • 举报
回复
Smile_Tiger(笑面虎)

dreamhere提出的只是这个问题的一个子问题。
Smile_Tiger 2005-05-19
  • 打赏
  • 举报
回复
to dreamhere(dreamhere) :

错,我说的是打乱了的魔方,根据已知三面的颜色状态,猜测未知三面的颜色状态
dreamhere 2005-05-19
  • 打赏
  • 举报
回复
该问题可以等价于:对一个魔方,如果我们看到前、顶、左都已经拼好了,是不是可以确定这个魔方一定已经完全拼好了.手边没有魔方,想像力受到限制~~~~~~~~~~
galois_godel 2005-05-19
  • 打赏
  • 举报
回复
这个魔方格子有约束吗?一定要是转得出来的?
NowCan 2005-05-19
  • 打赏
  • 举报
回复
有难度的问题。考虑考虑。
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

33,025

社区成员

发帖
与我相关
我的任务
社区描述
数据结构与算法相关内容讨论专区
社区管理员
  • 数据结构与算法社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧