2016HUAS暑假集训题1 J - 迷宫问题

Description

定义一个二维数组: 

int maze[5][5] = {
0, 1, 0, 0, 0,
0, 1, 0, 1, 0,
0, 0, 0, 0, 0,
0, 1, 1, 1, 0,
0, 0, 0, 1, 0,
};

它表示一个迷宫,其中的1表示墙壁,0表示可以走的路,只能横着走或竖着走,不能斜着走,要求编程序找出从左上角到右下角的最短路线。

Input

一个5 × 5的二维数组,表示一个迷宫。数据保证有唯一解。

Output

左上角到右下角的最短路径,格式如样例所示。

Sample Input

0 1 0 0 0
0 1 0 1 0
0 0 0 0 0
0 1 1 1 0
0 0 0 1 0

Sample Output

(0, 0)
(1, 0)
(2, 0)
(2, 1)
(2, 2)
(2, 3)
(2, 4)
(3, 4)
(4, 4)

分析:
本题为一迷宫,从左上方走到右下方经过的最短路线,典型的bfs问题 先到达就退出 主要是打印路线 可以用一个值来保存经过的最短路线然后倒向追踪打印路线
Ac代码:
#include <iostream>
#include<cstring>
using namespace std;
int top = -1,under = 0,visit[100][2],dir[4][2]={{-1,0},{1,0},{0,1},{0,-1}},queue[100],a[5][5],v,s[100];
void queue_push(int x)
{
    queue[++top] = x;
}
int queue_pop()
{
    return queue[under++];
}
int main()
{
    int i,j;
    for(i = 0; i < 5; i++)
    {
      for(j = 0; j < 5; j++)
      {
        cin>>a[i][j];
      }
    }
    memset(visit,0,sizeof(visit));
    queue_push(0);
    visit[0][0] = 1;
    while(under<=top)
    {
            v = queue_pop();
            if(v == 24) break;
            int x = v/5,y = v%5;
            for(int i = 0;i < 4;i++)
            {
                int px = x+dir[i][0],py = y +dir[i][1];
               if(visit[px*5+py][0] == 0&&a[px][py] == 0&&px>=0&&px<5&&py>=0&&py<5)
               {
                   queue_push(px*5+py);  //满足条件添加进数组
                   visit[px*5+py][0] = 1;   //标记已经经过此点
                   visit[px*5+py][1] = v;  //保存路线
               }
            }
    }

    for( i = 1,s[0] = 24;s[i-1] != 0; i++ )
    {
        s[i] = visit[s[i-1]][1];
    }
    for(  j = i- 1;j >= 0; j--)
    {
        cout<<"("<<s[j]/5<<", "<<s[j]%5<<")"<<endl;
    }
    return 0;
}

 




转载于:https://www.cnblogs.com/LIUWEI123/p/5676858.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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