uva 11624 - Fire! bfs

链接:http://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&page=show_problem&category=&problem=2671&mosmsg=Submission+received+with+ID+12526349

描述:帮助Joe走出迷宫。Joe每分钟可以向上下左右四个方向移动,所有着火的格子也会向四周蔓延。迷宫中的wall和着火点都不能进入,求Joe能够走出迷宫的最短时间,无法走出输出IMPOSSIBLE。

思路:bfs。由于有着火点会向四周蔓延,可先用bfs求出着火点蔓延到其他点的时间,(将所有着火点入队bfs)。后面再用bfs走迷宫时,只有从 出发开始经过时间小于着火时间的点才可以走,才能入队。两个bfs时间复杂度均为O(rc).

#include <iostream>
#include <cstdio>
#include <cstring>
#include <queue>
using namespace std;
int dir[][2] = {-1, 0, 0, 1, 1, 0, 0, -1};
const int M = 1005, INF = 0x3f3f3f3f;
char map[M][M];
int r, c, fire[M][M];				//fire记录格点着火时间
bool vis[M][M];
struct Node {
	int x, y, time;
};
Node now, next, start, Fire;
void pre_process()
{
	queue<Node> q;
	memset(map, 0, sizeof(map));
	memset(fire, INF, sizeof(fire));
	memset(vis, 0, sizeof(vis));
	for (int i = 1; i <= r; ++i)
		for (int j = 1; j <= c; ++j)
		{
			cin >> map[i][j];
			if (map[i][j] == 'J')
				start.x = i, start.y = j, start.time = 0;
			else if (map[i][j] == 'F')
				Fire.x = i, Fire.y = j, Fire.time = 0, fire[i][j] = 0, vis[i][j] = 1, q.push(Fire);
		}
	while (!q.empty())
	{
		now = q.front();
		q.pop();
		for (int i = 0; i < 4; ++i)
		{
			next.x = now.x + dir[i][0], next.y = now.y + dir[i][1], next.time = now.time + 1;
			if (map[next.x][next.y] != 0 && !vis[next.x][next.y] && map[next.x][next.y] != '#')  
			{	//下标从1开始时可以用map[next.x][next.y] != 0代替判断next.x>=1 && next.x<=r && next.y>=1 && next.y<=c)
				vis[next.x][next.y] = 1;
				fire[next.x][next.y] = next.time;
				q.push(next);
			}
		}
	}
}
int bfs()
{
	queue<Node> q;
	memset(vis, 0, sizeof(vis));
	q.push(start);
	vis[start.x][start.y] = 1;
	while (!q.empty())
	{
		now = q.front();
		q.pop();
		for  (int i = 0; i < 4; ++i)
		{
			next.x = now.x + dir[i][0], next.y = now.y + dir[i][1], next.time = now.time + 1;
			if (map[next.x][next.y] == 0)
				return next.time;
			if (map[next.x][next.y] != '#' && !vis[next.x][next.y] && next.time < fire[next.x][next.y])
			{	//经过时间小于着火时间时改点才可走,入队
				vis[next.x][next.y] = 1;
				q.push(next);
			}
		}
	}
	return -1;
}
int main()
{
	int T;
	scanf("%d", &T);
	while (T--)
	{
		scanf("%d %d", &r, &c);
		pre_process();
		int ans = bfs();
		if (ans != -1)
			printf("%d\n", ans);
		else
			printf("IMPOSSIBLE\n");
	}
	return 0;
}


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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

打赏作者

PegasusWang_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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